Обнаружение ботов в рекламном трафике: трёхуровневая архитектура защиты

Обнаружение ботов в рекламном трафике: трёхуровневая архитектура защитыchaanli

Если вы арбитражник или медиабаер, вы знаете — боты сжирают бюджет. IP-блеклисты уже не работают. Вот...

Если вы арбитражник или медиабаер, вы знаете — боты сжирают бюджет. IP-блеклисты уже не работают. Вот что реально помогает в 2026 году.

Почему IP-блеклисты мертвы

Резидентные прокси-сети имеют 50+ миллионов IP-адресов. Боты меняют IP каждые несколько минут. К моменту блокировки IP бот уже на новом адресе.

Трёхуровневая архитектура

Уровень 1: IP-репутация

Не бинарные блеклисты, а скоринг от 0 до 100:

class IPReputation:
    def score(self, ip):
        factors = {
            'asn_type': self.check_asn(ip),        # дата-центр vs резидент
            'geo_consistency': self.check_geo(ip),   # география совпадает?
            'frequency': self.check_frequency(ip),   # частота запросов
            'proxy_signature': self.check_proxy(ip)  # сигнатуры прокси
        }
        return self.aggregate(factors)  # 0-100
Enter fullscreen mode Exit fullscreen mode

Уровень 2: Фингерпринт браузера

Canvas, WebGL, AudioContext — боты не могут подделать всё идеально:

class BrowserFingerprint:
    def analyze(self, fp_data):
        signals = [
            self.canvas_check(fp_data.canvas),
            self.webgl_check(fp_data.webgl),
            self.audio_check(fp_data.audio),
            self.navigator_check(fp_data.navigator)
        ]
        return sum(signals) / len(signals)
Enter fullscreen mode Exit fullscreen mode

Уровень 3: Поведенческий анализ

Мышь, скролл, клики — ML-модели определяют ботов с точностью 97%+.

Результаты

  • Снижение фрода на 40-60%
  • ROAS x3
  • Блокировки аккаунтов -80%

Ресурсы

Перестаньте гоняться за IP. Анализируйте паттерны.