Telegram の偽ユーザーは最近、本物の人間に似てきており、従来のロボット フィルタリング ロジックは失敗しています

存在するTelegram ユーザーのスクリーニングでは、偽のユーザーを以前ほど簡単に特定できなくなっているという変化がますます明らかになってきています。これまで、多くのチームは、アバターの有無、情報が完全かどうか、動作が異常かどうかのチェックなど、単純なロボットのフィルタリング ロジックに依存していました。これらの方法は確かに一定期間は効果がありました。しかし今では、本物の行動をシミュレートする偽ユーザーが増えています。彼らのプロフィールは完全に見え、アバターは正常で、場合によってはアクティブ ユーザーのように振る舞うことさえあります。これにより、従来のフィルタリング ロジックの有効性が徐々に失われます。

審査段階が古い方法のままであれば、このような偽のユーザーを本物のユーザーとみなしてデータプールに入れるのは簡単です。電報トラフィックの排水やコミュニティ運用では、データ量が多く変換が不安定であるという問題があります。これが、テレグラムの偽のユーザー識別が最近、単一の判断から多次元の組み合わせの判断に移行し始めている理由です。

なぜTelegram の偽ユーザーを特定するのは最近では困難になっています

本質的には偽のユーザー「進化した」。これまで、偽アカウントの多くは単純な構造、不完全な情報、単一の動作を持っていましたが、基本的なルールによって簡単に除外されていました。しかし現在、多くの偽ユーザーが、アバターの追加、情報の入力、基本的なアクティブ ステータスの維持など、実際のユーザーの構造をシミュレートし始めています。これらの動作により、表面的には実際のユーザーに近づくことができます。

この変更の直接的な結果は、従来のスクリーニング ロジックのヒット率が低下することです。以前は、一連のルールによってほとんどの異常なアカウントを除外できましたが、現在は同じルールの下で、より多くの偽ユーザーがネットをすり抜けてしまいます。

したがって、問題はスクリーニング ツールにあるのではなく、スクリーニング ロジックが変更されていないという事実にあります。

従来のロボット フィルタリング ロジックの主な失敗は何ですか?

最初の失敗点は、単一のラベルに過度に依存していることです。例えば、アバターだけを見るとか、情報の充実度だけを見るとか。このようなラベルは現在では簡単に偽造されてしまいます。

2 番目の問題は、行動層を無視していることです。古いロジックの多くは静的な情報だけを調べ、ユーザーの行動は見ていません。現在、偽のユーザーは静的な情報の点で本物のユーザーに非常に近いものになっています。

第三の問題は、多次元の組み合わせが存在しないことである。以前は 1 点で判断できましたが、現在はアクティブなステータス、異常な動作、ア​​カウント構造を組み合わせないと真と偽を区別することが困難です。

したがって、元の方法がまったく役に立たないというわけではありませんが、これらの方法を使用するだけでは十分ではなくなります。

偽のユーザーは本物の人間のように見えますが、偽のユーザーに混入する可能性が最も高いのはどのデータ シナリオですか?

最も可能性の高い問題は、データのバッチ インポート シナリオです。たとえば、次のようにしますTelegram が番号をバッチでスクリーニングし、コミュニティから新しいメンバーを募集し、ユーザー プールを拡大する場合、基本的な番号検出のみを実行する場合、偽のユーザーをまとめてインポートするのは簡単です。

第 2 に、アクティブ ユーザーをスクリーニングする場合、一部の偽ユーザーがシミュレートされた動作を通じてアクティブ ユーザーの範囲に入り、その後のリーチ効果に直接影響します。

もう1つはコミュニティ運営シナリオです。グループメンバーの数は普通のようですが、交流はできません。これは多くの場合、偽ユーザーの割合が高いことが原因です。

これらのシナリオに共通するのは、データの量が多く、フィルター処理が十分に詳細ではないことです。

今すぐやってくださいTelegramの偽ユーザーフィルタリング、どのような判断要素を追加する必要がありますか?

1 つ目はアクティブ ステータスですが、アクティブかどうかだけを確認するだけでなく、次のような時間枠と組み合わせることもできます。3 日間のアクティブと 7 日間のアクティブは個別に判定されます。

次に異常行動ラベルです。このレイヤーはますます重要になってきており、通常の使用ロジックに従わないアカウントを識別するために使用されます。

もう 1 つはデータ構造ですが、これは単独では使用できず、補助的な判断として使用されます。

リスクアカウントの識別もあり、問題のある可能性のあるデータをさらにフィルタリングできます。

これらの次元を組み合わせることで、単一点のラベルに依存するのではなく、実際のユーザー識別に近づくことができます。

アクティブな検出、異常な動作、データの整合性と連携する方法

より安定した方法は、最初に基本的な検出を実行し、次に異常フィルタリングを実行し、次にアクティブなユーザーをスクリーニングし、最後にデータの完全性を使用して補助的な判断を行うことです。

最初に情報を見て次にアクティビティを見るなど、順序が逆の場合は、偽のユーザー構造に誤解されやすくなります。

このため、スクリーニング プロセスでは、単にタグの数を増やすことよりも順序を重視するようになりました。

順序が間違っているため、いくらタグを追加しても無効になる可能性があります。

Digital Planet が本物のユーザーと偽のユーザーをより詳細に特定するのにどのように役立つか

現段階では、多くのチームが Digital Planet を使用して、電報アカウント検出、アクティブユーザースクリーニング、異常アカウントフィルタリング、多次元組み合わせ判定。 Digital Planet は、アクティブなステータス、異常な動作、およびデータ構造の次元を組み合わせてフィルタリングできる無料試用版の画面番号検出をサポートしています。これは、単一ラベルの判断よりも現在の偽のユーザー環境に適しています。

この方法の価値は、もう 1 つのスクリーニング ステップにあるのではなく、本物のユーザーと偽のユーザーを分離して、その後のトラフィックの迂回と連絡がよりクリーンなデータに基づいて行われるようにすることにあります。

デジタルプラネット は、以下を組み合わせた世界有数の番号スクリーニング プラットフォームです。 グローバル携帯電話番号セグメントの選択、番号生成、重複排除、比較およびその他の機能 。世界中の顧客をサポートします236 か国のバッチ番号スクリーニングおよび検査サービス 、現在サポートしています40 以上のソーシャルアプリと次のようなアプリ:

whatsapp/line、twitter、facebook、Instagram、LinkedIn、Viber、zalo、binance、シグナル、skype、DISCORD、Amazon、Microsoft、Truemoney、Snapchat、kakao、Wish、GoogleVoice、Botim、MoMo、TikTok、GCash、Fantuan、Airbnb、Cash、VKontakte、Band、Mint、Paytm、VNPay、Moj、DHL、Okx、 MasterCard、ICICBank、Byb Wait。

プラットフォームには次のようないくつかの機能があります。 オープンフィルタリング、アクティブフィルタリング、インタラクティブフィルタリング、性別フィルタリング、アバターフィルタリング、年齢フィルタリング、オンラインフィルタリング、精密フィルタリング、期間フィルタリング、パワーオンフィルタリング、空番号フィルタリング、携帯電話デバイスフィルタリング 待って。

プラットフォームが提供する セルフスクリーニングモード、生成スクリーニングモード、ファインスクリーニングモード、カスタマイズモード 、さまざまなユーザーのニーズを満たすために。

その利点は、世界中の主要なソーシャル ネットワーキングとアプリケーションを統合し、ワンストップでリアルタイムかつ効率的な番号審査サービスを提供し、グローバルなデジタル開発の実現を支援することにあります。

公式チャンネルから見ることができますt.me/xingqiupro 公式 Web サイトを通じて詳細情報を入手し、事業担当者の身元を確認してください。公務電報：@xq966

(親切なヒント:存在するTelegram の公式カスタマー サービス番号を検索するときは、必ずユーザー名を探してくださいxq966）、公式 Web サイトの担当者を通じて確認することもできます。 https://www.xingqiu.pro/check.html , ビジネス上の連絡先が Planet の関係者であるかどうかを確認してください