Კრიპტო კაზინო
Torrent Gear
Ანტიფროდი და ანტიბოტი gamification- ში, რომელიც დაფუძნებულია ML- ზე
1) რატომ არის ცალკეული ანტიფროდიული სისტემა გეიმიფიკაციისთვის
Gamification ასტიმულირებს აქტივობას (მისიები, ნიშნები, კოსმეტიკა) და, შესაბამისად, პროვოცირებას ახდენს:- ბოტები (მისიების შესრულების სკრიპტები, ტოქსენის ფერმები/რეიტინგები);
- მულტიკულტურები/კოლუზიები (გუნდური შეფუთვა, ჯილდოების „გადაყლაპვა“);
- ემულატორები/რუთის მოწყობილობები (კლიენტის მანიპულირება);
- მისიების ექსპლოატაცია (ციკლები, სადაც პროგრესი მიმდინარეობს რეალური თამაშის გარეშე).
ანტიფროდუსის მიზნები: პატიოსნების შენარჩუნება, არ გადახურდეს UX, შეინარჩუნოს კონფიდენციალურობა/რეგულირება და შეინარჩუნოს ეკონომიკა პრომო სტაბილური.
2) სიგნალები და ფიჩები (რას ითვლის)
მოწყობილობა და გარემო
კლიენტის მთლიანობის სერტიფიკაცია (მობილური/ვებ), ემულატორის/რუთის ნიშნები, არასტანდარტული WebGL/Canvas პროფილი.
Device fingerprint (PII- ის გარეშე): User-Agent, შრიფტები, გრაფიკა, დაკვრის დრო.
ქცევითი ბიომეტრია
დაწკაპუნების/ტაჩების ტემპი, მრუდების გლუვი, მიკროპაუზიულობა, ტრაექტორიების ცვალებადობა.
„ადამიანური“ ხმაური: კურსორის ტრიალება, სკრილის მიკროდრიფტი, ინტერვალების განაწილება (ლოგორმალურობა).
სათამაშო და მისიონერული ნიმუშები
„იდეალური“ სიგრძის განმეორებითი ციკლები, არანორმალურად სტაბილური ტემპი (უკანა/წთ).
ვიწრო აქტივობის ფანჯრები (მაგალითად, ზუსტად 10 წუთში), მრავალსაფეხურიანი სტუმრების მყისიერი დასრულება.
გრაფიკული სიგნალები და ქსელი
დამთხვევები IP/AS, ზოგადი გადახდის წყაროები (განყოფილებებში), მეგობრობის/მოსაწვევების მტევანი.
ერთობლივი მონაწილეობა ტურნირებში „თამაშთან“ (შედეგების უცნაური კორელაცია).
ეკონომიკა/პრომო
არაპროპორციული მონეტიზაცია მისიებზე ნიშნებით, მკვეთრი დასკვნები ფერმენტის შემდეგ.
RG/კონტექსტი
ულტრაბგერითი სესიები მიკროპაუზის გარეშე (ბოტი ნიშანი), ღამის „კონვეიერები“.
3) სამოდელო დასტის (დაჭერა)
1. ანომალია დეტექტორები:- Isolation Forest, One-Class SVM, Autoencoder ქცევისა და მოწყობილობებისთვის.
- გამოყენება: ადრეული „საეჭვო სკორპინგი“ ეტიკეტის გარეშე „დამნაშავეა“.
- კომუნიკაცია (Louvain/Leiden) + ცენტრალური ნიშნები (betweenness, degree).
- GNN (GraphSAGE/GAT) კვანძების/კიდეების კლასიფიკაციისთვის (კოლუზია, ანგარიშების მეურნეობები).
- Gradient Boosting/Tabular Transformers წარსული გამოძიების ეტიკეტებზე.
- Calibrated probabilities- მა ნდობა მიიღო გადაწყვეტილების მიღებაში.
- User2Vec მოვლენების თანმიმდევრობის შესახებ; მანძილები - bot მტევანი.
- მინიმალური ბარიერის არჩევა (მსუბუქი ჩეკი მკაცრი გადამოწმება) რისკის კონტექსტის ქვეშ.
4) წესების ორკესტრი
იდეა: ML იძლევა risk _ score- ს, პოლიტიკა გადაწყვეტს „რა უნდა გააკეთოს“ ეკონომიკისა და UX- ის გათვალისწინებით.
დონის მაგალითი:- R0 (მწვანე): შეზღუდვების გარეშე; პასიური მონიტორინგი.
- R1 (ყვითელი): რბილი „humanity-chellengi“ (მიკროკონტროლირება), მისიების წვეთი შემცირდა.
- R2 (ნარინჯისფერი): მოწყობილობის შემოწმება, დამატებითი. ტემპის კონტროლი, ტოქსინების ემისიის შემცირება.
- R3 (წითელი): საკამათო მისიებში პროგრესის ბლოკი, სახელმძღვანელო მოდერაცია/ჯილდოს დროებითი გაყინვა.
- R4 (შავი): ban/KUS-review (თუ მარეგულირებელი დასაშვებია და გამართლებულია).
გადასვლის დრაივერები: საერთო რისკი, კოლუზიების გრაფიკული დროშები, საჩივრები, პროვაიდერების სიგნალი.
5) გულწრფელი ბარიერები ხახუნის გარეშე
Invisible checks: ფონის ქცევითი ბიომეტრია, გარემოს სერთიფიკატი.
Humanity-action ნაცვლად coutch: მინი ჟესტი (შემთხვევითი drag-pattern, ექსპრომტი სლაიდერი), დროის ფანჯარა მიკროპაუზებით.
WebAuthn/Passkeys „ძვირადღირებული“ მოქმედებებისთვის: მოწყობილობის/პიროვნების კონსოლიდაცია პაროლის გარეშე.
რეაქტიული ბარიერები: შედის მხოლოდ ანომალიების დროს, ყველას არა.
6) მისიების ანტი-ნიმუშები (როგორ არ მივცეთ „ფარმაცევტს“)
მოთხოვნების ცვალებადობა: მოქმედებების სერია სხვადასხვა პროვაიდერში/დროდადრო/განაკვეთებში.
Culdowns და შინაარსის შეცვლა: თანმიმდევრული ციკლების აკრძალვა.
შემთხვევითი საკონტროლო მოვლენები: მცირე „ადამიანური“ შემოწმება გრძელი მისიის შუაგულში.
პარალელური პროგრესის შეზღუდვა: ისე, რომ ფერმები ერთდროულად არ დახურონ ათობით მისიას.
7) შესაბამისობა, კონფიდენციალურობა, გამჭვირვალობა
Data minimization: მხოლოდ საჭირო ჩიპები, ანონიმური ერთეულების შენახვა.
Explainability: reason-codes სადავო მოქმედებებისთვის (მაგალითად, „არანორმალური სიჩქარე + გრაფიკული მტევანი“).
Appeal პროცესი: გასაჩივრების გასაგები ფორმა; სწრაფი მიმოხილვა.
RG პოლიტიკოსები: დაღლილობის ნიშნით, ჩვენ ამცირებთ დატვირთვას და არა მოთამაშეს „უბიძგებს“.
8) წარმატების მეტრიკა და ეკონომიკის მცველები
Bot/Collusion catch rate (ძირითადი ჯილდოს მიღებამდე გამოვლენილი წილი).
False Positive (ბარიერი <სამიზნე; კალიბრაცია მნიშვნელოვანია).
Lag to Action (დრო ანომალიიდან ზომამდე).
Emission to GGR და Prize ROI: დაცვა იხდის საკუთარ თავს.
Complaint/Appeal rate и Appeal overturn rate.
Impact UX- ზე: მისიების კონვერტაცია, პერსონალიზაცია/opt-out, გულწრფელობა.
9) A/B და ოფლაინ მონიტორინგი
1. ანტისეპტიკური მისიები: ცვალებადობა ძირითადი.
2. Humanity-chek: უხილავი ჟესტი კლასიკური ქუდი.
3. Risk _ score ბარიერი: რბილი/მკაცრი (სხვადასხვა TPR/FPR).
4. გრაფიკული ფილტრები: s/GNN- ის გარეშე, მხოლოდ გრაფიკის წესები.
5. ბარიერების ორკესტრი: სტატიკური vs კონტექსტური ბანდიტი.
10) ფსევდო კოდი (მორიელი, პოლიტიკა, მოქმედება)
python def score_request(user, event):
x = build _ features (user, event) # მოწყობილობა, ქცევა, გრაფიკული ნიშნები r _ unsup = oc _ svm. score (x) # ანომალიურობა r _ sup = gbdt. predict _ proba (x) [:, 1] # frode r _ graph = gnn _ node _ prob (user. node _ id) # გრაფიკული რისკი risk = calibrate (r _ unsup, r _ sup, r _ graph) # იზოტროპული კალიბრაცია return risk
def decide_action(risk, context):
კონტექსტი: მოქმედების მნიშვნელობა, ჯილდოს ღირებულება, UX ფაქტორი if risk <0. 25: return "ALLOW"
if risk < 0. 45: return "SOFT_CHECK" # humanity-gesture, micro-pause if risk < 0. 65: return "DEVICE_ATTEST" # integrity + сниж. მისიის წვეთი if risk <0. 85: return „HOLD _ REWARDS“ # გაყინვა რეპროდუქციამდე „BAN _ OR _ REVIEW“
def enforce(action, user):
მინიმალური აუცილებელი ბარიერი if action = = „SOFT _ CHECK“: trigger _ humanity _ challenge (მომხმარებელი)
elif action == "DEVICE_ATTEST": run_integrity_attestation(user. device)
elif action == "HOLD_REWARDS": freeze_rewards(user, duration="72h")
elif action == "BAN_OR_REVIEW": open_case_to_fraud_ops(user)11) JSON შაბლონები (წესები და ჟურნალი)
რისკის დონის პოლიტიკა:json
{
"policy_id": "anti_fraud_s1", "tiers": [
{"name":"R0","risk_lt":0. 25,"action":"allow"}, {"name":"R1","risk_lt":0. 45,"action":"soft_check"}, {"name":"R2","risk_lt":0. 65,"action":"device_attest_and_cap"}, {"name":"R3","risk_lt":0. 85,"action":"hold_rewards_review"}, {"name":"R4","risk_gte":0. 85,"action":"ban_or_kyc_review"}
], "caps": {"missions_per_day_r2": 2, "token_emission_multiplier_r2": 0. 5}, "appeal": {"enabled": true, "sla_hours": 48}
}json
{
"decision_id":"dec_2025_10_24_1415", "user_id":"u_45219", "risk_components":{"unsup":0. 38,"sup":0. 41,"graph":0. 57}, "final_risk":0. 51, "action":"device_attest_and_cap", "reasons":["abnormal_click_tempo","graph_cluster_c17"], "expires_at":"2025-10-27T14:15:00Z"
}12) რეაგირებისა და გამრავლების პროცესი
რეალურ დროში მონიტორინგი: დაშბორდები რისკების ზრდაზე, გრაფიკული კომპონენტები.
ინციდენტის Runbook:1. ანომალიის დეტალი (2) სადავო ჯილდოების ემისიის/გაყინვის შემცირება (3) ლოგების/გრაფიკების ნიმუში (4) წესების/მოდელების პატჩი (5) რეტრო გადაანგარიშებს სამართლიან ჯილდოებს.
Red Team/მიწისქვეშა ლაბორატორია: ბოტების სიმულაცია (შეფუთვა, რანდომიზაცია), შეტევები მოდელზე (adversarial examples).
კანარის გამოშვებები: ჩვენ ვატარებთ ახალ ბარიერებს 5-10% ტრაფიკზე.
13) UX და კომუნიკაციები
ნეიტრალური, პატივცემული ტონი: „არასტანდარტული მოქმედებები შენიშნეს - დაადასტურეთ, რომ ადამიანი ხართ (30 წამი)“.
ვარიანტები: „მოგვიანებით გაიმეოროთ“, „დაუკავშირდით მხარდაჭერას“, „გასაჩივრება“.
ხელმისაწვდომობა: ალტერნატივა ძრავის/მხედველობის შეზღუდვის მქონე ადამიანებისთვის.
გამჭვირვალობა: გვერდი „როგორ ვიცავთ პატიოსნებას“ ზოგადი პრინციპებით (ბოროტად გამოყენების რეცეპტების გარეშე).
14) ტექნიკური არქიტექტურა (მოკლედ)
მოვლენების კრებული: Kafka/Redpanda, სქემები 'mission _ progress', 'input _ stream', 'device _ attest'.
Fichestor: ონლაინ (ms ლატენტობა) + ოფლაინი (ბრძოლები 1-6 საათი).
ML სერვისები: 'risk-scorer', 'graph-service', 'policy ძრავა'.
მტკიცებულების შენახვა: უცვლელი ლოგოები (WORM), დაშიფვრა მარტო და არხში.
Securnation: RNG secural securites სერვერზე; კლიენტი მხოლოდ ვიზუალიზაციაა.
15) ჩეკის სია გამოქვეყნებამდე
- ალბათობის კალიბრატები (Platt/Isotonic), FPR სამიზნე დერეფანში.
- დაკავშირებულია გრაფიკული სიგნალები და კორელაციის ჯვარედინი მოწყობილობა.
- ბარიერების ორკესტრი მორგებულია (მინიმალური ხახუნის დაბალი რისკის პირობებში).
- ინტეგრირებულია RG გვარდიები და საჩივრები; ლოგის აუდიტი და reason-codes.
- კონფიდენციალურობისა და მონაცემთა შენახვის პოლიტიკა შეესაბამება მარეგულირებელ მოთხოვნებს.
- კანარელები, ალერტები და რუნბოკი გამოჯანმრთელებულია.
Gamification- ში ანტიფროდი/ანტიბოტი არის ML + გრაფიკის + გულწრფელი ბარიერების ფენა, რომელიც შედის ზუსტად იქ, სადაც საჭიროა. ქცევითი ბიომეტრია და ანომალია-დეტაჟი იძლევა ადრეულ სიგნალს, გრაფიკული ანალიტიკა ავლენს კოლუზიას, ორკესტრი ირჩევს მინიმალურ საკმარის აუდიტს. გამჭვირვალეობის, კონფიდენციალურობისა და UX- ის მიმართ პატივისცემით, სისტემა ინარჩუნებს კონკურენციის პატიოსნებას, იცავს ჯილდოს ეკონომიკას და არ აქცევს პროდუქტს „დაბრკოლების ზონად“ კეთილსინდისიერი მოთამაშეებისთვის.