4

Крёстный отец спама: как страховой агент сделал $3M, а потом утонул в собственной почте⁠⁠

Эта история не про модный stack из 2026 года, а про то, как один человек в начале нулевых превратил электронную почту в личный банкомат. И почему любому, кто сегодня тренирует антиспам и антифрод модели, полезно держать её в голове как бенчмарк здравого см

Эта история не про модный stack из 2026 года, а про то, как один человек в начале нулевых превратил электронную почту в личный банкомат. И почему любому, кто сегодня тренирует антиспам и антифрод модели, полезно держать её в голове как бенчмарк здравого см

Алан Ральски был обычным агентом по страхованию жизни в Мичигане. В 1996 году у него отозвали лицензию за махинации с полисами. Карьера закончилась, на руках долги и испорченная репутация. Он продал машину, купил два компьютера и начал делать то, что тогда ещё никто всерьёз не умел останавливать. Рассылать письма незнакомцам.

К 2002 году инфраструктура Ральски отправляла сотни миллионов писем в день. Он арендовал серверы по всему миру, скупал базы адресов, поднимал прокси и переписывал заголовки быстрее, чем провайдеры успевали добавлять его IP в blacklist. Никаких трансформеров и embedding моделей у спам-фильтров тогда не было. Стояли наивные байесовские классификаторы и ручные регулярки, и Ральски обходил их элементарной перестановкой слов и заменой символов.

Сама схема была примитивной до неприличия. Покупаешь акции дешёвой китайской компании по несколько центов за бумагу. Рассылаешь миллионам получателей письмо в духе "инсайдерская информация, тикер вырастет в десять раз на следующей неделе". Часть людей покупает, цена ползёт вверх, ты сливаешь свой пакет на пике. Классический pump and dump, но в масштабе, который раньше был доступен только организованным группам с целым колл центром.

Только летом 2005 года Ральски заработал на этом 3 миллиона долларов. Он построил себе особняк площадью 8000 квадратных футов и в интервью Detroit Free Press назвал получившийся дом "the house that spam built". В том же интервью он на голубом глазу заявил, что спам это "величайшая бизнес модель в мире".

Дальше начинается часть, которую сегодня не выдумал бы и сценарист. Кто то выложил ссылку на интервью на Slashdot. Сообщество вычислило домашний адрес Ральски и подписало его на каждый бумажный каталог, журнал и рекламную рассылку, до которых смогло дотянуться. Несколько лет почтовый ящик "крёстного отца спама" был физически забит спамом. Он сам стал датасетом, на котором тренировалась коллективная месть.

В том же 2005 году к нему пришло ФБР. Через три года Ральски и десять его партнёров из Гонконга, России, Калифорнии и Аризоны получили обвинения по делу о биржевых манипуляциях и нарушении CAN SPAM Act. Лично он сел на 51 месяц, заплатил 250 тысяч долларов компенсации и ещё 250 тысяч штрафа. Король спама был погребён сначала в спаме, потом в федеральной тюрьме.

Почему эта история до сих пор актуальна для ML и AI команд. Во первых, поведенческая часть схемы Ральски никуда не делась, она просто переехала в Telegram, Discord и крипто чаты, а вместо китайских penny stocks теперь mem coins и NFT. Те же сигналы координированной активности, те же графы аффилированных аккаунтов, та же экспоненциальная кривая объёма сообщений перед сливом. Всё это отлично детектируется современными графовыми нейросетями и моделями на временных рядах, но только если команда не забывает строить признаки именно для пампа, а не абстрактного "плохого контента".

Во вторых, контентные классификаторы ловят форму, а не намерение. Ральски обходил фильтры 2002 года не потому что был гениальным инженером, а потому что фильтры решали не ту задачу. Сегодня большие языковые модели неплохо понимают семантику письма, но злоумышленники тоже сидят на тех же LLM и генерируют бесконечные перефразировки. Гонка вооружений сместилась с уровня токенов на уровень намерений и метаданных, и команды, которые продолжают чинить фильтры регулярками, проигрывают её ровно так же, как в нулевых.

В третьих, дело Ральски это напоминание про роль внешних сигналов. Его поймали не идеальные алгоритмы, а сочетание журналистского интервью, толпы на Slashdot и ФБР с ордером. В продакшене любой антифрод системы работает та же связка. Модель ловит подозрительных, людские разборы и регуляторика добивают. Если в команде нет процесса передачи сигналов от ML к compliance, лучшая модель будет стрелять в воздух.

Главный вывод не про спам и не про penny stocks. Он про то, что любая инфраструктура, которая раздаёт людям дешёвый канал до миллионов получателей, рано или поздно становится оружием. В 2002 году это была SMTP, в 2016 социальные сети, сегодня агентные LLM с доступом к почте, мессенджерам и API бирж. Архитектура меняется, бизнес модель спамеров остаётся прежней, и каждый раз индустрия проходит один и тот же цикл. Сначала восторг от нового канала, потом волна злоупотреблений, потом запоздалые модели и регуляторика.

Если вы строите что то на стыке агентов и коммуникаций в 2026 году, перечитайте историю Ральски. Очень помогает не повторять чужой особняк, построенный на спаме.

Источник в X: https://x.com/0xSweep/status/2047683834695577960

0
Автор поста оценил этот комментарий

Те же сигналы координированной активности, те же графы аффилированных аккаунтов, та же экспоненциальная кривая объёма сообщений перед сливом. Всё это отлично детектируется современными графовыми нейросетями и моделями на временных рядах, но только если команда не забывает строить признаки именно для пампа, а не абстрактного "плохого контента".

Было бы круто иметь такую ии модель которая также детектит волны вбросов и их причины

Темы

Политика

Теги

Популярные авторы

Сообщества

18+

Теги

Популярные авторы

Сообщества

Игры

Теги

Популярные авторы

Сообщества

Юмор

Теги

Популярные авторы

Сообщества

Отношения

Теги

Популярные авторы

Сообщества

Здоровье

Теги

Популярные авторы

Сообщества

Путешествия

Теги

Популярные авторы

Сообщества

Спорт

Теги

Популярные авторы

Сообщества

Хобби

Теги

Популярные авторы

Сообщества

Сервис

Теги

Популярные авторы

Сообщества

Природа

Теги

Популярные авторы

Сообщества

Бизнес

Теги

Популярные авторы

Сообщества

Транспорт

Теги

Популярные авторы

Сообщества

Общение

Теги

Популярные авторы

Сообщества

Юриспруденция

Теги

Популярные авторы

Сообщества

Наука

Теги

Популярные авторы

Сообщества

IT

Теги

Популярные авторы

Сообщества

Животные

Теги

Популярные авторы

Сообщества

Кино и сериалы

Теги

Популярные авторы

Сообщества

Экономика

Теги

Популярные авторы

Сообщества

Кулинария

Теги

Популярные авторы

Сообщества

История

Теги

Популярные авторы

Сообщества

Недвижимость и ремонт

Теги

Популярные авторы

Сообщества