Na era digital, em que a comunica\u00e7\u00e3o por correio eletr\u00f3nico desempenha um papel central, o spam continua a representar um desafio significativo. As mensagens indesejadas inundam as caixas de correio eletr\u00f3nico, fazem perder tempo e podem at\u00e9 representar riscos de seguran\u00e7a. No entanto, gra\u00e7as a tecnologias inovadoras, como a aprendizagem autom\u00e1tica, a dete\u00e7\u00e3o de spam melhorou drasticamente nos \u00faltimos anos. Estes algoritmos avan\u00e7ados permitem identificar e filtrar mais eficazmente os e-mails de spam, aumentando a seguran\u00e7a do e-mail e melhorando a experi\u00eancia do utilizador.<\/p>\n
A aprendizagem autom\u00e1tica, um ramo da intelig\u00eancia artificial, revolucionou a forma como combatemos o spam. Ao contr\u00e1rio dos filtros tradicionais baseados em regras, os modelos de aprendizagem autom\u00e1tica podem aprender com grandes quantidades de dados e adaptar-se continuamente a novas t\u00e1cticas de spam. Isto torna-os particularmente eficazes contra as estrat\u00e9gias em constante evolu\u00e7\u00e3o dos remetentes de spam.<\/p>\n
A base da dete\u00e7\u00e3o de spam utilizando a aprendizagem autom\u00e1tica \u00e9 o treino dos algoritmos com extensos conjuntos de dados de correio eletr\u00f3nico leg\u00edtimo e spam. Analisando v\u00e1rias carater\u00edsticas, como o conte\u00fado do texto, as linhas de assunto, as informa\u00e7\u00f5es do remetente e os metadados, os modelos aprendem a reconhecer padr\u00f5es que s\u00e3o carater\u00edsticos do spam. Estes padr\u00f5es aprendidos s\u00e3o depois utilizados para classificar as mensagens de correio eletr\u00f3nico recebidas.<\/p>\n
Um dos algoritmos mais utilizados para a dete\u00e7\u00e3o de spam \u00e9 o Naive Bayes. Esta abordagem probabil\u00edstica calcula a probabilidade de um correio eletr\u00f3nico ser spam com base na ocorr\u00eancia de determinadas palavras ou frases. O Naive Bayes \u00e9 particularmente eficaz no processamento de dados de texto e pode ser rapidamente aplicado a grandes volumes de correio eletr\u00f3nico.<\/p>\n
As M\u00e1quinas de Vectores de Suporte (SVM) s\u00e3o outro m\u00e9todo popular. As SVM tentam encontrar uma linha divis\u00f3ria \u00f3ptima entre e-mails com e sem spam num espa\u00e7o multidimensional. Esta t\u00e9cnica \u00e9 particularmente boa a fazer distin\u00e7\u00f5es claras mesmo em conjuntos de dados complexos.<\/p>\n
Mais recentemente, as abordagens de aprendizagem profunda tamb\u00e9m se revelaram promissoras. As redes neuronais, em particular as redes neuronais recorrentes (RNN) e as redes de mem\u00f3ria de curto prazo (LSTM), podem captar melhor a natureza sequencial do texto e reconhecer padr\u00f5es subtis na estrutura da l\u00edngua que muitas vezes n\u00e3o s\u00e3o \u00f3bvios para os seres humanos.<\/p>\n
Uma das principais vantagens dos filtros de spam baseados na aprendizagem autom\u00e1tica \u00e9 a sua capacidade de adapta\u00e7\u00e3o. Enquanto os filtros tradicionais t\u00eam de ser actualizados manualmente com regularidade, os modelos de aprendizagem autom\u00e1tica podem aprender continuamente com novos dados. Isto permite-lhes acompanhar as t\u00e1cticas em constante mudan\u00e7a dos remetentes de spam e tamb\u00e9m reconhecer variantes de spam anteriormente desconhecidas.<\/p>\n
Outros benef\u00edcios incluem:<\/p>\n
- Elevada precis\u00e3o: o aperfei\u00e7oamento cont\u00ednuo dos modelos aumenta a precis\u00e3o da dete\u00e7\u00e3o de spam.
\n- Escalabilidade: Os modelos de aprendizagem autom\u00e1tica podem ser facilmente aplicados a grandes volumes de correio eletr\u00f3nico, o que os torna ideais para organiza\u00e7\u00f5es de todas as dimens\u00f5es.
\n- Efici\u00eancia de custos: ao reduzir o esfor\u00e7o manual envolvido na triagem do spam, as empresas podem poupar tempo e recursos.<\/p>\n
No entanto, a implementa\u00e7\u00e3o da aprendizagem autom\u00e1tica na dete\u00e7\u00e3o de spam tamb\u00e9m coloca desafios. Um deles \u00e9 a necessidade de conjuntos de dados de treino de grande dimens\u00e3o e qualidade. A cria\u00e7\u00e3o e a manuten\u00e7\u00e3o desses conjuntos de dados exigem recursos consider\u00e1veis e devem ter em conta a privacidade dos utilizadores de correio eletr\u00f3nico.<\/p>\n
Outro problema \u00e9 o risco de classifica\u00e7\u00e3o incorrecta. Embora os modelos de aprendizagem autom\u00e1tica sejam geralmente muito precisos, podem ocasionalmente assinalar mensagens de correio eletr\u00f3nico leg\u00edtimas como spam (falsos positivos) ou n\u00e3o assinalar mensagens de correio eletr\u00f3nico spam (falsos negativos). O aperfei\u00e7oamento dos modelos para encontrar o equil\u00edbrio certo entre sensibilidade e especificidade \u00e9 uma tarefa cont\u00ednua para os programadores.<\/p>\n
A prote\u00e7\u00e3o dos dados e as considera\u00e7\u00f5es \u00e9ticas tamb\u00e9m desempenham um papel importante. A an\u00e1lise do conte\u00fado do correio eletr\u00f3nico levanta quest\u00f5es de privacidade e devem ser tomadas medidas para garantir que a dete\u00e7\u00e3o de spam n\u00e3o conduza a uma vigil\u00e2ncia n\u00e3o intencional ou \u00e0 utiliza\u00e7\u00e3o indevida de dados pessoais. Particularmente \u00e0 luz do Regulamento Geral sobre a Prote\u00e7\u00e3o de Dados (RGPD), as organiza\u00e7\u00f5es t\u00eam de garantir que as suas solu\u00e7\u00f5es de filtragem de spam est\u00e3o em conformidade.<\/p>\n
A implementa\u00e7\u00e3o de filtros de spam baseados na aprendizagem autom\u00e1tica \u00e9 um investimento que vale a pena para as empresas. De acordo com estudos, as empresas podem poupar at\u00e9 milhares de euros por ano em ganhos de produtividade e custos de seguran\u00e7a atrav\u00e9s da dete\u00e7\u00e3o eficaz de spam. Muitos servi\u00e7os de correio eletr\u00f3nico e fornecedores de seguran\u00e7a j\u00e1 oferecem solu\u00e7\u00f5es avan\u00e7adas de dete\u00e7\u00e3o de spam que utilizam a aprendizagem autom\u00e1tica. A implementa\u00e7\u00e3o de tais sistemas pode n\u00e3o s\u00f3 aumentar a efici\u00eancia, mas tamb\u00e9m reduzir o risco de perda de dados ou viola\u00e7\u00f5es de seguran\u00e7a causadas por ataques de phishing.<\/p>\n
As organiza\u00e7\u00f5es que investem nestas tecnologias registam frequentemente melhorias significativas na precis\u00e3o dos seus filtros de spam. Isto leva a um aumento da produtividade, uma vez que os funcion\u00e1rios passam menos tempo a selecionar e-mails indesejados, e a uma maior seguran\u00e7a, uma vez que os e-mails de phishing potencialmente perigosos s\u00e3o bloqueados de forma mais eficaz.<\/p>\n
O futuro da dete\u00e7\u00e3o de spam promete abordagens ainda mais sofisticadas. Os investigadores est\u00e3o a experimentar t\u00e9cnicas como a aprendizagem por transfer\u00eancia, em que os modelos que foram treinados para uma tarefa podem ser adaptados a tarefas semelhantes. Isto poderia acelerar o desenvolvimento de filtros de spam e melhorar o seu desempenho em diferentes contextos.<\/p>\n
A integra\u00e7\u00e3o do processamento da linguagem natural (PNL) e da an\u00e1lise sem\u00e2ntica tamb\u00e9m est\u00e1 a ser impulsionada. Estas tecnologias permitem compreender melhor o contexto e o significado do conte\u00fado do correio eletr\u00f3nico, conduzindo a uma dete\u00e7\u00e3o de spam ainda mais precisa. Ao compreender as rela\u00e7\u00f5es sem\u00e2nticas entre as palavras, os modelos podem reconhecer ind\u00edcios mais subtis de spam que s\u00e3o dif\u00edceis de identificar pelas abordagens tradicionais.<\/p>\n
Outra abordagem promissora \u00e9 a utiliza\u00e7\u00e3o de m\u00e9todos de conjunto, em que v\u00e1rios modelos de aprendizagem autom\u00e1tica s\u00e3o combinados para utilizar os pontos fortes de diferentes algoritmos. Isto pode melhorar ainda mais a precis\u00e3o e a robustez globais da dete\u00e7\u00e3o de spam.<\/p>\n
Al\u00e9m disso, a utiliza\u00e7\u00e3o da intelig\u00eancia artificial (IA) est\u00e1 a ser aperfei\u00e7oada para desenvolver solu\u00e7\u00f5es de seguran\u00e7a adapt\u00e1veis que se podem ajustar a novas amea\u00e7as em tempo real. A integra\u00e7\u00e3o da IA nas solu\u00e7\u00f5es de seguran\u00e7a das redes e dos terminais oferece uma abordagem hol\u00edstica da defesa contra o spam e outras amea\u00e7as.<\/p>\n
Para as empresas e organiza\u00e7\u00f5es que procuram melhorar a sua seguran\u00e7a de correio eletr\u00f3nico, a integra\u00e7\u00e3o de filtros de spam baseados na aprendizagem autom\u00e1tica nos seus sistemas de correio eletr\u00f3nico existentes \u00e9 um investimento que vale a pena. Aqui est\u00e3o algumas pr\u00e1ticas recomendadas:<\/p>\n
1. garantir a qualidade dos dados: Utilizar conjuntos de dados completos e bem rotulados para treinar os modelos.
\n2. actualiza\u00e7\u00f5es regulares: Atualizar continuamente os modelos com novos dados para acompanhar a evolu\u00e7\u00e3o das t\u00e9cnicas de spam.
\n3. Estrat\u00e9gias de seguran\u00e7a multi-camadas: Combinar a aprendizagem autom\u00e1tica com outras medidas de seguran\u00e7a, como firewalls, software anti-v\u00edrus e educa\u00e7\u00e3o dos utilizadores.
\n4 Considerar a prote\u00e7\u00e3o dos dados: Garantir que todas as medidas de dete\u00e7\u00e3o de spam cumprem a regulamenta\u00e7\u00e3o aplic\u00e1vel em mat\u00e9ria de prote\u00e7\u00e3o de dados.
\n5. afina\u00e7\u00e3o dos modelos: otimizar regularmente os modelos para melhorar o equil\u00edbrio entre falsos positivos e falsos negativos.<\/p>\n
Ao implementar estas melhores pr\u00e1ticas, as organiza\u00e7\u00f5es podem garantir que os seus filtros de spam funcionam de forma eficaz e fi\u00e1vel, garantindo simultaneamente a seguran\u00e7a e a privacidade dos seus utilizadores.<\/p>\n
Em resumo, a aprendizagem autom\u00e1tica revolucionou e continuar\u00e1 a revolucionar a dete\u00e7\u00e3o de spam. Esta tecnologia permite-nos estar um passo \u00e0 frente na constante batalha contra os e-mails n\u00e3o desejados. \u00c0 medida que os algoritmos continuam a desenvolver-se e a aperfei\u00e7oar-se, podemos esperar um futuro em que os e-mails de spam representem cada vez menos uma amea\u00e7a e as nossas comunica\u00e7\u00f5es digitais se tornem mais seguras e eficientes. A investiga\u00e7\u00e3o e o desenvolvimento cont\u00ednuos nesta \u00e1rea prometem melhorar ainda mais a experi\u00eancia de correio eletr\u00f3nico dos utilizadores de todo o mundo, ultrapassando simultaneamente os desafios da era digital.<\/p>\n
Al\u00e9m disso, desenvolvimentos futuros, como a integra\u00e7\u00e3o da intelig\u00eancia artificial e de t\u00e9cnicas avan\u00e7adas de PNL, aumentar\u00e3o ainda mais a precis\u00e3o e a efici\u00eancia da dete\u00e7\u00e3o de spam. As empresas que adoptarem estas tecnologias numa fase inicial podem garantir uma vantagem competitiva aumentando a seguran\u00e7a das suas comunica\u00e7\u00f5es e reduzindo os seus custos operacionais.<\/p>\n
Num cen\u00e1rio digital em constante mudan\u00e7a, a adapta\u00e7\u00e3o e a inova\u00e7\u00e3o cont\u00ednuas no dom\u00ednio da dete\u00e7\u00e3o de spam s\u00e3o essenciais. A aprendizagem autom\u00e1tica desempenhar\u00e1 um papel central para garantir que as organiza\u00e7\u00f5es e os indiv\u00edduos estejam bem equipados para enfrentar com \u00eaxito os desafios da comunica\u00e7\u00e3o moderna por correio eletr\u00f3nico.<\/p>","protected":false},"excerpt":{"rendered":"
Descubra como a aprendizagem autom\u00e1tica est\u00e1 a transformar a dete\u00e7\u00e3o de spam e a levar a seguran\u00e7a do correio eletr\u00f3nico para o n\u00edvel seguinte.<\/p>","protected":false},"author":1,"featured_media":8907,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"_crdt_document":"","inline_featured_image":false,"footnotes":""},"categories":[821],"tags":[],"class_list":["post-8908","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-spambekaempfung-web_hosting"],"acf":[],"_wp_attached_file":null,"_wp_attachment_metadata":null,"litespeed-optimize-size":null,"litespeed-optimize-set":null,"_elementor_source_image_hash":null,"_wp_attachment_image_alt":null,"stockpack_author_name":null,"stockpack_author_url":null,"stockpack_provider":null,"stockpack_image_url":null,"stockpack_license":null,"stockpack_license_url":null,"stockpack_modification":null,"color":null,"original_id":null,"original_url":null,"original_link":null,"unsplash_location":null,"unsplash_sponsor":null,"unsplash_exif":null,"unsplash_attachment_metadata":null,"_elementor_is_screenshot":null,"surfer_file_name":null,"surfer_file_original_url":null,"envato_tk_source_kit":null,"envato_tk_source_index":null,"envato_tk_manifest":null,"envato_tk_folder_name":null,"envato_tk_builder":null,"envato_elements_download_event":null,"_menu_item_type":null,"_menu_item_menu_item_parent":null,"_menu_item_object_id":null,"_menu_item_object":null,"_menu_item_target":null,"_menu_item_classes":null,"_menu_item_xfn":null,"_menu_item_url":null,"_trp_menu_languages":null,"rank_math_primary_category":null,"rank_math_title":null,"inline_featured_image":null,"_yoast_wpseo_primary_category":null,"rank_math_schema_blogposting":null,"rank_math_schema_videoobject":null,"_oembed_049c719bc4a9f89deaead66a7da9fddc":null,"_oembed_time_049c719bc4a9f89deaead66a7da9fddc":null,"_yoast_wpseo_focuskw":null,"_yoast_wpseo_linkdex":null,"_oembed_27e3473bf8bec795fbeb3a9d38489348":null,"_oembed_c3b0f6959478faf92a1f343d8f96b19e":null,"_trp_translated_slug_en_us":null,"_wp_desired_post_slug":null,"_yoast_wpseo_title":null,"tldname":null,"tldpreis":null,"tldrubrik":null,"tldpolicylink":null,"tldsize":null,"tldregistrierungsdauer":null,"tldtransfer":null,"tldwhoisprivacy":null,"tldregistrarchange":null,"tldregistrantchange":null,"tldwhoisupdate":null,"tldnameserverupdate":null,"tlddeletesofort":null,"tlddeleteexpire":null,"tldumlaute":null,"tldrestore":null,"tldsubcategory":null,"tldbildname":null,"tldbildurl":null,"tldclean":null,"tldcategory":null,"tldpolicy":null,"tldbesonderheiten":null,"tld_bedeutung":null,"_oembed_d167040d816d8f94c072940c8009f5f8":null,"_oembed_b0a0fa59ef14f8870da2c63f2027d064":null,"_oembed_4792fa4dfb2a8f09ab950a73b7f313ba":null,"_oembed_33ceb1fe54a8ab775d9410abf699878d":null,"_oembed_fd7014d14d919b45ec004937c0db9335":null,"_oembed_21a029d076783ec3e8042698c351bd7e":null,"_oembed_be5ea8a0c7b18e658f08cc571a909452":null,"_oembed_a9ca7a298b19f9b48ec5914e010294d2":null,"_oembed_f8db6b27d08a2bb1f920e7647808899a":null,"_oembed_168ebde5096e77d8a89326519af9e022":null,"_oembed_cdb76f1b345b42743edfe25481b6f98f":null,"_oembed_87b0613611ae54e86e8864265404b0a1":null,"_oembed_27aa0e5cf3f1bb4bc416a4641a5ac273":null,"_oembed_time_27aa0e5cf3f1bb4bc416a4641a5ac273":null,"_tldname":null,"_tldclean":null,"_tldpreis":null,"_tldcategory":null,"_tldsubcategory":null,"_tldpolicy":null,"_tldpolicylink":null,"_tldsize":null,"_tldregistrierungsdauer":null,"_tldtransfer":null,"_tldwhoisprivacy":null,"_tldregistrarchange":null,"_tldregistrantchange":null,"_tldwhoisupdate":null,"_tldnameserverupdate":null,"_tlddeletesofort":null,"_tlddeleteexpire":null,"_tldumlaute":null,"_tldrestore":null,"_tldbildname":null,"_tldbildurl":null,"_tld_bedeutung":null,"_tldbesonderheiten":null,"_oembed_ad96e4112edb9f8ffa35731d4098bc6b":null,"_oembed_8357e2b8a2575c74ed5978f262a10126":null,"_oembed_3d5fea5103dd0d22ec5d6a33eff7f863":null,"_eael_widget_elements":null,"_oembed_0d8a206f09633e3d62b95a15a4dd0487":null,"_oembed_time_0d8a206f09633e3d62b95a15a4dd0487":null,"_aioseo_description":null,"_eb_attr":null,"_eb_data_table":null,"_oembed_819a879e7da16dd629cfd15a97334c8a":null,"_oembed_time_819a879e7da16dd629cfd15a97334c8a":null,"_acf_changed":null,"_wpcode_auto_insert":null,"_edit_last":null,"_edit_lock":null,"_oembed_e7b913c6c84084ed9702cb4feb012ddd":null,"_oembed_bfde9e10f59a17b85fc8917fa7edf782":null,"_oembed_time_bfde9e10f59a17b85fc8917fa7edf782":null,"_oembed_03514b67990db061d7c4672de26dc514":null,"_oembed_time_03514b67990db061d7c4672de26dc514":null,"rank_math_news_sitemap_robots":null,"rank_math_robots":null,"_eael_post_view_count":"4914","_trp_automatically_translated_slug_ru_ru":null,"_trp_automatically_translated_slug_et":null,"_trp_automatically_translated_slug_lv":null,"_trp_automatically_translated_slug_fr_fr":null,"_trp_automatically_translated_slug_en_us":null,"_wp_old_slug":null,"_trp_automatically_translated_slug_da_dk":null,"_trp_automatically_translated_slug_pl_pl":null,"_trp_automatically_translated_slug_es_es":null,"_trp_automatically_translated_slug_hu_hu":null,"_trp_automatically_translated_slug_fi":null,"_trp_automatically_translated_slug_ja":null,"_trp_automatically_translated_slug_lt_lt":null,"_elementor_edit_mode":null,"_elementor_template_type":null,"_elementor_version":null,"_elementor_pro_version":null,"_wp_page_template":null,"_elementor_page_settings":null,"_elementor_data":null,"_elementor_css":null,"_elementor_conditions":null,"_happyaddons_elements_cache":null,"_oembed_75446120c39305f0da0ccd147f6de9cb":null,"_oembed_time_75446120c39305f0da0ccd147f6de9cb":null,"_oembed_3efb2c3e76a18143e7207993a2a6939a":null,"_oembed_time_3efb2c3e76a18143e7207993a2a6939a":null,"_oembed_59808117857ddf57e478a31d79f76e4d":null,"_oembed_time_59808117857ddf57e478a31d79f76e4d":null,"_oembed_965c5b49aa8d22ce37dfb3bde0268600":null,"_oembed_time_965c5b49aa8d22ce37dfb3bde0268600":null,"_oembed_81002f7ee3604f645db4ebcfd1912acf":null,"_oembed_time_81002f7ee3604f645db4ebcfd1912acf":null,"_elementor_screenshot":null,"_oembed_7ea3429961cf98fa85da9747683af827":null,"_oembed_time_7ea3429961cf98fa85da9747683af827":null,"_elementor_controls_usage":null,"_elementor_page_assets":[],"_elementor_screenshot_failed":null,"theplus_transient_widgets":null,"_eael_custom_js":null,"_wp_old_date":null,"_trp_automatically_translated_slug_it_it":null,"_trp_automatically_translated_slug_pt_pt":null,"_trp_automatically_translated_slug_zh_cn":null,"_trp_automatically_translated_slug_nl_nl":null,"_trp_automatically_translated_slug_pt_br":null,"_trp_automatically_translated_slug_sv_se":null,"rank_math_analytic_object_id":null,"rank_math_internal_links_processed":null,"_trp_automatically_translated_slug_ro_ro":null,"_trp_automatically_translated_slug_sk_sk":null,"_trp_automatically_translated_slug_bg_bg":null,"_trp_automatically_translated_slug_sl_si":null,"litespeed_vpi_list":["webhostinglogo.png"],"litespeed_vpi_list_mobile":["webhostinglogo.png"],"rank_math_seo_score":null,"rank_math_contentai_score":null,"ilj_limitincominglinks":null,"ilj_maxincominglinks":null,"ilj_limitoutgoinglinks":null,"ilj_maxoutgoinglinks":null,"ilj_limitlinksperparagraph":null,"ilj_linksperparagraph":null,"ilj_blacklistdefinition":null,"ilj_linkdefinition":null,"_eb_reusable_block_ids":[],"rank_math_focus_keyword":"Machine Learning Spam-Erkennung","rank_math_og_content_image":null,"_yoast_wpseo_metadesc":null,"_yoast_wpseo_content_score":null,"_yoast_wpseo_focuskeywords":null,"_yoast_wpseo_keywordsynonyms":null,"_yoast_wpseo_estimated-reading-time-minutes":null,"rank_math_description":null,"surfer_last_post_update":null,"surfer_last_post_update_direction":null,"surfer_keywords":null,"surfer_location":null,"surfer_draft_id":null,"surfer_permalink_hash":null,"surfer_scrape_ready":null,"_thumbnail_id":"8907","footnotes":null,"_links":{"self":[{"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/posts\/8908","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/comments?post=8908"}],"version-history":[{"count":0,"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/posts\/8908\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/media\/8907"}],"wp:attachment":[{"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/media?parent=8908"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/categories?post=8908"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/webhosting.de\/pt\/wp-json\/wp\/v2\/tags?post=8908"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}