Как Telegram научился душить накрутку: эволюция фильтров без иллюзий

Как Telegram научился душить накрутку: эволюция фильтров без иллюзий

Давайте снимем розовые очки и посмотрим на сырые логи. За последние три года антиспам в Telegram ушёл от грубой резки по объёму к анализу связности: аккаунт, чат, гео, тайминг, паттерн кликов. Раньше палились массовые входы и одинаковые сообщения; теперь триггерят ещё и синтетические сетки, где у аккаунтов слишком ровный поведенческий граф.

Ключевой сдвиг: фильтры стали смотреть не на один сигнал, а на их комбинацию. Подозрительны пузыри с одинаковыми MTProto-прокси, короткими сессиями, однотипными юзер-агентами и одинаковой скоростью реакции. Алгоритмы пишут люди, а значит, у любой защиты есть свой порог чувствительности: если нагрузка слишком ровная, её считают не естественной, а собранной.

Для практики это значит три вещи:
— не смешивать пулы аккаунтов с разными отпечатками в один сценарий;
— держать естественный разброс по таймингам, гео и глубине прогрева;
— отдельно проверять ретеншн: мёртвые входы и быстрые отвалившиеся сессии сдают сетку быстрее, чем любой кривой креатив.

TGStat всё видит, но дьявол, как всегда, кроется в таймингах. Система всё лучше различает органику и имитацию через скорость роста, повторяемость касаний и профиль источников. Поэтому тупая заливка ради красивой цифры только ускоряет детект: фильтр учится на шаблонах, а шаблон — это то, что вы повторили слишком много раз.

Вывод простой: выживает не самый громкий трафик, а тот, у которого есть естественная вариативность и внятная аналитика.