Учимся отличать реальные email адреса от сгенерированных с CatBoost

Владельцы веб-ресурсов часто сталкиваются с проблемой регистрации фейковых аккаунтов, что требует внедрения эффективных систем защиты. В новой статье на Habr автор подробно описывает процесс создания модели машинного обучения на базе CatBoost для оценки «человечности» email-адресов и вычисления их скоринга. В материале пошагово рассматриваются ключевые этапы разработки: подготовка и разметка датасета, создание синтетических данных для обучения, а также методы feature engineering. Особое внимание уделяется использованию n-грамм и специализированных словарей имен для повышения точности классификации. Этот подход позволяет автоматизировать фильтрацию подозрительных регистраций и снизить уровень фрода на платформе. Статья будет полезна разработчикам и специалистам по безопасности, стремящимся внедрить ML-решения для борьбы с нежелательным трафиком и автоматизированными ботами.