Разработчик сервиса валидации email-адресов Cleancontact внедрил систему скоринга на базе машинного обучения для выявления адресов, созданных скриптами. Инструмент позволяет оценивать «человечность» адреса, дополняя стандартные проверки SMTP и MX, которые не всегда эффективны против массовых регистраций с использованием валидных почтовых ящиков.
Для реализации решения выбрана библиотека CatBoost, обеспечивающая экспорт моделей в формат ONNX. Это позволяет запускать скоринг непосредственно в бэкенде на Node.js без необходимости использования отдельного процесса Python. Модель анализирует только локальную часть адреса до символа @, исключая домен из расчетов.
Обучающая выборка сформирована из подтвержденных адресов и синтетических негативных примеров. Последние генерировались по шести методикам, включая случайные наборы символов, перемешивание букв и имитацию «keyboard walk». Использование синтетических данных позволило обучить модель распознавать различные семейства фейковых адресов.
Для повышения точности в систему добавили анализ n-грамм и словари имен, охватывающие 55 регионов. Это позволило модели корректно идентифицировать зарубежные имена, которые ранее ошибочно принимались за случайные последовательности символов, тем самым повысив качество оценки для международного сегмента пользователей.
