Exemplo da prática: Um arbitrador criou 20 contas do Facebook Ads através do Dolphin Anty com diferentes proxies. Após 3 dias, todas as contas foram banidas em uma onda. A razão — o sistema ML identificou um padrão de ações idêntico: todas as contas foram criadas ao mesmo tempo, usaram a mesma sequência de configurações de anúncios, acessaram em horários semelhantes. Diferentes IPs não ajudaram — o padrão comportamental era idêntico.

1. Impressão digital idêntica

O que é: Combinação de parâmetros do navegador que cria um ID único do dispositivo. Impressão digital Canvas, hash WebGL, lista de fontes, contexto de áudio, parâmetros de tela.

Por que é crítico: Se duas contas têm a mesma impressão digital — isso é 100% uma pessoa em diferentes contas. O modelo ML imediatamente vincula os perfis.

Exemplo de banimento: Um especialista em SMM gerenciou 15 contas do Instagram de clientes através do Chrome comum com diferentes proxies. A impressão digital era idêntica — todas as contas foram bloqueadas por múltiplas contas.

2. Inconsistência entre o endereço IP e outros parâmetros

O que é: O IP mostra Moscovo, mas o fuso horário está definido para Nova Iorque. Ou um proxy móvel da Rússia, mas o idioma do navegador é inglês.

Por que é crítico: Modelos ML são treinados com milhões de usuários reais e conhecem combinações típicas. Inconsistências são um forte sinal de falsificação.

Erro comum: Compraram proxies residenciais dos EUA para Facebook Ads, mas esqueceram de mudar o fuso horário e o idioma no navegador antibot. A conta foi banida na primeira entrada.

3. Padrões de comportamento robotizados

O que é: Intervalos idênticos entre ações, movimentos do mouse perfeitamente retos, cliques instantâneos, ausência de erros de digitação ao inserir texto.

Por que é crítico: Um ser humano não pode realizar ações com precisão de milissegundos. Modelos ML facilmente diferenciam automação de trabalho manual.

Caso real: Um scraper do Wildberries fazia solicitações exatamente a cada 5 segundos. Após uma hora, o IP foi banido. Após adicionar atrasos aleatórios de 3 a 8 segundos — o scraper funcionou por meses.

4. Frequência suspeita de troca de endereços IP

O que é: A conta acessa de diferentes IPs a cada hora ou, ao contrário — nunca muda o IP por meses.

Por que é crítico: Usuários reais têm padrões previsíveis: WiFi doméstico à noite, internet móvel durante o dia, IP de escritório em horário comercial. Anomalias geram suspeitas.

Erro de novatos: Uso de proxies rotativos para contas do Facebook Ads. O IP muda a cada 10 minutos — o sistema vê que o "usuário" está teletransportando entre cidades. Banimento garantido.

5. Ações idênticas em massa em um curto período

O que é: Criação de 10 contas em uma hora, lançamento de 20 campanhas publicitárias ao mesmo tempo, envio em massa de mensagens.

Por que é crítico: Modelos ML analisam não apenas o comportamento individual, mas também padrões em nível de plataforma inteira. Ações síncronas — um sinal claro de automação.

Caso de arbitragem: A equipe lançou 50 contas do TikTok Ads em um dia através de diferentes proxies e navegadores. Todos usaram os mesmos criativos e configurações de segmentação. Uma semana depois, banimento em massa — o sistema ML vinculou as contas pelo padrão comportamental.

6. Uso de proxies de data center em plataformas com verificação rigorosa

O que é: Endereços IP de data centers (AWS, Google Cloud, Hetzner) em vez de provedores de internet reais.

Por que é crítico: Sistemas ML têm bancos de dados de todos os data centers conhecidos. Facebook, Google, Instagram detectam esses IPs como suspeitos quase instantaneamente.

Onde pode ser usado: Proxies de data center funcionam para scraping de alguns sites e marketplaces. Mas para redes sociais e plataformas publicitárias, são necessários apenas proxies residenciais ou proxies móveis.

7. Ausência de "aquecimento" da nova conta

O que é: Uma nova conta começa imediatamente uma atividade agressiva: lançamento de anúncios com um grande orçamento, inscrições em massa, envio de centenas de mensagens.

Por que é crítico: Modelos ML são treinados com milhões de usuários reais e sabem como os novatos se comportam. Atividade agressiva desde o primeiro dia — um sinal claro de bot ou conta comprada.

Abordagem correta: Nos primeiros 7-14 dias, imitar um usuário comum: visualizar o feed, curtir, comentar, preencher o perfil. Aumentar gradualmente a atividade.

Crucial: Todos os parâmetros devem ser consistentes entre si. Não é possível definir um User-Agent de iPhone, mas a resolução de tela de um laptop. Sistemas ML verificam a consistência dos parâmetros e inconsistências aumentam a pontuação de suspeita. Use templates prontos de dispositivos em navegadores antibot — eles contêm combinações realistas de parâmetros.

❌ Uso da mesma impressão digital para diferentes contas

Alguns novatos copiam as configurações do perfil no navegador antibot. O resultado — impressões digitais idênticas e vinculação de contas.

✅ Correto:

Criar um novo perfil do zero ou usar a função "impressão digital aleatória" no navegador. Cada conta deve ter um conjunto único de parâmetros.

❌ Combinações exóticas de parâmetros

Definir um SO raro (como Linux) com um User-Agent móvel ou usar versões desatualizadas de navegadores. Modelos ML são treinados com usuários reais e conhecem quais combinações são comuns.

✅ Correto:

Usar combinações populares: Windows 10 + Chrome, MacOS + Safari, Android + Chrome Mobile. Versões de navegadores — atuais ou no máximo 1-2 lançamentos atrás.

❌ Inconsistência entre impressão digital e proxy

Proxy móvel da Rússia + User-Agent de desktop + fuso horário dos EUA. Essas inconsistências são um sinal vermelho para os sistemas ML.

✅ Correto:

Todos os parâmetros devem corresponder à geolocalização do proxy: IP de Moscovo → fuso horário Europe/Moscow → idioma ru-RU → geolocalização 55.75,37.61 (coordenadas de Moscovo).

Ruim: Atraso exatamente de 5 segundos entre solicitações

time.sleep(5) # Atraso idêntico — detectado como bot

Bom: Atraso aleatório de 3 a 8 segundos

import random
time.sleep(random.uniform(3, 8)) # Imitação de humano

Dica para arbitradores: Se você está criando contas do Facebook Ads — imite o comportamento de um usuário real nos primeiros 7-14 dias. Acesse a conta, role o feed de notícias por 5-10 minutos, curta 2-3 postagens, assista a vídeos. Somente após o aquecimento comece a criar campanhas publicitárias. Contas que lançam anúncios imediatamente — recebem banimento 10 vezes mais frequentemente.

Para Facebook Ads / Google Ads (arbitragem):

Use proxies residenciais estáticos. Uma conta = um IP que não muda. As plataformas publicitárias são muito sensíveis à troca de IP e podem banir a conta mesmo com uma única troca de endereço durante uma campanha ativa.

Exceção: Se você está imitando um usuário móvel — pode usar proxies móveis com rotação a cada 10-30 minutos (assim funciona a internet móvel real). Mas então todos os parâmetros da impressão digital devem ser de um dispositivo móvel.

Para Instagram / TikTok / redes sociais (SMM):

A estratégia ideal — uma piscina de 2-3 endereços IP que se alternam na lógica "casa-trabalho-móvel":

• IP principal (residencial) — 70% da atividade, usado à noite e nos finais de semana
• IP de trabalho (residencial de outra sub-rede) — 20% da atividade, usado em horário comercial das 9h às 18h
• IP móvel — 10% da atividade, acessos aleatórios ao longo do dia

Esse padrão parece natural e não levanta suspeitas nos sistemas ML.

Para scraping de Wildberries / Ozon / marketplaces:

Use proxies residenciais rotativos com troca automática de IP a cada 5-15 minutos. Marketplaces monitoram a quantidade de solicitações de um único IP e bloqueiam ao ultrapassar o limite.

Importante: Não use proxies de data center — Wildberries, Ozon, Avito têm bancos de dados de IPs de data centers e os bloqueiam automaticamente. Apenas proxies residenciais ou móveis.

Para registro em massa de contas:

Cada registro — um novo IP. Use proxies rotativos com um grande pool de endereços. Após o registro, vincule um IP estático à conta para trabalho futuro. Nunca registre várias contas com um único IP — isso resulta no banimento imediato de todas as contas.

1. Uso de um único IP para várias contas simultaneamente

Mesmo que você tenha impressões digitais perfeitas — se duas contas acessam de um único IP ao mesmo tempo, o sistema ML as vinculará. Uma conta = um IP em um momento específico.

2. Mudança de país/cidade do IP durante uma sessão ativa

Entrou na conta com um IP de Moscovo, após 10 minutos o IP mudou para Vladivostok — isso é teletransporte a 7000 km. Banimento imediato. Se você estiver usando rotação — os IPs devem ser da mesma cidade/região.

3. Alternância entre IPs móveis e de desktop sem mudança de impressão digital

Se você está usando um proxy móvel — a impressão digital deve ser de um dispositivo móvel (iOS ou Android). Não é possível usar um IP móvel com um User-Agent de desktop — essa inconsistência é detectada pelos sistemas ML.