К плану
Урок

Методы сбора и анализа поведенческих данных

Мы уже изучили, как формируется цифровой отпечаток устройства для идентификации «железа» и программной среды. Однако современные мошенники обходят эти проверки с помощью антидетект-браузеров и мобильных ферм. Если технические параметры системы можно подменить, то индивидуальный «почерк» взаимодействия с интерфейсом скрыть гораздо сложнее.

На этом этапе мы научимся собирать и интерпретировать поведенческие данные. Это сигналы, которые генерирует человек или алгоритм во время навигации по сайту или приложению.

Как фиксируются действия пользователя

Данные собираются на стороне фронтенда через JavaScript-события. Каждое движение для аналитика — это не просто факт действия, а массив координат (x,y)(x, y) и временных меток (t)(t) с точностью до миллисекунд.

Основные источники:

  • События мыши (Mouse Events): mousemove (движение), mousedown/mouseup (нажатие и отпускание кнопки).
  • События клавиатуры (Keyboard Events): keydown (клавиша нажата), keyup (клавиша отпущена).
  • События сенсора (Touch Events): touchstart, touchend и данные акселерометра для смартфонов.

Сравнение 1 наглядно демонстрирует разницу в структуре данных между реальным человеком и простейшим скриптом автоматизации.

Анализ кликов и навигационные паттерны

Анализ кликов (Clickstream analysis) восстанавливает последовательность действий. Мы оцениваем не только точки нажатия, но и логику переходов.

Реальный пользователь ведет себя нелинейно: скроллит страницу, возвращается к описанию, изучает иконки. Мошеннический скрипт обычно движется к цели кратчайшим путем, игнорируя лишние элементы интерфейса.

Динамика ввода и временные метрики

Время ввода (Keystroke dynamics) — один из самых надежных индикаторов. Мы измеряем ритмику печати по двум параметрам:

  1. Dwell Time: время удержания клавиши в нажатом состоянии.
  2. Flight Time: интервал между отпусканием одной клавиши и нажатием следующей.

Человек печатает неравномерно: паузы внутри слова короче, чем между словами или перед спецсимволами. Скрипты выдают либо идеально равные промежутки, либо мгновенно «вбрасывают» текст из буфера обмена.

Лог ввода e-mail в форму регистрации

Вариант А (Человек):

  • i (нажатие) -> 80мс -> i (отпускание)
  • пауза 120мс
  • v (нажатие) -> 75мс -> v (отпускание)
  • пауза 350мс (пользователь ищет символ @)

Вариант Б (Скрипт/Автозаполнение):

  • Текст ivan@example.com появляется за 2мс. События keydown для каждой буквы отсутствуют или происходят одновременно.

Специфика мобильных устройств

При анализе мобильного трафика критически важны датчики. Рука человека всегда совершает микро-колебания, которые фиксируют гироскоп и акселерометр 📱 Если при транзакции показатели датчиков статичны (равны нулю или константе), вероятно, работает эмулятор или устройство жестко закреплено на стеллаже фермы.

Проанализируйте фрагмент лога сессии. Какие признаки указывают на автоматизацию?

  1. Координаты кликов по кнопке «Купить» совпадают до пикселя: (450, 120) во всех сессиях.
  2. Интервал между загрузкой страницы и нажатием кнопки всегда составляет ровно 1.000 секунды.
  3. Между кликами на разные элементы меню отсутствуют события mousemove.

Сбор данных — это фундамент. Мы научились фиксировать «цифровой почерк», но теперь нужно выделить злоумышленников среди миллионов легитимных сессий. В следующей теме мы перейдем к методам выявления аномалий на основе поведенческих паттернов и разберем, как превратить логи в сигналы антифрод-системы.

Сохраните прогресс в Telegram.Продолжить в Telegram