Эволюция фильтров Telegram: как спам и накрутку начали ловить не по объёму, а по паттернам

Эволюция фильтров Telegram: как спам и накрутку начали ловить не по объёму, а по паттернам

Давайте снимем розовые очки и посмотрим на сырые логи: Telegram давно ушёл от грубой проверки «много действий = бан». Теперь фильтры считают не только объём, но и форму трафика — тайминги, повторяемость, связность IP/ASN, совпадение фингерпринтов, поведенческие паузы. Массовый залив с одинаковым сценарием стал палиться быстрее, чем сам канал успевает увидеть прирост.

Ключевой сдвиг — от статических правил к вероятностной модели. Раньше можно было жить на прокси-пуле и ротации аккаунтов, если нагрузка была размазана. Сейчас детект смотрит на кластеры: одинаковые юзер-агенты, синхронные входы, однотипные клики, слишком ровный CTR, отсутствие естественного ретеншна. Алгоритмы пишут люди, а значит, у любой защиты есть свой порог чувствительности.

Что обычно палит связку:
— один и тот же MTProto-прокси на пачку аккаунтов;
— чисто механическая гео-распределёнка без бытового шума;
— «идеальные» сессии без ошибок, пауз и разнородности;
— всплески подписок без последующего удержания и дочитываний.

Сырой вывод простой: фильтры научились смотреть не на событие, а на жизненный цикл аккаунта и канала. Поэтому выигрывает не тот, кто льёт больше, а тот, кто делает трафик похожим на человеческий по частоте, маршрутизации и послеследию в аналитике. TGStat всё видит, но дьявол, как всегда, кроется в таймингах.