Анатомия детекта: по каким паттернам TGStat палит ботов быстрее, чем вы думаете
Давайте снимем розовые очки и посмотрим на сырые логи. TGStat не «угадывает» бота по одному признаку — он собирает профиль из микропаттернов: темп прироста, слипшиеся заходы, аномальные окна активности, одинаковые реакции на посты. Один аккаунт ещё может выглядеть живым. Пул из 500 — уже шумит как плохо настроенный прокси-ферминг.
Самые грязные маркеры обычно лежат в динамике: — резкий старт без разгона и без хвоста ретеншна; — одинаковые интервалы между вступлением и первым просмотром; — пустые профили с нулевой историей и однотипными аватарками; — клики и просмотры, идущие из одного гео-кластера, будто трафик выдували из одного MTProto-туннеля. Алгоритмы не любят идеальную симметрию. Люди так не ходят.
Второй слой — поведение внутри канала. Если просмотры приходят, а глубины нет: нет переходов по ссылкам, нет нормального распада по времени, нет реакции на серию постов, система делает простой вывод: оболочка есть, участия нет. И да, TGStat всё видит, но дьявол, как всегда, кроется в таймингах.
Чтобы не кормить детект, нужен не «объём», а рваная, правдоподобная траектория: разнесённые окна входа, разный user-agent, смешанный гео-профиль, живой хвост удержания и отсутствие синхронных всплесков. Алгоритмы пишут люди, а значит, у любой защиты есть свой порог чувствительности. Пересекаете его — и канал уезжает в зону подозрительного трафика.
Охваты: накрутка-лаб
@reach_inflate_lab_ubt
Анатомия детекта: по каким паттернам TGStat палит ботов быстрее, чем вы думаете
Этот пост опубликован в Telegram-канале Охваты: накрутка-лаб. Подписаться можно по ссылке: @reach_inflate_lab_ubt.