چگونه از حفاظت ML Facebook Ads، Google و TikTok عبور کنیم: روش های مبارزه با سیستم های ضد ربات 2025
آیا روز بعد از راه اندازی، حساب تبلیغاتی Facebook شما مسدود شد؟ آیا 10 حساب Instagram به طور همزمان مسدود شدند؟ آیا پارسر دیگر داده ها را از بازار آنلاین جمع آوری نمی کند؟ دلیل یکی است - پلتفرم های مدرن از یادگیری ماشین (ML) برای شناسایی خودکار فعالیت مشکوک استفاده می کنند. در این مقاله بررسی می کنیم که سیستم های ضد ربات ML چگونه کار می کنند و کدام روش ها واقعاً در سال 2025 به دور زدن حفاظت کمک می کنند.
این مقاله برای داوران، متخصصان SMM، فروشندگان بازارهای آنلاین و همه کسانی است که با حساب های چندگانه یا اتوماسیون کار می کنند. هیچ نظری وجود ندارد - فقط روش های عملی با مثال هایی از تنظیمات در ابزارهای محبوب.
چگونه سیستم های ضد ربات ML کار می کنند: چه چیزی را Facebook و Google می بینند
سیستم های ضد ربات مدرن فقط قواعد ساده ای مانند "مسدود کردن اگر 100 درخواست در دقیقه" نیستند. اینها شبکه های عصبی هستند که بر اساس میلیون ها نمونه از رفتار واقعی و رباتی آموزش دیده اند. Facebook، Google، TikTok، Wildberries - همه پلتفرم های بزرگ از یادگیری ماشین برای حفاظت استفاده می کنند.
اصل کار حفاظت ML: سیستم صدها پارامتر را درباره هر کاربر جمع آوری می کند و "امتیاز مشکوک بودن" را از 0 تا 100 محاسبه می کند. اگر امتیاز از آستانه فراتر رود - مسدود شدن یا بررسی اضافی (کپچا، تأیید شماره تلفن، مسدود شدن حساب) فعال می شود.
مثال از عمل: یک داور 20 حساب Facebook Ads را از طریق Dolphin Anty با پروکسی های مختلف ایجاد کرد. پس از 3 روز، همه حساب ها به طور همزمان مسدود شدند. دلیل این بود که سیستم ML الگوی مشابهی از فعالیت را شناسایی کرد: همه حساب ها در یک زمان ایجاد شدند، از یک توالی مشابه تنظیمات تبلیغاتی استفاده کردند و در یک ساعت وارد شدند. IP های مختلف کمک نکردند - الگوی رفتاری یکسان بود.
چه داده هایی توسط سیستم های ML جمع آوری می شوند
مدل های ML سه دسته اصلی از داده ها را تجزیه و تحلیل می کنند:
| دسته داده ها | چه چیزی ردیابی می شود | چگونه ML استفاده می شود |
|---|---|---|
| پارامترهای فنی | آدرس IP، User-Agent، وضوح صفحه، اثر انگشت Canvas، WebGL، فونت ها، منطقه زمانی، زبان مرورگر، پلاگین ها | ایجاد یک اثر انگشت دیجیتال منحصر به فرد برای پیوند حساب ها |
| الگوهای رفتاری | سرعت تایپ، حرکات ماوس، توقف ها بین اقدامات، زمان جلسات، فراوانی ورود، ترتیب کلیک ها | شناسایی اتوماسیون و ربات ها بر اساس الگوهای غیر انسانی |
| سیگنال های زمینه ای | موقعیت جغرافیایی در مقابل زبان رابط، تطابق IP و منطقه زمانی، تاریخچه تغییر دستگاه ها، ارتباط بین حساب ها | شناسایی ناهماهنگی ها و ناهنجاری ها در پروفایل کاربر |
تفاوت کلیدی سیستم های ML با قواعد معمولی: آنها یاد می گیرند. اگر شما راهی برای دور زدن پیدا کرده اید که یک ماه پیش کار می کرد - این به این معنی نیست که اکنون کار می کند. مدل های ML به طور مداوم بر اساس داده های جدید درباره ربات ها و کلاهبرداران دوباره آموزش می بینند.
7 سیگنال که ربات یا حساب چندگانه را نشان می دهد
سیستم های ML به دنبال یک "پیشینه دودی" نیستند - آنها احتمال را بر اساس ترکیب سیگنال ها محاسبه می کنند. در اینجا قوی ترین شاخص هایی که امتیاز مشکوک بودن را افزایش می دهند، آورده شده است:
1. اثر انگشت دیجیتال یکسان
این چیست: ترکیب پارامترهای مرورگر که یک ID منحصر به فرد برای دستگاه ایجاد می کند. اثر انگشت Canvas، هش WebGL، فهرست فونت ها، زمینه صوتی، پارامترهای صفحه.
چرا بحرانی است: اگر دو حساب اثر انگشت یکسان داشته باشند - این 100% یک فرد در حساب های مختلف است. مدل ML به سرعت پروفایل ها را مرتبط می کند.
مثال مسدود شدن: یک متخصص SMM 15 حساب Instagram مشتریان را از طریق Chrome معمولی با پروکسی های مختلف مدیریت می کرد. اثر انگشت یکسان بود - همه حساب ها به دلیل چند حسابی مسدود شدند.
2. عدم تطابق آدرس IP و سایر پارامترها
این چیست: IP مسکو را نشان می دهد، اما منطقه زمانی بر روی نیویورک تنظیم شده است. یا پروکسی موبایل از روسیه، اما زبان مرورگر - انگلیسی.
چرا بحرانی است: مدل های ML بر اساس میلیون ها کاربر واقعی آموزش دیده اند و ترکیب های معمولی را می شناسند. ناهماهنگی ها - سیگنال قوی جعل.
اشتباه رایج: پروکسی های مقیم ایالات متحده را برای Facebook Ads خریداری کرده اند، اما فراموش کرده اند که منطقه زمانی و زبان را در مرورگر ضد شناسایی تغییر دهند. حساب در اولین ورود مسدود شد.
3. الگوهای رفتاری رباتیک
این چیست: فواصل یکسان بین اقدامات، حرکات ماوس کاملاً مستقیم، کلیک های آنی، عدم وجود اشتباهات در هنگام وارد کردن متن.
چرا بحرانی است: انسان نمی تواند اقداماتی را با دقت میلی ثانیه انجام دهد. مدل های ML به راحتی اتوماسیون را از کار دستی تشخیص می دهند.
مورد واقعی: پارسر Wildberries درخواست ها را دقیقاً هر 5 ثانیه انجام می داد. پس از یک ساعت، IP مسدود شد. پس از افزودن تأخیرهای تصادفی از 3 تا 8 ثانیه - پارسر ماه ها کار کرد.
4. فراوانی مشکوک تغییر آدرس IP
این چیست: حساب هر ساعت با IP های مختلف وارد می شود یا برعکس - هرگز IP را برای ماه ها تغییر نمی دهد.
چرا بحرانی است: کاربران واقعی الگوهای قابل پیش بینی دارند: WiFi خانگی در شب، اینترنت موبایل در روز، IP اداری در ساعات کاری. ناهنجاری ها مشکوک هستند.
اشتباه تازه کارها: استفاده از پروکسی های چرخشی برای حساب های Facebook Ads. IP هر 10 دقیقه تغییر می کند - سیستم می بیند که "کاربر" بین شهرها تلپورت می شود. مسدود شدن تضمینی است.
5. اقدامات مشابه انبوه در یک دوره کوتاه
این چیست: ایجاد 10 حساب در یک ساعت، راه اندازی 20 کمپین تبلیغاتی به طور همزمان، ارسال انبوه پیام ها.
چرا بحرانی است: مدل های ML نه تنها رفتار فردی را تجزیه و تحلیل می کنند، بلکه الگوهای سطح پلتفرم را نیز بررسی می کنند. اقدامات همزمان - نشانه واضحی از اتوماسیون است.
موردی از داوری: تیم 50 حساب TikTok Ads را در یک روز از طریق پروکسی و مرورگرهای مختلف راه اندازی کرد. همه از خلاقیت ها و تنظیمات هدف گیری یکسان استفاده کردند. پس از یک هفته، مسدود شدن موجی - سیستم ML حساب ها را بر اساس الگوی رفتاری مرتبط کرد.
6. استفاده از پروکسی های مرکز داده در پلتفرم های با بررسی سختگیرانه
این چیست: آدرس های IP از مراکز داده (AWS، Google Cloud، Hetzner) به جای ارائه دهندگان واقعی اینترنت.
چرا بحرانی است: سیستم های ML دارای پایگاه داده تمام مراکز داده شناخته شده هستند. Facebook، Google، Instagram تقریباً به سرعت این IP ها را به عنوان مشکوک شناسایی می کنند.
کجا می توان استفاده کرد: پروکسی های مرکز داده برای پارس کردن برخی وب سایت ها و بازارهای آنلاین کار می کنند. اما برای شبکه های اجتماعی و پلتفرم های تبلیغاتی فقط باید پروکسی های مقیم یا پروکسی های موبایل استفاده کنید.
7. عدم "گرم کردن" حساب جدید
این چیست: حساب جدید بلافاصله شروع به فعالیت تهاجمی می کند: راه اندازی تبلیغات با بودجه بزرگ، اشتراک انبوه، ارسال صدها پیام.
چرا بحرانی است: مدل های ML بر اساس میلیون ها کاربر واقعی آموزش دیده اند و می دانند که تازه واردها چگونه رفتار می کنند. فعالیت تهاجمی از روز اول - نشانه واضحی از ربات یا حساب خریداری شده است.
رویکرد صحیح: در 7-14 روز اول رفتار یک کاربر عادی را شبیه سازی کنید: مرور فید، لایک، نظرات، پر کردن پروفایل. افزایش تدریجی فعالیت.
تغییر اثر انگشت دیجیتال: تنظیم مرورگرهای ضد شناسایی
اثر انگشت دیجیتال (fingerprint) - اولین چیزی است که سیستم های ML بررسی می کنند. اگر اثر انگشت دو حساب بیش از 90% مشابه باشد - آنها به یکدیگر مرتبط خواهند شد، صرف نظر از استفاده از پروکسی های مختلف.
مرورگرهای ضد شناسایی این مشکل را با ایجاد اثر انگشت منحصر به فرد برای هر پروفایل حل می کنند. راه حل های محبوب در سال 2025:
| مرورگر | برای چه کسانی | ویژگی ها | قیمت از |
|---|---|---|---|
| Dolphin Anty | داوری، SMM | رابط کاربری ساده، الگوها برای Facebook/Google، اتوماسیون اقدامات | $89/ماه (10 پروفایل) |
| AdsPower | E-commerce، کار انبوه | بسیاری از پروفایل ها، API برای اتوماسیون، همگام سازی اقدامات | $5.4/ماه (10 پروفایل) |
| Multilogin | حرفه ای ها | بیشترین حفاظت از اثر انگشت، دو موتور (Chromium + Firefox) | €99/ماه (10 پروفایل) |
| GoLogin | تازه کارها، بودجه | قیمت پایین، پروفایل های ابری، تنظیمات ساده | $24/ماه (100 پروفایل) |
| Octo Browser | تیم ها، آژانس ها | کار مشترک، دسترسی، لاگ های دقیق | €29/ماه (10 پروفایل) |
چه چیزی را مرورگر ضد شناسایی تغییر می دهد
یک ضد شناسایی با کیفیت ده ها پارامتر را برای ایجاد یک اثر انگشت منحصر به فرد تغییر می دهد:
- اثر انگشت Canvas - هش منحصر به فرد رندر گرافیک در مرورگر
- اثر انگشت WebGL - اثر انگشت کارت گرافیک و درایورهای آن
- زمینه صوتی - پارامترهای سیستم صوتی دستگاه
- User-Agent - رشته شناسایی مرورگر و سیستم عامل
- وضوح صفحه - وضوح صفحه و عمق رنگ
- فونت ها - فهرست فونت های نصب شده در سیستم
- منطقه زمانی و موقعیت جغرافیایی - منطقه زمانی و مختصات GPS
- WebRTC - مسدود کردن نشت IP واقعی از طریق WebRTC
- زبان ها - زبان های مرورگر و سیستم
- پلاگین ها - فهرست پلاگین های نصب شده
- همزمانی سخت افزار - تعداد هسته های پردازنده
- حافظه دستگاه - حجم حافظه RAM دستگاه
بسیار مهم: تمام پارامترها باید با یکدیگر هماهنگ باشند. نمی توان User-Agent را از iPhone تنظیم کرد، اما وضوح صفحه را از لپ تاپ. سیستم های ML ثبات پارامترها را بررسی می کنند و ناهماهنگی ها امتیاز مشکوک بودن را افزایش می دهند. از الگوهای آماده دستگاه ها در مرورگرهای ضد شناسایی استفاده کنید - آنها شامل ترکیب های واقعی پارامترها هستند.
اشتباهات در تنظیم اثر انگشت
حتی با مرورگر ضد شناسایی نیز می توان مسدود شد اگر پارامترها به درستی تنظیم نشده باشند:
❌ استفاده از یک اثر انگشت یکسان برای حساب های مختلف
برخی تازه کارها تنظیمات پروفایل را در مرورگر ضد شناسایی کپی می کنند. نتیجه - اثر انگشت های یکسان و پیوند حساب ها.
✅ صحیح:
ایجاد یک پروفایل جدید از ابتدا یا استفاده از تابع "اثر انگشت تصادفی" در مرورگر. هر حساب باید یک مجموعه منحصر به فرد از پارامترها داشته باشد.
❌ ترکیب های غیر معمول پارامترها
نصب یک سیستم عامل نادر (مانند Linux) با User-Agent موبایل یا استفاده از نسخه های قدیمی مرورگرها. مدل های ML بر اساس کاربران واقعی آموزش دیده اند و می دانند که کدام ترکیب ها در طبیعت وجود دارد.
✅ صحیح:
استفاده از ترکیب های محبوب: Windows 10 + Chrome، MacOS + Safari، Android + Chrome Mobile. نسخه های مرورگرها - به روز یا حداکثر 1-2 نسخه قبل.
❌ عدم تطابق اثر انگشت و پروکسی
پروکسی موبایل از روسیه + User-Agent دسکتاپ + منطقه زمانی ایالات متحده. چنین ناهماهنگی ها - پرچم قرمز برای سیستم های ML است.
✅ صحیح:
تمام پارامترها باید با موقعیت جغرافیایی پروکسی مطابقت داشته باشند: IP از مسکو → منطقه زمانی Europe/Moscow → زبان ru-RU → موقعیت جغرافیایی 55.75,37.61 (مختصات مسکو).
شبیه سازی رفتار انسانی: زمان بندی و الگوهای فعالیت
حتی اثر انگشت ایده ال نیز نمی تواند نجات دهد اگر رفتار ربات را نشان دهد. سیستم های ML صدها میکرو الگو را تجزیه و تحلیل می کنند: چگونه ماوس حرکت می کند، با چه سرعتی متن وارد می شود، چقدر زمان بین کلیک ها می گذرد، در چه ساعتی کاربر فعال است.
مدل های ML مدرن بر اساس میلیاردها جلسه واقعی آموزش دیده اند و می توانند با دقت بالا انسان را از اسکریپت حتی بر اساس تأخیرهای میکروثانیه ای تشخیص دهند.
سیگنال های رفتاری که سیستم های ML ردیابی می کنند
| پارامتر رفتار | چه چیزی را ربات می بیند | چه چیزی را انسان می بیند |
|---|---|---|
| حرکات ماوس | خطوط مستقیم، جابجایی های آنی، عدم وجود حرکات تصادفی | منحنی های نرم، نوسانات میکرو، اشتباهات در کلیک، اصلاح مسیر |
| سرعت تایپ | فواصل یکسان بین حروف (50 میلی ثانیه)، عدم وجود اشتباهات، وارد کردن آنی متن | سرعت های مختلف (100-300 میلی ثانیه)، اشتباهات با اصلاحات، توقف ها بین کلمات |
| زمان بندی اقدامات | دقیقاً 5 ثانیه بین کلیک ها، اقدامات در یک زمان مشخص هر روز | فواصل تصادفی 3-15 ثانیه، زمان های مختلف فعالیت، توقف ها برای خواندن |
| الگوی اسکرول | اسکرول در فاصله ثابت، عدم توقف، سرعت ثابت | اسکرول نامنظم، توقف ها بر روی محتوای جالب، بازگشت به عقب |
| زمان جلسه | دقیقاً 10 دقیقه هر بار، عدم وجود توقف، خروج آنی | مدت زمان مختلف (5-60 دقیقه)، حواس پرتی، تب باز می ماند |
روش های عملی شبیه سازی رفتار انسانی
1. تأخیرهای تصادفی بین اقدامات
اگر از اتوماسیون (اسکریپت ها برای پارس کردن، ارسال خودکار در شبکه های اجتماعی) استفاده می کنید، حتماً تأخیرهای تصادفی اضافه کنید. از فواصل ثابت استفاده نکنید.
بد: تأخیر دقیقاً 5 ثانیه بین درخواست ها
time.sleep(5) # تأخیر یکسان - به عنوان ربات شناسایی می شود
خوب: تأخیر تصادفی از 3 تا 8 ثانیه
import random
time.sleep(random.uniform(3, 8)) # شبیه سازی انسان
2. شبیه سازی خواندن محتوا
وقتی صفحه را باز می کنید - بلافاصله روی دکمه کلیک نکنید. سیستم های ML زمان تا اولین اقدام را ردیابی می کنند. یک انسان واقعی متن را می خواند، به تصاویر نگاه می کند، صفحه را اسکرول می کند.
- پس از بارگذاری صفحه - توقف 2-5 ثانیه (شبیه سازی خواندن عنوان)
- اسکرول تصادفی به پایین به اندازه 100-500 پیکسل (مشاهده محتوا)
- توقف 3-7 ثانیه (خواندن متن)
- حرکت ماوس به سمت دکمه (نه تلپورت کردن نشانگر)
- کلیک با کمی خطا و اصلاح
3. الگوهای طبیعی فعالیت
انسان های واقعی 24/7 با شدت یکسان کار نمی کنند. الگوهای فعالیت واقعی ایجاد کنید:
- زمان ورود: هر روز دقیقاً در 09:00 وارد حساب نشوید. زمان را متغیر کنید: 08:45، 09:15، 09:30
- مدت زمان جلسات: هر بار متفاوت: 10 دقیقه، 45 دقیقه، 5 دقیقه، 1 ساعت
- روزهای هفته: فعالیت کمتر در آخر هفته (اگر این یک حساب کاری است) یا برعکس بیشتر (اگر شخصی است)
- توقف ها: در فعالیت توقف کنید. هر 2 ساعت در Instagram پست نگذارید - 3 پست را در صبح انجام دهید، سپس تا عصر توقف کنید
نکته برای داوران: اگر شما حساب های Facebook Ads را پرورش می دهید - در 7-14 روز اول رفتار یک کاربر واقعی را شبیه سازی کنید. وارد حساب شوید، 5-10 دقیقه در فید اخبار پیمایش کنید، به 2-3 پست لایک دهید، ویدیوها را تماشا کنید. فقط پس از گرم کردن، شروع به ایجاد کمپین های تبلیغاتی کنید. حساب هایی که بلافاصله تبلیغات را راه اندازی می کنند - 10 برابر بیشتر مسدود می شوند.
4. استفاده از ابزارهای شبیه سازی رفتار
برخی مرورگرهای ضد شناسایی دارای ویژگی های داخلی برای شبیه سازی رفتار انسانی هستند:
- Dolphin Anty: ویژگی "سناریوها" به شما اجازه می دهد تا توالی اقداماتی با تأخیرهای طبیعی را ضبط کنید و سپس با تغییرات بازپخش کنید
- AdsPower: RPA (اتوماسیون فرآیند رباتیک) با تنظیم تأخیرهای تصادفی و حرکات ماوس
- ابزارهای اتوماسیون مرورگر: Puppeteer Extra با پلاگین puppeteer-extra-plugin-stealth رفتار انسان را به اتوماسیون اضافه می کند
چرخش صحیح پروکسی: چرا یک IP برای هر حساب کار نمی کند
یک تصور غلط رایج: "هر حساب به یک IP ثابت نیاز دارد که هرگز تغییر نکند". این نادرست است. کاربران واقعی به طور مداوم آدرس های IP خود را تغییر می دهند: WiFi خانگی، اینترنت موبایل، کافه، دفتر، سفر.
سیستم های ML این را می دانند و تغییرات مشکوک شامل تغییر IP بیش از حد (هر 10 دقیقه) و عدم تغییر کامل (یک IP برای ماه ها) است.
انواع چرخش پروکسی و زمان استفاده از آنها
| نوع چرخش | چگونه کار می کند | کی استفاده شود | ریسک ها |
|---|---|---|---|
| IP ثابت | یک IP برای همیشه به حساب اختصاص داده شده است | حساب های تبلیغاتی (Facebook Ads، Google Ads)، حساب های مهم شبکه های اجتماعی | اگر IP در لیست سیاه قرار گیرد - حساب نیز مسدود می شود. برای کاربران موبایل غیر طبیعی است |
| چرخش بر اساس جلسات | IP با هر اتصال جدید تغییر می کند (مرورگر را بستید - IP جدید) | پارس کردن داده ها، ثبت نام انبوه، وظایف یک بار مصرف | تغییرات بیش از حد - پرچم قرمز برای سیستم های ML شبکه های اجتماعی |
| چرخش بر اساس زمان | IP هر X دقیقه تغییر می کند (5، 10، 30 دقیقه) | پارس کردن با حفاظت از محدودیت نرخ، نظارت بر قیمت ها | برای حساب های شبکه های اجتماعی مناسب نیست - به عنوان VPN به نظر می رسد |
| پول از 2-5 IP | حساب از چند IP استفاده می کند که به طور طبیعی تغییر می کنند | شبیه سازی یک کاربر واقعی (خانه + کار + موبایل) | نیاز به منطق تغییر دارد - نمی توان IP را به طور تصادفی تغییر داد |
استراتژی چرخش برای وظایف مختلف
برای Facebook Ads / Google Ads (داوری):
از پروکسی های مقیم ثابت استفاده کنید. یک حساب = یک IP که تغییر نمی کند. پلتفرم های تبلیغاتی بسیار حساس به تغییر IP هستند و حتی می توانند حساب را در صورت تغییر یکباره آدرس در حین کمپین فعال مسدود کنند.
استثنا: اگر یک کاربر موبایل را شبیه سازی می کنید - می توانید از پروکسی های موبایل با چرخش هر 10-30 دقیقه استفاده کنید (این همانطور که اینترنت موبایل واقعی کار می کند). اما در این صورت تمام پارامترهای اثر انگشت باید از دستگاه موبایل باشد.
برای Instagram / TikTok / شبکه های اجتماعی (SMM):
استراتژی بهینه - پول از 2-3 آدرس IP که بر اساس منطق "خانه-کار-موبایل" تغییر می کنند:
- IP اصلی (مقیم) - 70% فعالیت، در شب و آخر هفته استفاده می شود
- IP کاری (مقیم از زیرشبکه دیگر) - 20% فعالیت، در ساعات کاری 9-18 استفاده می شود
- IP موبایل - 10% فعالیت، ورود های تصادفی در طول روز
این الگو به طور طبیعی به نظر می رسد و موجب مشکوک شدن سیستم های ML نمی شود.
برای پارس کردن Wildberries / Ozon / بازارهای آنلاین:
از پروکسی های مقیم چرخشی با تغییر خودکار IP هر 5-15 دقیقه استفاده کنید. بازارهای آنلاین تعداد درخواست ها را از یک IP ردیابی می کنند و در صورت تجاوز از حد مجاز مسدود می کنند.
مهم: از پروکسی های مرکز داده استفاده نکنید - Wildberries، Ozon، Avito دارای پایگاه داده IP مراکز داده هستند و به طور خودکار آنها را مسدود می کنند. فقط پروکسی های مقیم یا موبایل.
برای ثبت نام انبوه حساب ها:
هر ثبت نام - یک IP جدید. از پروکسی های چرخشی با مجموعه بزرگ آدرس ها استفاده کنید. پس از ثبت نام، یک IP ثابت را برای ادامه کار به حساب اختصاص دهید. هرگز چند حساب را با یک IP ثبت نام نکنید - این منجر به مسدود شدن فوری همه حساب ها می شود.
اشتباهات بحرانی در چرخش پروکسی
1. استفاده از یک IP برای چندین حساب به طور همزمان
حتی اگر شما اثر انگشت ایده ال داشته باشید - اگر دو حساب از یک IP در یک زمان وارد شوند، سیستم ML آنها را مرتبط می کند. یک حساب = یک IP در یک زمان خاص.
2. تغییر کشور/شهر IP در حین جلسه فعال
وارد حساب شدید با IP از مسکو، پس از 10 دقیقه IP به ولادی وستوک تغییر کرد - این تلپورت به 7000 کیلومتر است. مسدود شدن فوری. اگر از چرخش استفاده می کنید - IP باید از یک شهر/منطقه باشد.
3. تغییر بین IP موبایل و دسکتاپ بدون تغییر اثر انگشت
اگر از پروکسی موبایل استفاده می کنید - اثر انگشت باید از دستگاه موبایل (iOS یا Android) باشد. نمی توان از IP موبایل با User-Agent دسکتاپ استفاده کرد - این ناهماهنگی توسط سیستم های ML شناسایی می شود.
ثبات دستگاه ها: اتصال پروکسی + اثر انگشت + User-Agent
سیستم های ML نه تنها پارامترهای جداگانه را بررسی می کنند، بلکه هماهنگی آنها را نیز بررسی می کنند. این به عنوان "ثبات دستگاه" شناخته می شود - تمام ویژگی ها باید با یکدیگر مطابقت داشته باشند و یک تصویر واحد از یک دستگاه واقعی را ایجاد کنند.