<b>Анатомия детекта: по каким паттернам TGStat вычисляет ботов без магии и мифов</b>

<b>Анатомия детекта: по каким паттернам TGStat вычисляет ботов без магии и мифов</b>

Давайте снимем розовые очки и посмотрим на сырые логи. TGStat не ищет «бота» по одному признаку — он собирает пачку слабых сигналов и считает, где вероятность искусственного трафика уже неприличная.

Основные маркеры простые: — всплеск подписок без коррелирующих просмотров; — короткий lifetime аккаунтов в пуле; — однотипные тайминги входа; — гео, которое не бьётся с темой канала и сеткой источников; — повторяющиеся фингерпринты устройств и юзер-агенты. Один такой след терпим. Пять сразу — и алгоритм уже не делает вид, что ничего не заметил.

Дальше включается поведенческая математика: ретеншн, глубина просмотров, скорость реакции на посты, доля «мертвых» подписчиков в окне. Если аккаунты заходят через одинаковые MTProto-прокси, с одинаковой паузой и одинаковым паттерном подписки, это не «естественный рост», а очень ленивый пул.

Алгоритмы пишут люди, а значит, у любой защиты есть свой порог чувствительности. Самая частая ошибка — пытаться имитировать шум, не меняя логику распределения: без нормального разброса по времени, устройствам и источникам вся конструкция светится как новогодняя гирлянда. TGStat всё видит, но дьявол, как всегда, кроется в таймингах.

Если нужен живучий трафик, думайте не про маску, а про профиль распределения: источники, задержки, гео и жизненный цикл аккаунта должны выглядеть как сеть, а не как партия одноразовых регистраций.