ตั้งพารามิเตอร์ครบทุกจุดทำไมยังโดนแบน นอกจากฟิงเกอร์พรินต์ ระบบความเสี่ยงอ่านสัญญาณพฤติกรรมอย่างไร

สรุปหลัก: ชั้นพารามิเตอร์ตอบคำถามว่า “อุปกรณ์นี้เหมือนอุปกรณ์จริงหรือไม่” ชั้นพฤติกรรมตอบว่า “การใช้งานเหมือนคนจริงหรือไม่” สองชั้นประกอบกันจึงเป็นภาพประเมินความเสี่ยงที่สมบูรณ์ โมเดลอ่านทั้งเส้นทางเมาส์ จังหวะการพิมพ์ และความยาวเซสชัน บางส่วนพัฒนาได้ด้วยนิสัยและตารางเวลา อีกบางส่วนสะสมได้ด้วยเวลาเท่านั้น เมื่อตรวจพารามิเตอร์แล้วไม่เจอความผิดปกติ ถึงเวลามองไปที่ชั้นพฤติกรรม

สัปดาห์ที่สองของการดูแลบัญชี บัญชีก็โดนแบน เอาไปเช็กกับเว็บตรวจฟิงเกอร์พรินต์ทีละรายการ Canvas ตรง ไทม์โซนตรง ความละเอียดไม่รั่ว ที่ระดับพารามิเตอร์หาตำหนิไม่ได้เลย กรณีแบบนี้ในวงการบริหารหลายบัญชีไม่ใช่เรื่องแปลก จุดที่ทำให้ติดขัดคือ อะไรที่ตั้งค่าได้ก็ตั้งหมดแล้ว จะมีตัวแปรอะไรเหลืออีก คำตอบอยู่ที่ชั้นพฤติกรรม นั่นคือบันทึกว่าคุณใช้งานบัญชีอย่างไร ส่วนนี้ไม่ได้ไปกับค่าคอนฟิกของเบราว์เซอร์ เปลี่ยนพารามิเตอร์ก็ลบมันไม่ออก

MostMate แยกสภาพแวดล้อมให้แต่ละบัญชีเป็นชุดของตัวเอง คอนฟิกฟิงเกอร์พรินต์และข้อมูลไม่ปนกัน ปัญหาระดับอุปกรณ์จึงจบที่นี่ แต่ชั้นพฤติกรรมไม่มีสวิตช์ที่เปิดปุ๊บจบปิ๊บ มันต้องเลี้ยงด้วยจังหวะ บทความนี้จะอธิบายให้ชัดว่าระบบความเสี่ยงยังอ่านสัญญาณพฤติกรรมอะไรบ้าง โมเดลใช้สัญญาณเหล่านั้นอย่างไร อะไรฝึกได้ อะไรฝึกไม่ได้ และใน MostMate จะจัดจังหวะเหล่านี้ลงในตารางเวลาอย่างไร

นอกจากชั้นพารามิเตอร์ ระบบความเสี่ยงยังอ่านอะไร

พารามิเตอร์ฟิงเกอร์พรินต์ตั้งเสร็จก็นิ่ง แต่สัญญาณพฤติกรรมไหลต่อเนื่อง ครอบคลุมการใช้งานบัญชีทั้งช่วง ชั้นพารามิเตอร์พูดถึงหน้าตาของสภาพแวดล้อม บทความหลักการของเบราว์เซอร์ฟิงเกอร์พรินต์เคยแยกให้ดู Canvas WebGL และพื้นที่เก็บข้อมูลเหล่านี้ เว็บตรวจก็วัดแค่ชั้นนี้ จะตั้งค่าชุดนี้ถึงไหนถึงผ่าน ใช้ตัวชี้วัดส่วนใหญ่ในห้าโซนสัญญาณของคะแนนความน่าเชื่อถือ Ipheyเทียบดูได้

ชั้นพฤติกรรมต่างออกไปคนละแบบ วงการต่อต้านการโกงเรียกสิ่งนี้ว่า behavioral biometrics หรือไบโอเมตริกพฤติกรรม SEON ในคู่มือไบโอเมตริกพฤติกรรมให้นิยามไว้ว่า วิเคราะห์ว่าคนคนหนึ่งพิมพ์อย่างไร ขยับเมาส์อย่างไร เดินทางระหว่างหน้าอย่างไร แล้วสร้างโปรไฟล์พฤติกรรมแบบเรียลไทม์จากสิ่งเหล่านั้น การตรวจแบบนี้ยังทำงานต่อหลังรหัสผ่านและอุปกรณ์ผ่านแล้ว และครอบคลุมทั้งเซสชัน

Sardine พูดตรงกว่านั้น device intelligence เป็นของมาตรฐานไปแล้ว แต่ IP ปิดบังได้ ฟิงเกอร์พรินต์แก้ได้ อุปกรณ์ปลอมได้ พึ่งชั้นอุปกรณ์อย่างเดียวไม่พอ สัญญาณพฤติกรรมเติมช่องว่างที่ว่า “ใครอยู่หลังอุปกรณ์เครื่องนี้” (ดู บทวิเคราะห์ของ Sardine เรื่องอุปกรณ์กับสัญญาณพฤติกรรม) สองชั้นนี้ซ้อนทับกัน ไม่ใช่แทนที่กัน พารามิเตอร์ไม่ตรง ระบบความเสี่ยงเตือนทันที พารามิเตอร์ตรงหมด การตรวจยังไม่จบ แค่ย้ายไปอีกชั้น

รายการสัญญาณพฤติกรรม: จากเส้นทางเมาส์ถึงความยาวเซสชัน

สัญญาณพฤติกรรมที่โมเดลอ่านจัดเป็นสี่กลุ่ม แต่ละกลุ่มตรงกับการกระทำที่จับต้องได้ เทียบกับรายการนี้แล้วจะเห็นว่าการใช้งานประจำวันของคุณทิ้งร่องรอยไว้ตรงไหน

• การป้อนข้อมูล: จังหวะการพิมพ์ ช่วงห่างระหว่างแป้นพิมพ์ กรอกฟอร์มด้วยมือหรือวาง มีใช้การเติมอัตโนมัติหรือไม่
• การเคลื่อนไหว: ความโค้งและการเร่งและลดความเร็วของเส้นทางเมาส์ ความเร็วการเลื่อนหน้า ความถี่การคลิก
• เซสชัน: ความยาวเซสชันเดียว จำนวนหน้าที่เปิดดู เวลาที่ค้างต่อหน้า เส้นทางการใช้งานเป็นแบบที่คนทั่วไปเดินได้จริงหรือไม่
• จังหวะ: ช่วงเวลาที่ออนไลน์ ช่วงห่างระหว่างการกระทำ เวลารอจากสมัครจนถึงการกระทำแรก

ในฉากการสมัครบัญชี Sardine ยังชี้อีกสองสัญญาณที่มองข้ามง่าย คือการวางเลขบัตรจากการคัดลอก และการสลับไปแท็บอื่นกลางคันระหว่างกรอกฟอร์ม คนจริงที่ทำธุระจริงเจอแบบนี้บ่อยมาก แต่สคริปต์กลับไม่มี มันจึงเป็นหลักฐานว่า “เหมือนคน” กลับกัน เมาส์วิ่งเป็นเส้นตรงจากจุดตั้งต้นไปถึงปุ่ม หรือเวลาพักแต่ละครั้งเท่ากันเป๊ะ นั่นคือหลักฐานว่า “เหมือนสคริปต์”

สัญญาณเหล่านี้ดูทีละตัวอ่อนมาก หน้าที่ของโมเดลคือนำมาซ้อนกันแล้วให้คะแนน นี่แหละคือเหตุที่ชั้นพฤติกรรมยุ่งยาก ไม่มีข้อไหนแก้เดี่ยว ๆ ได้ ต้องแตะทั้งชุดนิสัยการใช้งาน

แพลตฟอร์มสร้างโมเดลอย่างไร: เส้นฐาน การเบี่ยงเบน และความสัมพันธ์

หัวใจของโมเดลประเมินความเสี่ยงคือการเปรียบเทียบ เทียบกับประวัติของบัญชีนั้นเอง เทียบกับการกระจายของผู้ใช้กลุ่มเดียวกัน เทียบกับบัญชีที่เกี่ยวเนื่องกัน การเปรียบเทียบทั้งสามมีหน้าที่ต่างกัน

• เส้นฐานรายบุคคลคือการเปรียบเทียบแรก โมเดลจะเรียนรู้จังหวะปกติของแต่ละบัญชีก่อน SEON อธิบายไว้ว่าความแกว่งเล็ก ๆ ของความเร็วการพิมพ์ถือเป็นความแปรผันปกติ แต่รูปแบบการนำทางที่เปลี่ยนกะทันหันต่างหากที่ทำให้เกิดการแจ้งเตือน ยิ่งสไตล์การใช้งานของบัญชีนิ่งเท่าไร เพดานการยอมรับของโมเดลยิ่งชัดเท่านั้น ความผิดปกติครั้งคราวจึงถูกจับได้ง่ายขึ้นว่าเป็นแค่ความแกว่ง

• เส้นฐานกลุ่มคือการเปรียบเทียบที่สอง คนจริงใช้เวลาเท่าไรเดินครบสาย “สมัคร เปิดดู สั่งซื้อ” และเส้นทางหน้าตาเป็นอย่างไร โมเดลมีการกระจายทางสถิติจากกองตัวอย่างมหาศาลอยู่ในมือ เร็วเกิน ลื่นเกิน เมาส์ตรงเกิน ล้วนอยู่นอกการกระจายนั้น SEON เคยชี้เฉพาะกรณีหนึ่ง เมาส์วิ่งจากพิกเซล A ถึงพิกเซล B เป็นเส้นตรงสมบูรณ์แบบ นี่คือรอยต่อหนึ่งที่คลาสสิกที่สุดของการวิเคราะห์พฤติกรรม

• การเทียบความสัมพันธ์คือการเปรียบเทียบที่สาม และเป็นโจทย์เฉพาะของสถานการณ์หลายบัญชี อุปกรณ์เดียวล็อกอินหลายบัญชี สมัครระเบิดจากซับเน็ตเดียวกัน หลายบัญชีทำท่าทางคล้ายกันในช่วงเวลาเดียวกัน ดูทีละรายการปกติทุกข้อ เชื่อมกันดูคือลายเซ็นของกลุ่มเดียวกัน กราฟความเชื่อมโยงของ Sardine ทำงานแบบนี้โดยเฉพาะ วาดความสัมพันธ์การใช้ร่วมกันของอุปกรณ์ บัญชี และเครื่องมือชำระเงินเป็นเครือข่าย วงการแอร์ดรอปใช้การคัดกรองแบบนี้หนักที่สุด ในบทความตรรกะของการคัดกรอง Sybilเคยเล่าว่าเจ้าของโปรเจกต์ใช้สัญญาณความสัมพันธ์คัดคนอย่างไร

การแบนลากเป็นลูกโซ่จำนวนมาก จุดเริ่มไม่ได้อยู่ที่พารามิเตอร์ แต่อยู่ที่ความสัมพันธ์ นี่คือความเสียหายสะสม เมื่อเชื่อมกันแล้วแกะออกยากมาก (วิธีควบคุมขอบเขตการลากพาง)

อะไรฝึกได้ อะไรฝึกไม่ได้

แบ่งสัญญาณพฤติกรรมเป็นสองช่อง “ฝึกได้” กับ “ฝึกยาก” แล้วลงแรงดูแลบัญชีที่ช่องแรกเท่านั้น ส่วนที่ฝึกหนักแค่ไหนก็ไม่ขึ้น การยอมรับมันตรง ๆ กลับช่วยให้ใจสบายขึ้น

ส่วนที่ฝึกได้ ใช้นิสัยและตารางเวลา:

• ทำช้าลง: คนจริงมีลังเล มีการย้อนดู มีการกดพลาด ช่วงห่างระหว่างการกระทำอย่าจัดแนวเรียบร้อยเกินไป
• พิมพ์เองแทนการวาง: ในฉากสมัครและแก้ข้อมูลโปรไฟล์ การวางคือสัญญาณการป้อนข้อมูลความเสี่ยงสูง ข้อมูลสำคัญพิมพ์เอง
• เส้นทางธรรมชาติ: อย่าล็อกอินแล้วตรงดิ่งไปหน้าฟีเจอร์เดิมทุกครั้ง ครั้งคราวเปิดดูโซนอื่นบ้าง
• ช่วงเวลาให้ตรงตลาด: ออนไลน์ตามไทม์โซนของตลาดเป้าหมาย อย่าให้บัญชีออนไลน์เป๊ะ ๆ ตอนตีสาม

ส่วนที่ฝึกไม่ได้ เหลือทางเดียวคือเวลา:

• ประวัติระยะยาว: อายุบัญชี ความนิ่งของเซสชันในอดีต ประวัติการใช้จ่าย สิ่งเหล่านี้คือที่เก็บถาวร เติมคืนไม่ได้
• เส้นฐานรายบุคคล: การที่โมเดลรู้จัก “บัญชีของคุณ” ต้องใช้การสะสม ความระมัดระวังช่วงต้นของการดูแลบัญชีก็คือการให้โมเดลกินตัวอย่างปกติ
• รอยเชื่อมความสัมพันธ์ของกลุ่ม: หลายบัญชีเมื่อเชื่อมกันในกราฟความเชื่อมโยงแล้ว หลังจากนั้นใช้อะไรก็แกะยาก ต้องแยกตั้งแต่วันแรก

ถ้าบัญชีถูกจำกัดเพราะพฤติกรรมผิดปกติไปแล้ว ในเช็กลิสต์ฉุกเฉิน 60 นาทีหลังถูกแบน ขั้นแรกคือแยกให้ออกว่าสิ่งที่เรียกใช้คือสัญญาณอุปกรณ์หรือสัญญาณพฤติกรรม การจัดการสองกรณีนี้ต่างกันสิ้นเชิง

จัดจังหวะพฤติกรรมลงตารางใน MostMate อย่างไร

จุดยากของชั้นพฤติกรรมไม่ใช่ไม่รู้ว่าต้องเลี้ยง แต่คือการกระทำกระจัดกระจายในชีวิตประจำวันจนทำต่อเนื่องไม่ได้ ฟีเจอร์ดูแลบัญชีเปลี่ยนเรื่องนี้เป็นรายการงาน ในหน้าติดตามความคืบหน้าของ MostMate มีแผนดูแลบัญชี 30 วัน งานของแต่ละวันลิสต์เป็นข้อ ๆ การเลื่อนดูฟีด เข้าเยี่ยมชมหน้าโปรไฟล์ ค้นหาคีย์เวิร์ด ทำข้อไหนก็เช็กข้อนั้น บนปฏิทิน 30 วันจะเห็นทันทีว่าจังหวะขาดช่วงหรือเปล่า

รายการงานตอบโจทย์ความหลากหลายของการกระทำ ปฏิทินตอบโจทย์ความต่อเนื่องของจังหวะ ในแผนยังมีรายการเตือน “วันนี้ห้ามทำ” ที่ขีดเส้นขอบเขตการกระทำในช่วงอ่อนไหว เช่น บัญชีใหม่หลักสัปดาห์แรก ๆ อย่าแตะการแก้ข้อมูลโปรไฟล์และผูกวิธีชำระเงิน เจอแคปชาหรือถูกจำกัดแล้วจัดการอย่างไร มีขั้นตอนเขียนไว้ในคู่มือจัดการความผิดปกติ

RPA ในระบบนี้รับหน้าที่เรื่องปริมาณ เทมเพลต RPA ของ MostMate รันการเปิดดูและกดไลก์อัตโนมัติบนแพลตฟอร์มอย่าง TikTok Facebook ได้ ช่วยเติมปริมาณการโต้ตอบพื้นฐาน แต่เส้นทางและช่วงห่างของ RPA มีกลิ่นสคริปต์ โมเดลพฤติกรรมอ่านออก การแบ่งงานต้องชัด ปริมาณให้ระบบอัตโนมัติ การกระทำสำคัญให้มนุษย์ บัญชีอ่อนไหวยิ่งต้องพึ่งมนุษย์เป็นหลัก

เลี้ยงหลายบัญชีพร้อมกัน พื้นฐานคือสภาพแวดล้อมต้องนิ่ง หนึ่งบัญชีต่อหนึ่งสภาพแวดล้อม บันทึกพฤติกรรมจึงสะสมบนโปรไฟล์อุปกรณ์เดียวกัน วิธีจัดสภาพแวดล้อมตามสายธุรกิจ มีคำอธิบายครบในหน้าแลนดิงการจัดการหลายบัญชีอย่างปลอดภัย

คำถามที่พบบ่อย

พารามิเตอร์ตรงหมด ทำไมยังโดนแบน

ชั้นพารามิเตอร์กับชั้นพฤติกรรมเป็นคนละชุดสัญญาณ พารามิเตอร์ผ่านบอกแค่ว่าอุปกรณ์เหมือนอุปกรณ์จริง จังหวะการใช้งาน เส้นทาง และความสัมพันธ์ระหว่างบัญชีเป็นอีกหน้าการตัดสินหนึ่ง ถ้าตรวจแล้วพารามิเตอร์ไม่มีความผิดปกติ ก็ถึงเวลาดึงบันทึกด้านพฤติกรรมมาดู ช่วงห่างระหว่างการกระทำ เส้นทาง และมีลักษณะความสัมพันธ์หรือเปล่า

เปลี่ยนสภาพแวดล้อมใหม่ ประวัติพฤติกรรมรีเซ็ตไหม

ไม่รีเซ็ต สภาพแวดล้อมให้มาคือชั้นอุปกรณ์ที่สะอาด แฟ้มพฤติกรรมที่บัญชีสะสมไว้ฝั่งแพลตฟอร์มเดินตามบัญชี ไม่ได้เดินตามสภาพแวดล้อม สภาพแวดล้อมใหม่แก้คำถามว่า “อุปกรณ์เครื่องนี้น่าเชื่อถือหรือไม่” ส่วนความเชื่อมั่นชั้นพฤติกรรม บัญชีต้องสะสมใหม่เอง นี่คือเหตุผลที่หลังเปลี่ยนสภาพแวดล้อมต้องจัดช่วงเปลี่ยนผ่าน

RPA อัตโนมัติถูกการวิเคราะห์พฤติกรรมจับได้ไหม

มีโอกาสเป็นไปได้ เส้นทางและช่วงห่างของการกระทำสคริปต์มีลักษณะเฉพาะ โมเดลพฤติกรรมที่กลั่นแล้วอ่านออก การแบ่งงานที่มั่นคงกว่าคือ RPA รับปริมาณการโต้ตอบพื้นฐาน มนุษย์รับสมัคร แก้โปรไฟล์ ชำระเงิน และการกระทำสำคัญอื่น บัญชีอ่อนไหวใช้มนุษย์เป็นหลักทั้งชุด

ต้องดูแลบัญชีนานแค่ไหน เส้นฐานพฤติกรรมถึงจะนิ่ง

ไม่มีจำนวนวันสากล แผน 30 วันคือกรอบจังหวะ สิ่งที่ทำให้โมเดลสร้างความเข้าใจจริง ๆ คือความหลากหลายและความต่อเนื่องของการกระทำ ไม่ใช่การขุดให้ครบกำหนดวัน วิธีสังเกตก็ง่าย ถ้าการใช้งานประจำวันของบัญชีไม่ค่อยทำให้เกิดการยืนยันตัวตนแล้ว แปลว่าเส้นฐานกำลังนิ่งขึ้น

บทส่งท้าย

เวลาแพลตฟอร์มมองบัญชีหนึ่งบัญชี ชั้นอุปกรณ์กับชั้นพฤติกรรมแบ่งน้ำหนักคนละครึ่ง การตั้งค่าพารามิเตอร์แก้เรื่อง “เหมือนอุปกรณ์จริงหรือไม่” ส่วนนี้เครื่องมือสภาพแวดล้อมรองรับได้ จังหวะพฤติกรรมแก้เรื่อง “เหมือนคนจริงหรือไม่” ส่วนนี้ต้องเลี้ยงด้วยรายการและตารางเวลา แยกสองชั้นบริหารกัน เวลาโดนแบนจึงจะมีทิศทางสำหรับไล่สาเหตุ

อุปกรณ์ให้สภาพแวดล้อมดูแล พฤติกรรมให้จังหวะดูแล ดาวน์โหลด MostMate ทำการแยกชั้นอุปกรณ์ให้มั่นก่อน แล้วใช้ฟีเจอร์ดูแลบัญชีจัดจังหวะชั้นพฤติกรรมต่อ