Behavioral Biometrics: когда антифрод смотрит не на браузер, а на траекторию рук и пауз

Behavioral Biometrics: когда антифрод смотрит не на браузер, а на траекторию рук и пауз

Поведенческий анализ — это не про «узнал устройство», а про микродинамику: скорость набора, ритм кликов, длину пауз, амплитуду скролла, последовательность фокуса полей. Разберем энтропию данного параметра: одиночный признак почти бесполезен, но набор временных рядов дает устойчивый профиль, который трудно имитировать без артефактов.

Типовые сигналы, которые агрегирует антифрод:
— dwell time и inter-key delay;
— движение курсора: jerk, acceleration, path curvature;
— паттерны touch/scroll, включая inertial scrolling;
— ошибки ввода, backspace density, порядок действий в форме.

Под капотом это обычно сравнение с базовой моделью поведения и оценка отклонения: слишком ровные интервалы выглядят как синтетика, слишком хаотичные — как бот с плохой эмуляцией. Детект на уровне сетевого стека здесь дополняется таймингами UI: если TLS Client Hello и отпечаток браузера согласованы, но моторика «не человеческая», корреляция ломается.

Спуфинг через инъекцию JS-кода возможен лишь частично: можно подменить события, но сложнее воспроизвести естественные вариации, дрожание курсора и неповторимый темп работы в длинной сессии. Именно поэтому хорошие системы смотрят не на один экран, а на временную историю — от первого фокуса до последнего submit.

Практический вывод: если нужно снизить риск ложных срабатываний в легитимных сценариях, держите поведение стабильным, не перескакивайте между экстремально разными темпами ввода и проверяйте, какие события реально пишутся в логах, а какие только рисуются в интерфейсе.