Как Telegram режет спам и накрутку: эволюция фильтров без иллюзий

Как Telegram режет спам и накрутку: эволюция фильтров без иллюзий

Давайте снимем розовые очки и посмотрим на сырые логи. Три года назад фильтры чаще били по очевидной механике: массовый инвайт, одинаковые тексты, резкие всплески подписок. Сейчас у Telegram логика тоньше: он смотрит на связку графа, таймингов и поведенческих хвостов, а не на один «грязный» сигнал. Один и тот же пул аккаунтов может пройти в одном сценарии и умереть в другом — из-за фингерпринта, гео-распределения и скорости действий.

Ключевой сдвиг: от сигнатур к аномалиям. Раньше ломались шаблоны сообщений и однотипные user-agent’ы. Теперь важнее, как аккаунт живёт в сети: частота переключения чатов, глубина просмотра, паузы между действиями, доля исходящих vs входящих. Если ретеншн у живого трафика не совпадает с вашей воронкой, TGStat всё видит, но дьявол, как всегда, кроется в таймингах.

Что ломает качество быстрее всего:
— одинаковые окна активности у десятков аккаунтов;
— синхронные входы через один прокси-контур;
— слишком ровная конверсия без естественного шума;
— повторяемые паттерны реакций, репостов и кликов.

Алгоритмы пишут люди, а значит, у любой защиты есть свой порог чувствительности. Обходить его грубой массой уже бессмысленно: система быстрее учится на повторяющемся мусоре, чем вы успеваете докручивать шаблоны. Рабочая схема одна — разносить источники, дробить поведение, проверять нагрузку на каждом этапе и смотреть не на «подписки», а на удержание и глубину вовлечения.

Если коротко: Telegram давно перестал быть детектором «плохого текста». Он стал детектором неестественной инфраструктуры. Хотите жить дольше — проектируйте трафик как сеть живых узлов, а не как конвейер кликов.