# **स्टिलियोबोट** *भाग 1 क्यों था* सैद्धांतिकता: स्टिलोबोट मॉडलों के बॉट पता लगाना एक प्रगतिशील के रूप में, आरंभिकM SK2 व्यवहारिक संकेतों की बाहरी टोपोलॉजी के साथ-साथ प्रतिक्रिया परिणामों को प्राप्त करने और सीमाबद्ध काल स्मृति संरक्षण अभियान संदर्भ में वापस भेजने के लिए यदि आपके पास मूल्य निर्धारण है तो यह बड़े पैमाने पर फसल कटाई बंद करने के बारे में है। > ### स्टेलोबोट को क्या अलग करता है > > - व्यवहारिक, नियम नहीं > - प्रगतिशील पहचान, पूर्ण विश्लेषण नहीं > - अभियान-aware > - वास्तविक-time, बैच नहीं **[भाग पढ़ें 1: StyloBot: Scrapers के विरुद्ध वापस लड़ना](https://www.mostlylucid.net/blog/botdetection-introduction)** **[भाग पढ़ें 3: संभव रूप से सरल और कोई भी सरल](https://www.mostlylucid.net/blog/botdetection-part3-as-simple-as-possible)** पूर्ण उत्पादन गेटवे के लिए कोड की दो लाइनें **[👉 See It Live](https://stylobot.net)** यह वास्तविक उत्पादन प्रणाली है आरंभिक चल रहा है [![न्यूगेटGenericName](https://img.shields.io/nuget/v/mostlylucid.botdetection.svg)](https://www.nuget.org/packages/mostlylucid.botdetection/) [![जिटहब](https://img.shields.io/github/stars/scottgal/stylobot?style=social)](https://github.com/scottgal/stylobot) [![डॉकर](https://img.shields.io/docker/pulls/scottgal/stylobot-gateway)](https://hub.docker.com/r/scottgal/stylobot-gateway) --- [TOC] --- ## भाग 2 संदर्भ यह पोस्ट सेटअप और कॉन्फ़िगरेशन skips (covered in Part 1), focusing instead on the novel internals that set StyloBot apart --- ## क्यों हम यहाँ हैं? वास्तुकला में घुसने से पहले, खतरा को समझें। ### बोट्स वास्तव में क्या करते हैं बोट्स को श्रेणियों में शामिल किया जाता है 1. **मूर्ख scrapers** (curl लूप्सM SK1 wget): एक ही पथ को बार-बार मांगें 2. **हेडレス ब्राउज़र** (Puppeteer, PlaywrightMSC2 Real browsers better mimic real browsersM SK3 They fetch assetsMST4 handle JavaScriptM ST5 rotate UserM st6AgentsMst7 Harder 3. **आवासीय प्रॉक्सी नेटवर्क**वास्तविक घरेलू आईएसपी आईपी से अनुरोध 4. **LLM-powered bots** यह आपके साइट को एकजुट वार्तालाप बनाए रखने के दौरान crawl करता है। पहले तीन साल से मौजूद हैं **चौथा है जहां गहराई महत्वपूर्ण है** सामान्य वास्तविक लक्ष्यों में मूल्य आसूचना स्क्रैपिंग,Competitive Intelligence crawling, और मॉडल प्रशिक्षण के लिए डेटासेट कटाई. शामिल हैं ### कैसे बोट प्रौद्योगिकी विकसित हो गया है जेनरेशन |------------|--------|---------| | **v1: आधारभूत** एक ही आईपी | **v2: हेडレス** वास्तविक ब्राउज़र | **v3: वितरित** परिवर्तित आईपी | **v4: LLM-Driven** प्राकृतिक ब्राउजिंग पैटर्न **से jump v3 के लिए v 4:** पुराने बोट नियमों या अनियमितता का पालन करते थे *समझना* आपकी साइट संरचना. एक LLM बोट उत्पाद ए को अनुरोध कर सकता है , फिर संबंधित उत्पाद बी और सी ( एक वास्तविक उपयोक्ता के समान \), फिर व्यवस्थित रूप से एक प्रशिक्षित मॉडल के लिए मूल्य निकालने के लिए *अनुक्रम* प्राकृतिक दिखता है, लेकिन *समग्र उद्देश्य* हानिकारक है ### यह क्यों नहीं है आप सोच सकते हैं कि नहीं 1. **उन्नत अनुकूलित बोट चलाने के लिए महंगे होते हैं** प्रशिक्षण लागत, API फीस *प्रभावी* और *लक्ष्यित*. 2. **वे मानवों का असाधारण रूप से अच्छा अनुकरण करते हैं** एक स्टैटिक दर सीमा won'उन्हें पकड़ना नहीं है। 3. **मिथ्या सकारात्मक मूल्यवान हैं** एक वास्तविक उपयोक्ता को गलती से अवरोधित करें, और आप उन्हें खो देते हैं 4. **आक्रमण सतह विस्तारित हो रहा है** Scrapers no longer just want your HTML. They want to poison your search index **संदर्भ पठन** - [OWASP: बोट प्रबंधन](https://owasp.org/www-community/attacks/Bot_attack) - [बोट ट्रैफिक रिपोर्ट](https://www.imperva.com/blog/bot-attack-trends/) - [क्लाउडफ्लेर](https://www.cloudflare.com/learning/bots/what-is-bot-detection/) --- ## कोर वास्तुकला सिद्धांत अधिकांश बोट प्रणालियों में इनमें से एक या दो करता है। 1. **आरंभिक** → सस्ती जांच पहले चलायी जाती है 2. **प्रतिक्रिया-साइड फीडबैक लूप** आपके प्रतिक्रियाओं के आधार पर कैसे उन्नत अनुकूलन bots व्यवहार बदलते हैं captures 3. **Cross-layer correlation** पहचान दावे को जाल सत्य के विरूद्ध (UAM SK2geo)correlates identity claims to make spoofing materially harder 4. **सीमाबद्ध कालावधि स्थिति के साथ हस्ताक्षर स्मृति** → भार के तहत बिना बिना सीमाबद्ध रैम वृद्धि के अभियान संदर्भ को दृश्य बनाता है 5. **संक्रमण मॉडलिंग (Markov** → चिह्नों को व्यवस्थित निष्कर्षन नमूने लगते हैं जो मानव के प्रति दिखता है, लेकिन अनुक्रम आकार स्तर पर विभेद करता है 6. **अभियान समूहीकरण + संvergency** कई कमजोर प्रति--से मांग संकेतों को स्थायी अभियान इकाइयों में परिवर्तित करता है यह निर्णय स्पष्ट करने योग्य बनाए रखने के दौरान उच्च बर्तावीय रिजोल्यूशन सक्षम करता है --- ## एक चित्र में पाइपलाइन ```mermaid flowchart LR R[Request] --> W[Wave Contributors] W --> A[Evidence Aggregation] A --> S[Signature + Temporal Context] S --> P[Probability, Confidence, Risk Band] P --> X[Policy Action] X --> Y[Response Outcome] Y --> F[Response Feedback Loop] F --> W ``` `Wave contributors` स्टेज्ड डिटेक्टर अवयव हैं फीडबैक लूप को ध्यान दें **[इस पाइपलाइन को उत्पादन में stylobot.net पर देखें](https://stylobot.net)** एक अनुरोध प्रस्तुत करें और पाइपलाइन के माध्यम से उसका अनुसरण आरंभिक --- ## आरंभिक बाहरी निष्पादन मॉडल (वेव-ऑर्चेस्ट्रेट डेटेक्टर ग्राफM SK2 प्रत्येक अनुरोध पर सभी डिटेक्टर चलाने के बजाय **स्टेज्ड पाइपलाइन**सबसे पहले तेजी से जाँचें चलती हैं। यदि वे किसी संदिग्ध बात को चिह्नित करें तो यह CPU पर खर्च करता है। **यह क्यों महत्वपूर्ण है** आप पूर्ण विश्लेषण की लागत नहीं दे रहे हैं ```csharp services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); ``` यह तेज पथ लटेनसी को कम रखता है जबकि गहरा विश्लेषण तभी सक्षम करता है जब आरंभिक संकेतों द्वारा गारंटी दी जाती है --- ### जहां मौजूदा बोट खोज प्रणाली बंद हो जाती है अधिकतर उत्पादन बोट पता सेवाएं v यंत्रित करता है। | समाधान | | | तक संभालता है & #44; | | लागत पर रोकता है। |----------|---------------|----------|------|--------------| | **साधारण दर सीमा** मुक्त (OSS | **AWS WAF + आईपी प्रतिष्ठा** | vM SK1v2 | v\3 | | 5 | 6 |month | 7 | per | 8 | request fees | 9 | GeoIP | 10 | known | 11 | bad IP lists | 12 | No behavioral modeling| 13 | 14 | **क्लाउडफ्लेर बोट प्रबंधन** | vM SK1v3 | v+4 \partiallyMSC6 | | |\ |~$250-1000/\month \ |\ TLS fingerprinting | {\displaystyle TLS Fingerprinting\,} ,\ JS challenge | & #44; ,\ behavioral scoring (आचारिक अंकगणना) | **Imperva/Incapsula** क्रें | **डेटाडोम** | vM SK1v3 | v+4 \partiallyMSC6 | | | |~$5000-25000/ |year \| | Real | - |time ML scoring | | **अकमै बोट प्रबंधक** | vM SK1v3 | v+4 \partiallyMSC6 | | | |~$10000-50000+/ |year | ( |custom |) | | **ओपन सोर्स** (failMSC1ban,etcM SK3 | vMNK5 \| v\MNK7 || Free \ (OSSMRK10\ \|\ Log \ -\based IP blocking | . | No real \ -\time request instrumentation | . | \| | **स्टिलियोबोटName** उपरोक्त सभी प्रतिक्रिया रिबैकबैक लूप्स + transition modeling + signature memory + cluster convergence LLM **लागत वास्तविकता जाँच** - उद्यम समाधान (CloudflareM SK1 Imperva, DataDomeMSC3 AkamaiMST4 हैं **प्रतिवर्ष $3,000-$50,000+** क्योंकि वे SaaS को 24/7 समर्थन और त्वरित डेटा इनग्रेशन के साथ प्रबंधित कर रहे हैं - ओपन सोर्स (fail - **स्टेलोबोट निःशुल्क है** (अधिकृत अनुज्ञप्ति प्राप्त NuGet पैकेज), स्वंय -होस्ट किया गयाM SK3 और ह्यान्डल करता है v **प्रमुख अंतर्दृष्टि** अधिकतर उद्यम समाधान (CloudflareM SK1Imperva,AkamaiMSC3v\3detectionके लिए मजबूत हैं। 1. **कोई प्रतिक्रिया नहीं** → क्या कर सकता है' ट्रैक कैसे बॉट्स आपके प्रतिक्रियाओं से सीखते हैं 2. **कोई संक्रमण मॉडलिंग नहीं** ब्राउज़िंग पैटर्न जो मानवीय दिखते हैं लेकिन व्यवस्थित रूप से निकालने के लिए अलग नहीं कर सकते 3. **कोई सीमाबद्ध काल स्मृति नहीं** DDoS के तहत मेमोरी लीक 4. **कोई स्पष्ट अभियान समूहन नहीं** प्रत्येक बोट हस्ताक्षर को स्वतंत्र रूप से व्यवहार करें **वे गलत नहीं हैं, '—They handle the market that existed in** लेकिन एलएलएम बोट्स ने खेल को बदल दिया। --- ## वास्तुकला गहरी डुबोरी शेष डाक पाइपलाइन में प्रत्येक तंत्र के माध्यम से चलता है --- ## प्रतिक्रिया-Request Scoring में पृष्ठपोषण स्टेलोबोट प्रतिक्रिया व्यवहार रिकॉर्ड करता है और इसे एक ही क्लाइंट हस्ताक्षर के लिए आने वाले अनुरोध निर्णय में फोल्ड करता है ### मिडलवेयर में हुक बिन्दु ```csharp private async Task RecordResponseAsync( HttpContext context, AggregatedEvidence evidence, ResponseCoordinator coordinator, DateTime requestStartTime) { var ip = context.Connection.RemoteIpAddress?.ToString() ?? "unknown"; var ua = context.Request.Headers.UserAgent.ToString(); var clientId = $"{ip}:{GetHash(ua)}"; var signal = new ResponseSignal { RequestId = context.TraceIdentifier, ClientId = clientId, Timestamp = DateTimeOffset.UtcNow, StatusCode = context.Response.StatusCode, Path = context.Request.Path.Value ?? "/", Method = context.Request.Method, RequestBotProbability = evidence.BotProbability, InlineAnalysis = false }; await coordinator.RecordResponseAsync(signal, CancellationToken.None); // Improve transition modelling with observed response content type waveform?.UpdateResponseContentType(clientId, context.Response.ContentType); } ``` ### इससे क्या योगदान होता है `ResponseBehaviorContributor` जैसे संकेत जोड़ सकते हैं - **हनीपोट पथ Hits:** आपके पास गुप्त मार्ग हैं जो वास्तविक उपयोक्ता कभी नहीं visit (like `/admin/secret.php`एक बोट जो इन की मांग करता है स्पष्ट रूप से हानिकारक है - **स्कैन पैटर्न** एक बोट अनुरोध करता है 50 भिन्न पथ जो नहीं हैं कि ' अस्तित्व में नहीं है - **दुर्बल संघर्ष** बार-बार 401/403 प्रतिक्रिया प्राप्त करने का अर्थ है कि कोई व्यक्ति - **दर-सीमा उल्लंघन इतिहास** स्ट्रॉट किए जाने के बाद बोट आपको हिट करता रहता है - **उच्च मिश्रित प्रतिक्रिया अंक** ऊपर के संयोजन से जानबूझकर हमला दिखाता है यह पता लगाना एक में बदलता है **बंद `-`लूप नियंत्रण प्रणाली**: आप देखते हैं कि bot कैसे व्यवहार करता है *बाद* तुमने इसका जवाब दिया-, , और यह अगले अनुरोध के लिए आपकी स्कोरिंग बदलता है --- ## नवान्वेषी बिट #2: Markov-शैली संक्रमण मॉडलिंग तरंगरूप डिटेक्टर एक बनाता है **संक्रमण मैट्रिक्स** एक तालिका जो दिखाता है कि कितनी बार अनुरोध एक प्रकार से दूसरे में खिसकाते हैं **स्पष्ट भाषा में इसका अर्थ क्या है** एक मार्कोव मॉडल ट्रैक करता है "आख़िर क्या होगा?" जो कुछ आपने अभी देखा था पर आधारित होता है। ```csharp var transitions = new int[3, 3]; var fromCounts = new int[3]; for (var i = 1; i < classes.Count; i++) { var from = (int)classes[i - 1]; var to = (int)classes[i]; transitions[from, to]++; fromCounts[from]++; } var pageToAsset = (double)transitions[(int)ContentClass.Page, (int)ContentClass.Asset] / fromCounts[(int)ContentClass.Page]; var pageToPage = (double)transitions[(int)ContentClass.Page, (int)ContentClass.Page] / fromCounts[(int)ContentClass.Page]; ``` तब यह संदिग्ध संक्रमण आकार चिह्नित करता है ```csharp if (pageToPage > 0.7 && pageCt >= 5) contributions.Add(DetectionContribution.Bot( Name, "Waveform", 0.6, $"Scraper pattern: {pageToPage:P0} of page requests lead to another page", weight: 1.5, botType: BotType.Scraper.ToString())); ``` **लाल झंडा** यदि पृष्ठ अनुरोधों का 70% सीधे दूसरे पृष्ठ पर जाता है, तो वास्तविक ब्राउज़र की तरह आस्तियों को लाने के बजाय ( यह एक बोट हस्ताक्षर है। --- ## नवीन बिट #3: तरंग- ऑर्किस्ट्रेट डेटेक्टर ग्राफ प्रत्येक अनुरोध पर सभी डिटेक्टर चलाने के बजाय **स्टेज्ड पाइपलाइन**सबसे पहले तेजी से जाँचें चलती हैं। यदि वे किसी संदिग्ध बात को चिह्नित करें तो यह CPU पर खर्च करता है। **यह क्यों महत्वपूर्ण है** आप पूर्ण विश्लेषण की लागत नहीं दे रहे हैं ```csharp services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); services.AddSingleton(); ``` यह तेज पथ लटेनसी को कम रखता है जबकि गहरा विश्लेषण तभी सक्षम करता है जब आरंभिक संकेतों द्वारा गारंटी दी जाती है --- ## नवीन बिट #4: क्रॉस - लेयर कोरलिएशन | ( | नेटवर्क सत्य विपरीत दावा पहचान एक बोट अपने उपयोक्ता के बारे में झुठला सकता है **विचार** जाँचें कि क्या bot' के दावे बहुविध स्तरों में संगत हैं - **टीसीपी परत** Windows मशीनों में विशिष्ट TCP विंडो आकार और व्यवहार हैं - **TLS/SSL परत** अलग-अलग ब्राउज़र विभिन्न TLS सिफर आदेश और संस्करणों का प्रयोग करते हैं। - **HTTP/2 परत** ब्राउज़र संरचनाओं के अनुरोधों की तरह ): वास्तविक ब्राउजरों में विशिष्ट HTTP है - **भौगोलिक** consistency: क्या बोट Tokyo में होने का दावा करता है लेकिन एक AWS डेटा सेंटर आईपी का उपयोग कर रहा है यदि आप 3+ लेयरों के बीच असमानता को देखते हैं, तो यह लगभग निश्चित रूप से एक बोट है। ```csharp var osMismatch = AnalyzeOsCorrelation(tcpOsHint, tcpWindowOsHint, userAgentOs, signals); var browserMismatch = AnalyzeBrowserCorrelation(h2ClientType, userAgentBrowser, tlsProtocol, signals); var tlsMismatch = AnalyzeTlsCorrelation(tlsProtocol, userAgentBrowser, signals); var geoMismatch = AnalyzeGeoCorrelation(state, signals); if (anomalyCount >= 3) contributions.Add(DetectionContribution.Bot( Name, "Correlation", 0.85, $"Multiple layer mismatches detected ({anomalyCount}/{totalLayers})", weight: 2.0, botType: BotType.MaliciousBot.ToString())); ``` यह स्टैक में सबसे मजबूत ढलान प्रतिरोधी तंत्र है --- ## नया बिट #5: सिमित अस्थायी स्थिति के साथ हस्ताक्षर स्मृति स्टेलोबोट याद करता है कि प्रत्येक bot हस्ताक्षर ने हाल ही में क्या किया है **घेरे हुए** (canM SK1t grow forever) and **आदेशित** अद्यतन एक दूसरे में दौड़ नहीं कर सकते **यह क्यों कठिन है** Imagine a bot keeps hitting your site from the same IP and User स्टिलोबोट टीटीएल के साथ यह हल करता है ```csharp _signatureCache = new SlidingCacheAtom( async (signature, ct) => new SignatureTrackingAtom(signature, _options, _logger), _options.SignatureTtl, _options.SignatureTtl * 2, _options.MaxSignaturesInWindow, Environment.ProcessorCount, 10, _signals); _updateAtom = new KeyedSequentialAtom( req => req.Signature, async (req, ct) => await ProcessSignatureUpdateAsync(req, ct), Environment.ProcessorCount * 2, 1, true, _signals); ``` आप पर निर्णायक प्राप्त कर सकते हैं per-signature ordering,parallelism across signaturesM SK2 और स्वचालित TTL --- ## नवान्वेषी बिट #6: क्लस्टर | + | कवर्नेज इंटेलिजेंस स्टेलोबोट एकल पर नहीं रोकता। - **बोट उत्पाद समूह** एक ही स्क्रैपिंग उपकरण कई हमलावरों द्वारा उपयोग किया जाता है. यदि आप से एक bot पहचानते हैं `ScraperXYZ`एक दूसरे को ढूंढने से विश्वास बढ़ता है - **बोट नेटवर्क क्लस्टर** एकाधिक हस्ताक्षरों से समन्वयित आक्रमण (विभिन्न आईपी्स,रोटेटिंग उपयोक्ता -एजेंटेंM SK3 लेकिन समान अभियानMSC4 ये कालांतरिक रूप से सुसंगत हैं - **पतन के साथ देश की प्रतिष्ठा** क्या अधिकांश बोट ट्रैफिक विशिष्ट क्षेत्रों में डेटा सेंटर आईपी से आता है - **हस्ताक्षर रूपांतरण परिवार** कभी-कभी एक बोट अपने उपयोक्ता को आंशिक रूप से घूमता है ```csharp var cluster = _clusterService.FindCluster(signature); if (cluster != null) { signals[SignalKeys.ClusterType] = cluster.Type.ToString().ToLowerInvariant(); signals[SignalKeys.ClusterMemberCount] = cluster.MemberCount; if (cluster.Type == BotClusterType.BotProduct) contributions.Add(BotContribution( "Cluster", $"Part of bot product cluster '{cluster.Label}' ({cluster.MemberCount} members)", confidenceOverride: ProductConfidenceDelta, botType: "Scraper")); } var family = _signatureCoordinator.GetFamily(signature); if (family != null && family.MemberSignatures.Count > 1) { contributions.Add(BotContribution( "ConvergedFamily", $"Part of converged family ({family.MemberSignatures.Count} members, {family.FormationReason})", confidenceOverride: familyBoost)); } ``` यह सीमावर्ती यातायात के लिए पता लगाने की गुणवत्ता को बढ़ाता है बिना हर अज्ञात को अंधा रूप से बढाने के --- ## लीडन बोट-नेटवर्क क्लस्टरिंग मौजूदा क्लस्टरिंग उपयोग **लेबल प्रसार** एक नेटवर्क के माध्यम से रंगीन लेबल फैलाने की कल्पना करें **लीडेन-style समुदाय सुधार** पास समुदाय सीमाओं को बेहतर बनाने के द्वारा चीजों को साफ करता है **साधारण अंग्रेजी:** आपके पास बॉट हस्ताक्षरों का एक आलेख है-,, जिसके किनारे समान चिह्नों को जोड़ते हैं। . लीडन एक एल्गोरिथ्म है जो यह पता लगाता है कि कौन से हस्ताक्षर स्वाभाविक रूप से एक साथ एकत्रित होते हैं। यह क्यों महत्वपूर्ण है 1. नाइव ग्राफ पार्टीशनिंग से बेहतर समुदाय गुण 2. फिर से चलाए जाने पर अधिक स्थिर समुदाय 3. बोट उत्पादों और समन्वयित बोट नेटवर्क के बीच स्वच्छ अलगाव 4. नीति और ऑपरेटर कार्यप्रवाहों के लिए मजबूत नीचे की लेबल उच्च स्तर प्रवाह ```mermaid flowchart LR V[Signature feature vectors] --> G[Weighted similarity graph] G --> L[Leiden community optimization] L --> R[Refinement and reassignment] R --> C[Stable bot-network communities] C --> P[Policy signals and dashboard labels] ``` शैली पास उपकूट ```csharp // Pseudocode for community refinement pass var graph = BuildSimilarityGraph(signatureVectors); var communities = Leiden.DetectCommunities( graph, resolution: 1.0, seed: 42); foreach (var community in communities) { var score = ComputeCommunityBotScore(community); var temporal = ComputeTemporalDensity(community); if (score >= botThreshold && temporal >= temporalThreshold) EmitCluster(community, type: BotClusterType.BotNetwork); } ``` यह महत्वपूर्ण है क्योंकि यह आपको स्थायी अभियान देता है वर्तमान उत्पादन क्रियान्वयन विवरण के लिए 1. [क्लस्टर पता लगाने के डक](https://github.com/scottgal/stylobot/blob/main/Mostlylucid.BotDetection/docs/cluster-detection.md) 2. [गहराई में डिटेक्टर](https://github.com/scottgal/stylobot/blob/main/mostlylucid.stylobot.website/src/Stylobot.Website/Docs/detectors-in-depth.md) --- ## नई विशेषताएँ रनटाइम नियंत्रण सतह हैं एमवीसी विशेषताएं परिचालन नियंत्रण विमान प्रदान करती हैं ```csharp [BotPolicy("strict")] [BotAction("challenge", FallbackAction = "block")] public IActionResult Checkout() => Ok(); [BotDetector("UserAgent,Header,Ip", BlockAction = BotBlockAction.Throttle)] public IActionResult MultiDetector() => Ok(); ``` **ये क्या करते हैं** आप व्यक्तिगत अंतबिंदुओं को सुरक्षा पोशाक के साथ चिह्नित करें जो उन्हें चाहिए। **[विभिन्न नीतियों का प्रयास करें stylobot.net पर](https://stylobot.net)** - परीक्षण `strict`, `balanced`, और `permissive` उत्पादन में नीतियों को एक-दूसरे के साथ देखें --- ## स्टेलोबोट साइट का अभिकल्पन कैसे किया जाता है सार्वजनिक स्थल भी एक उत्पादन है ```mermaid flowchart LR I[Internet] --> C[Caddy] C --> G[Stylobot.Gateway] C --> W[Website for SignalR hub route] G --> W W --> T[(TimescaleDB/PostgreSQL)] G --> T G --> O[Ollama optional] ``` **इसे कैसे पढ़ा जा सकता है** Caddy (reverse proxyM SK1 routes traffic. Some goes to the Gateway (which runs all bot detectionMSC4 some goes directly to the Website (for real\-time telemetry dashboards\M SK7 Both can write to the database\. The Gateway can optionally use Ollama (local AI models\MST10 for advanced analysis\MSP11 इस विभाजन का काम क्यों करता है 1. गेटवे अनुप्रयोग मार्गों से पहले पता लगाने को लागू करता है. 2. जीवंत टेलीमीटरी के लिए SignalR हाब पथ स्थिर रहता है 3. साझा निरंतरता एक एकीकृत संचालन दृश्य देता है --- ## यह क्यों महत्वपूर्ण है इन पांच विभेदकः-—=closed; -=loop detection;,=transition; MSC3=shape modeling; M SK4=temporal signature memory; ,=cross; MST6=layer correlation; MSP7=campaign, MST8=level cluster context; M ST9=deliver behavioral resolution that standard regex; M SP10+M SP11=rate, M SP12=limit systems cannot match **उन्हें कार्य में देखना चाहते हैं** यहाँ जाएँ **[stylobot.net](https://stylobot.net)** और उत्पादन में डिटेक्टर का परीक्षण। --- ## तकनीकी अवधारणाएं: प्राधिकृत संदर्भ यदि उपर्युक्त तकनीकी शब्दों को नया लगता है तो यहाँ कंप्यूटर विज्ञान और नेटवर्क सुरक्षा साहित्य के मानक संदर्भ हैं ### मार्कव चेन & संक्रमण विश्लेषण - [विकिपीडिया: मार्कव चेन](https://en.wikipedia.org/wiki/Markov_chain) - " के लिए बुनियादी संकल्पना - [स्टैनफोर्ड CS109: छुपे मार्कोव मॉडल](https://cs109.github.io/data-science/hmm/) वास्तविक विश्व अनुक्रम समस्याओं के लिए लागू ### ग्राफ क्लस्टरिंग & समुदाय पता लगाना - [लीडन एल्गोरिथम पेपर (Traag et al., 2019)](https://arxiv.org/abs/1810.03247) - राज्य[स्थानीय गाइड](https://github.com/scottgal/stylobot/blob/main/Mostlylucid.BotDetection/docs/cluster-detection.md)) - [लेबल प्रसार एल्गोरिथ्म](https://en.wikipedia.org/wiki/Label_propagation) - StyloBot के आधारलाइन क्लस्टरिंग कैसे काम करता है ### नेटवर्क फ़िंगरप्रिंटिंग & क्रॉस - [टीएलएस फ़िंगरप्रिंटिंग (JA3/JA≥4)](https://github.com/salesforce/ja3) TLS हस्ताक्षर मिलान के लिए - उद्योग मानक - [TCP/IP स्टैक फ़िंगरप्रिंटिंग](https://nmap.org/book/host-discovery-techniques.html) - Nmap - [HTTP/2 फ़िंगरप्रिंटिंग](https://www.cloudflare.com/learning/http/http2/) - HTTP के व्यवहार में ब्राउज़र कैसे भिन्न होते हैं - [औठाछाप](https://owasp.org/www-community/attacks/Fingerprinting) ### अस्थायी राज्य प्रबंधन & कैश डिजाइन - [TTL-आधारित कैशिंग रणनीति](https://en.wikipedia.org/wiki/Time_to_live) - समाप्ति के साथ सीमाबद्ध स्मृति - [LRU Cache with TTL](https://docs.microsoft.com/en-us/dotnet/api/system.runtime.caching.memorycache) - .NET संदर्भ कार्यान्वयन ### व्यवहार विश्लेषण & असामान्यता पहचान - [समय श्रृंखला में बाहरी खोज](https://en.wikipedia.org/wiki/Anomaly_detection) - मूलभूत संकल्पनाएं - [OWASP: व्यवहार-आधारित दर सीमा](https://owasp.org/www-community/attacks/Rate_Limiting) - जब और क्यों स्थिर सीमा असफल ### LLM-Driven bots & Dataset Poisoning - [मशीन अधिगम मॉडलों के विरुद्ध डेटा विषाक्तता](https://arxiv.org/abs/1811.03728) - why scrapers target your data - [एलएलएम प्रशिक्षण डेटा निष्कर्षण](https://arxiv.org/abs/2302.07933) - why bots want your content --- ## अधिक जानें (Deep Technical Docs) यह पोस्ट वर्णनात्मक प्रदर्शन है 1. [मुख्य रिपो README](https://github.com/scottgal/stylobot/blob/main/README.md) 2. [बोटडेक्शन API संदर्भ](https://github.com/scottgal/stylobot/blob/main/Mostlylucid.BotDetection/docs/api-reference.md) 3. [स्टेलोबोट कैसे काम करता है](https://github.com/scottgal/stylobot/blob/main/mostlylucid.stylobot.website/src/Stylobot.Website/Docs/how-stylobot-works.md) 4. [गहराई में डिटेक्टर](https://github.com/scottgal/stylobot/blob/main/mostlylucid.stylobot.website/src/Stylobot.Website/Docs/detectors-in-depth.md) 5. [प्रशिक्षण डेटा API](https://github.com/scottgal/stylobot/blob/main/Mostlylucid.BotDetection/docs/training-data-api.md) 6. [क्लस्टर पता लगाना](https://github.com/scottgal/stylobot/blob/main/Mostlylucid.BotDetection/docs/cluster-detection.md) --- ## भाग 3 भाग 3 उत्पादन ट्यूनिंग को कवर करेगा : थ्रेसहोल्ड्स, गलतM SK3 सकारात्मक नियंत्रण