Google Magika 1.0：基于Rust的文件检测技术飞跃

Google通过Magika 1.0将文件检测推向新高度

面向开发者和安全专业人士的重大更新中，Google推出了其AI文件类型检测系统的稳定版Magika 1.0。该版本的特别之处在于完全基于Rust架构重构，将速度和安全性置于文件识别的核心位置。

数据说明一切：Magika现在单核处理器上每秒可识别数百个文件。扩展到多核系统后，每秒可处理数千个文件。这种速度得益于两项核心技术——处理模型推理的ONNX Runtime和管理异步处理的Tokio框架。

自初版发布以来，支持的文件格式数量几乎翻倍，现已覆盖200多种类型。本次更新特别增加了对以下类型的支持：

系统还能更智能地区分相似文件——比如C与C++代码或JavaScript与TypeScript的识别准确率达到历史新高。

实现这些功能并非一帆风顺。Google工程师面临两大挑战：所需训练数据的庞大体量，以及某些文件类型的样本稀缺问题。他们的解决方案是结合定制数据集库SedPack与Google自研生成式AI工具Gemini创建的合成训练数据。

"我们的模型不仅要理解常见文件，还要识别冷门格式"，Google发言人解释道，"真实数据与高质量合成样本的结合让我们具备了这种优势"。

本次升级不仅关乎性能提升——Google还使Magika更易使用：

自去年开源以来月下载量超百万次的数据表明，Magika的热度持续攀升。这个最新版本使其成为处理多样化文件类型的开发者更加不可或缺的工具。