Anormallik Algılama, anormal trafiği olceklenebilir bir şekilde tespit etmek icin Histogram Tabanlı Aykırı Değer Puanlama (HBOS) adlı bir algoritma kullanır . Yerel aykırı değerler soz konusu olduğunda HBOS, kNN gibi algoritmalardan daha az hassas olsa da, kuresel aykırı değerleri hızlı bir şekilde (doğrusal zamanda) puanlayabilir.

Her davranışsal bot algılamasının iki bolumu vardır: siteye ozgu temel ve ziyaretciye ozgu davranış modeli. Muazzam miktarda veriyi depolamak ve analiz etmek icin acık kaynaklı bir sutun veritabanı olan ClickHouse'u yoğun bir şekilde kullanıyoruz . Bir muşteri Anormallik Tespiti'ni sectiğinde, sitesi icin benzersiz bir temel oluşturmak uzere ClickHouse'da trafik verilerini toplamaya başlarız.

Ziyaretci davranışını anlamak icin, Redis'i kullanarak bellekte toplanan gecici ozelliklerin kayan bir penceresini koruyoruz . HyperLogLog veri yapıları, bu yuksek kardinal ozellikli ozelliklerin benzersiz sayılarını verimli bir şekilde depolamamıza ve tahmin etmemize olanak tanır. Bu veriler gizliliğe duyarlı olduğundan, yalnızca yeni bir zaman aralığında saklanır ve dahil edilen her siteye ozeldir. Bu, sorunlu alanın yuksek onemine bağlı olarak verimli veri temsilleri yapar.

Her bir tespit calışmasının cıktısı, bir ziyaretcinin davranışının soz konusu site icin temele gore ne kadar anormal olduğunu temsil eden aykırı bir puandır . Bu aykırı puan, ucta kullanılmak uzere nihai bot puanı hesaplamasına aktarılır.