По каким следам TGStat режет ботов: анатомия детекта без мифов

По каким следам TGStat режет ботов: анатомия детекта без мифов

Давайте снимем розовые очки и посмотрим на сырые логи. TGStat не «видит бота» магически — он складывает профиль из повторяющихся паттернов: одинаковые окна активности, синхронные вступления в каналы, однотипные паузы между действиями, слишком ровный retention. Когда десятки аккаунтов ведут себя как один процесс с разными avatar_id, детекту даже не нужен сложный ML — достаточно статистики по кластерам.

Основные триггеры обычно лежат в поведении, а не в названии юзернейма:
— резкие всплески подписок без естественного хвоста отписок;
— аккаунты с короткой жизнью и нулевой глубиной взаимодействия;
— повторяющиеся гео, часовые пояса, языковые следы и сетевые окна;
— одинаковые последовательности: вступил → молчит → ушёл;
— аномально низкая связность с остальной аудиторией.

TGStat всё видит, но дьявол, как всегда, кроется в таймингах. Если пул аккаунтов стартует из одного сегмента прокси, использует схожие фингерпринты и одинаковую скорость действий, система собирает это в один технический контур. Дальше включается простая логика: высокая корреляция между событиями, низкая энтропия поведения, слабая долговечность профилей — и метка «неорганика» прилетает почти без шума.

Как не попасть в этот фильтр? Не пытаться «маскировать» один и тот же сценарий косметикой. Нужны разные окна активности, разношёрстные источники входа, разброс по гео и нормальная пауза между касаниями. Алгоритмы пишут люди, а значит, у любой защиты есть свой порог чувствительности.

Итог сухой: если ваш трафик выглядит как синхронный ботнет, TGStat не будет гадать. Он просто посчитает корреляции и вынесет вердикт.