PORTcore
+7 900 228-04-13

Создание ANTIFRAUD TRACKER для ограничения доступа ботов к офферу

Антифрод как расследование

Блокировка — последнее действие в длинной цепочке наблюдений.

Оффер получал посещения, но часть потока искажала воронку и создавала нагрузку. Моя задача состояла в том, чтобы связать подозрение с объяснимой причиной ограничения. В этом кейсе удобнее идти за одним визитом: от собранных событий к профилю риска, а затем — к решению, которое администратор может пересмотреть.

Создание ANTIFRAUD TRACKER для ограничения доступа ботов к офферу — Антифрод как расследование — иллюстрация PORTcore, portcore.ru
Блокировка — последнее действие в длинной цепочке наблюдений. Концептуальная иллюстрация · portcore.ru.

Досье визита: от наблюдения к решению

Я начал с точек входа и сигналов, которые можно собрать вокруг визита. Важна была связь между событием и последующим решением: администратор должен понимать, почему конкретный запрос оказался подозрительным. Поэтому фундаментом стал event tracking, а не непрозрачный список запрещённых посетителей. Событийная модель позволила перейти от отдельных наблюдений к профилю риска.

Технические и поведенческие признаки агрегировались, после чего rules engine сопоставлял их с порогами. У такой конструкции есть практический смысл: один странный признак не обязан означать автоматическое ограничение. В исходной задаче отдельно стоял риск массовых ложных блокировок, поэтому рядом с автоматикой появился контур ручной валидации и исключений.

Сигналы сходятся в профиль визита — Когда визит ещё не означает интерес — portcore.ru
Сигналы сходятся в профиль визита. Схема устройства решения.

Правило можно калибровать

Разработка двигалась через логирование, сегментацию, внедрение правил и отчётность. Такой порядок давал материал для калибровки: сначала увидеть паттерн, затем описать его условием и проверить решение на потоке. В административной части причины ограничений стали предметом анализа. Это отличает систему от набора фильтров, смысл которых остаётся только в голове разработчика.

PHP и MySQL использовались для серверного контура, хранения событий и административных сценариев. Rules engine отделял принятие решения от представления отчётов. Благодаря этому новые паттерны обхода можно было разбирать на языке сигналов и правил, а спорные случаи — возвращать на ручную проверку.

Решение допускает пересмотр — Когда визит ещё не означает интерес — portcore.ru
Решение допускает пересмотр. Схема устройства решения.

Что получил владелец оффера

После внедрения подозрительный визит перестал быть только строкой в отчёте о посещаемости. У него появились связанные события, профиль риска и причина ограничения. Команда получила более чистый поток и более точную аналитику; ручная реакция на инциденты сократилась. При этом спорный случай оставался доступным для разбора, а исключение — для управляемого изменения.

Для владельца оффера это изменило предмет обсуждения. Можно разбирать конкретное правило и наблюдаемый паттерн, вместо того чтобы отвечать на проблему общим ужесточением доступа. Сбор сигналов, rules engine и административные сценарии работают здесь вместе: защита потока сохраняет возможность объяснить решение и адаптировать его при появлении новых способов обхода.

  • Снижение доли подозрительных визитов.
  • Повышение точности аналитики.
  • Сокращение ручной реакции на инциденты.
  • Управляемые ограничения доступа без массовых ложных блокировок.
  • Сбор и нормализация anti-fraud сигналов.
  • Скоринг и rules engine.
  • Ограничение доступа к офферу.
  • Административный интерфейс и отчётность.
Моя работа
Архитектура, backend, аналитика, anti-abuse логика
Технологии
PHP, MySQL, event tracking, rules engine, admin workflows

Когда я подключился к проекту "Создание ANTIFRAUD TRACKER для ограничения доступа ботов к офферу", картина была типичной для перегруженных систем: локальные решения уже существовали, но между бизнес-целью и техническим исполнением не было общей модели. Это приводило к повторяющимся инцидентам и росту ручной операционки.

Я отдельно разложил проблему на управляемые слои: входящие данные, правила обработки, точки принятия решений и контроль качества после релиза. Такой подход быстро показал, где именно теряется эффективность и почему прежние попытки стабилизации давали только краткосрочный эффект.

Вместо точечного "ремонта" я собрал последовательный сценарий внедрения: сначала зафиксировал критерии приемки, затем реализовал минимальное рабочее ядро и только после стабилизации перешел к расширению охвата. За счет этого команда получала измеримый прогресс на каждом этапе.

Особое внимание уделил эксплуатационному контуру: кто отвечает за качество, как фиксируются отклонения, где проходит граница между автоматикой и ручной валидацией. Именно этот слой сделал решение повторяемым и пригодным для масштабирования.

Архитектурно я опирался на принцип "сначала наблюдаемость, потом усложнение логики". Это позволило видеть влияние изменений в реальном времени и не терять управляемость при росте нагрузки.

Технологический стек (PHP, MySQL, event tracking, rules engine, admin workflows) использовался не как самоцель, а как средство контролируемой эволюции: каждое решение оценивалось по влиянию на скорость изменений, стабильность и стоимость сопровождения.

На уровне бизнеса это дало не только локальное улучшение метрик, но и понятную модель развития: стало ясно, какие действия действительно двигают проект, а какие создают шум. Команда начала принимать решения быстрее и с меньшим риском регрессий.

Я фиксировал результат в формате "до/после" и привязывал изменения к практическим KPI, чтобы у руководителя была прозрачная связь между инженерными шагами и коммерческим эффектом.

Разобрать качество входящего трафика

Расскажите, где возникает подозрительный поток и как сейчас принимается решение об ограничении. Обсудим сигналы, правила и место ручной проверки.