Автор Хабра завела фейковую анкету в teamo и проверила ботов-мошенников

Автор материала на Хабре поставила простой эксперимент. Она создала в дейтинг-приложении teamo анкету «максимально обеспеченного и привлекательного» человека и стала смотреть, кто напишет первым и по какому сценарию. Исходная мысль: больше всего от нейросетей выигрывают не стартапы и не корпорации, а мошеннические организации. Автор прямо говорит, что подозревает это, но доказать не может. Мы видим только анонс, полный текст лежит под катом, поэтому ниже разобрано то, что заявлено, и контекст вокруг него.

Как устроен эксперимент

Профиль построен как приманка. Высокий достаток и яркая внешность нужны, чтобы привлечь тех, кто работает по заранее подготовленным сценариям. Такие схемы рассчитаны и на мужчин, и на женщин, поэтому жертвой может стать любой пользователь.

Площадку выбрали по наблюдениям: знакомые и коллеги автора чаще всего получали подозрительные предложения именно из teamo. Это выборка из личного круга, а не статистика платформы. Автор отдельно оговаривает, что у неё возникло ощущение, будто сервис передаёт данные пользователей заинтересованным лицам. Она считает это маловероятным и «хочет верить», что дело не в этом. Второй вариант — уязвимость, через которую данные утекают. По её словам, профессионалам найти такую брешь несложно. Обе версии пока остаются предположениями.

Параметры эксперимента из анонса:

• Площадка: дейтинг-приложение teamo.
• Инструмент: специально созданная анкета с обеспеченным и привлекательным профилем.
• Объект наблюдения: боты и сценарии мошенников, в том числе на нейросетях.
• Главная гипотеза: у мошенников самая высокая экономическая отдача от внедрения ИИ (не доказана).
• Побочная гипотеза: утечка или передача пользовательских данных (автор считает её маловероятной).

Почему нейросети делают такие схемы массовыми

Дальше идёт наш комментарий, а не данные из статьи. Романтическое мошенничество всегда упиралось в человеческое время. Оператору нужно вести десятки переписок, держать легенду и вовремя переходить к просьбе о деньгах. Языковая модель снимает это ограничение: она отвечает без пауз, подстраивается под стиль собеседника и не путается в «биографии». Стоимость одного диалога падает, количество диалогов растёт, а вместе с ними растёт и конверсия.

Масштаб проблемы и без ИИ был заметен. По данным американской FTC, в 2022 году жертвы романтических афер потеряли около 1,3 млрд долларов. Если автоматизация даже частично сохраняет эффективность и снижает издержки, экономика схемы становится ещё привлекательнее. Так что тезис автора звучит правдоподобно, хотя без собственных цифр остаётся гипотезой.

В анонсе пока нет ответов на несколько вопросов:

• как автор определила, что собеседник — бот;
• на каком этапе диалога появляется просьба о деньгах или переход во внешний мессенджер;
• какие сценарии повторялись;
• есть ли технические признаки утечки.

От этого зависит ценность полного текста: хороший разбор должен показать конкретные переписки и закономерности, а не только общее впечатление.

Как не попасться

На практике несколько признаков помогают отсеять бота.

• Слишком быстрый ответ в любое время суток и безупречно ровный стиль.
• Уход от конкретных вопросов: ответ звучит гладко, но ничего не сообщает.
• Быстрое предложение перейти в другой мессенджер или на внешнюю платформу.
• Любые ссылки на «выгодные вложения», сервисы и инвестиции.
• Просьба о деньгах, предоплате или данных карты на любом этапе.

Проверить собеседника можно обратным поиском фотографий и коротким видеозвонком. Видео уже не гарантирует подлинности из-за дипфейков, но звонок остаётся барьером для массовой схемы. Если приложение запрашивает избыточные разрешения или после регистрации внезапно приходят спам и подозрительные письма, стоит подумать о том, куда утекают данные. Для самого сервиса это сигнал усилить модерацию и антифрод, а для команд безопасности — повод отслеживать поведенческие признаки ботов, а не только текст сообщений.