Spring naar hoofdinhoud
SenderProof

Methodologie

SenderProof gebruikt machine learning op twee specifieke plekken — sender-classificatie en alert-noise-reductie. Deze pagina legt uit wát we doen, hóe we het meten, en wat de huidige nauwkeurigheid is. Geen vage AI-marketing.

1. Sender-classificatie

Een DMARC RUA-rapport bevat IP-adressen die namens jouw domein gemaild hebben. SenderProof koppelt elk IP aan een verzendende vendor (Microsoft 365, Mailchimp, AFAS, etc.) zodat het dashboard mensentaal toont in plaats van IP-getallen.

Live precision/recall-cijfers per release in onze systeemstatus en per-klant in het admin-dashboard.

2. Alert-noise-reductie

Als een klant een DNS-wijziging doorvoert en daarbij per ongeluk een SPF-include weghaalt, kan dat 47 alerts in 30 minuten triggeren. SenderProof detecteert clusters en de-dupliceert ze tot één geconsolideerde melding.

RUA-bron-ruisfiltering (signaal vs. ruis)

Een DMARC-aggregaat bestaat voor het overgrote deel uit verkeer waar je niets mee hoeft: compliant mail, legitieme forwarding en low-volume backscatter. We classificeren elke bron-regel deterministisch en onderdrukken de ruis, zodat je de bronnen ziet die écht aandacht vragen. Dit is een transparante heuristiek met een meetbare onderdrukkings-ratio — geen getrainde ML (die staat op de roadmap, zie punt 1).

Gemeten op onze eigen dataset (juni 2026, ~145k berichten over 90 dagen): ±94% als ruis onderdrukt, ±6% als threat-signaal naar voren gehaald. Reproduceerbaar via senderproof:rua-noise-stats.

3. Domain health score

De score op de gratis check-tool is gewogen:

CheckGewicht
DMARC30
SPF25
DKIM15
MX10
MTA-STS8
DNSSEC6
TLS-RPT4
BIMI2 (optioneel — telt niet bij ontbreken)

Per check telt pass = 100%, warn = 50%, fail = 0%. BIMI levert geen aftrek bij ontbreken (optioneel).

4. Wat we niét doen

Vragen? Mail hallo@senderproof.eu.