ВИЯВЛЕННЯ ШТУЧНО ЗБІЛЬШЕНОГО ТРАФІКУ (AIT) В A2P-МЕСЕДЖИНГУ: МОДЕЛІ ЧАСОВИХ ВІКОН ТА ПРЕФІКСНА АНАЛІТИКА ДЛЯ ПРОТИДІЇ ШАХРАЙСТВУ

У статті досліджується зростаюча проблема штучно збільшеного трафіку (Artificially Inflated Traffic, AIT) у сервісах Application-to-Person (A2P) SMS та пропонується інтерпретована, метаданими керована методика для його виявлення й блокування в режимі реального часу. Показано, що AIT використовує легальні канали доставки, формуючи швидкі або розподілені «сплески» вихідних повідомлень до послідовних або близьких діапазонів MSISDN, що призводить до значних фінансових втрат для підприємств і CPaaS-платформ та знижує ефективність доставки. Для вирішення цієї проблеми запропоновано префіксно-орієнтований підхід, що базується на аналізі фіксованих і ковзних часових вікон, порогах за кількістю повідомлень та унікальних MSISDN, а також на оцінці ентропії розподілу номерів. Методологія включає аналіз великомасштабних емпіричних датасетів, порівняння затримки виявлення й ефективності блокування, а також інтеграцію результатів із раніше розробленими метриками ефективності доставки — індексом гарантованої доставки (IGDP) та показником ціна–доставка (PDG). Експериментальні результати демонструють, що аналіз фіксованих вікон забезпечує до 96% блокування високінтенсивних AIT-атак, тоді як ковзні вікна дають змогу раніше виявляти короткотривалі аномалії. Дослідження також показує ризик хибних спрацювань для легітимних маркетингових кампаній, що підкреслює необхідність використання додаткових ознак — профілю поведінки відправника, класифікації контенту та багаторівневих моделей аномалій. У висновках визначено, що прозорі статистичні моделі формують надійну основу для протидії AIT і наведено практичні рекомендації щодо підвищення стійкості CPaaS-інфраструктур до шахрайства.