{"id":72898,"date":"2020-03-05T20:42:08","date_gmt":"2020-03-05T17:42:08","guid":{"rendered":"https:\/\/prohoster.info\/blog\/administrirovanie\/kak-otkryt-kommentarii-i-ne-potonut-v-spame"},"modified":"2020-03-05T20:42:08","modified_gmt":"2020-03-05T17:42:08","slug":"kak-otkryt-kommentarii-i-ne-potonut-v-spame","status":"publish","type":"post","link":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/kak-otkryt-kommentarii-i-ne-potonut-v-spame","title":{"rendered":"Wie man Kommentare \u00f6ffnet und nicht im Spam ertrinkt","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

\"Wie
\n
\nWenn deine Arbeit darin besteht, etwas Sch\u00f6nes zu schaffen, muss man wahrscheinlich nicht viel dar\u00fcber erz\u00e4hlen, denn das Ergebnis ist f\u00fcr alle sichtbar. Wenn du jedoch Schriftz\u00fcge von Z\u00e4unen entfernst, merkt niemand deine Arbeit, solange die Z\u00e4une ordentlich aussehen oder bis du etwas Unpassendes entfernst.<\/p>\n

Jeder Service, bei dem man Kommentare, Bewertungen, Nachrichten senden oder Bilder hochladen kann, sieht sich fr\u00fcher oder sp\u00e4ter dem Problem von Spam, Betrug und vulg\u00e4rer Sprache gegen\u00fcber. Dagegen kann man nichts tun, aber man muss damit k\u00e4mpfen. <\/p>\n

Mein Name ist \u041c\u0438\u0445\u0430\u0438\u043b, ich arbeite im Anti-Spam-Team, das die Nutzer der Yandex-Services vor solchen Problemen sch\u00fctzt. Unsere Arbeit ist selten sichtbar (und das ist gut so!), deshalb werde ich heute n\u00e4her dar\u00fcber erz\u00e4hlen. Sie werden erfahren, in welchen F\u00e4llen Moderation nutzlos ist und warum Genauigkeit nicht das einzige Ma\u00df f\u00fcr ihre Effektivit\u00e4t ist. Au\u00dferdem werden wir am Beispiel von Katzen und Hunden \u00fcber Fl\u00fcche sprechen und warum es manchmal hilfreich ist, wie ein Fluchender zu denken.
\n<\/a><\/noindex>
\nBei Yandex entstehen immer mehr Services, bei denen Nutzer ihre Inhalte ver\u00f6ffentlichen. Man kann Fragen stellen oder Antworten in Yandex.Q geben, \u00fcber Nachrichten im Viertel in Yandex.Region diskutieren oder Informationen \u00fcber den Stra\u00dfenverkehr in den Yandex.Karten austauschen. Doch wenn die Nutzerbasis eines Services w\u00e4chst, wird er f\u00fcr Betr\u00fcger und Spammer anziehend. Sie kommen und f\u00fcllen die Kommentare: sie bieten leicht verdientes Geld an, bewerben Wunderprodukte und versprechen soziale Zahlungen. Wegen der Spammer verlieren einige Nutzer Geld, w\u00e4hrend andere das Interesse verlieren, ihre Zeit auf einem verwahrlosten, mit Spam \u00fcberladenen Service zu verbringen.<\/p>\n

Und das ist nicht das einzige Problem. Wir bem\u00fchen uns nicht nur, die Nutzer vor Betr\u00fcgern zu sch\u00fctzen, sondern auch eine angenehme Atmosph\u00e4re f\u00fcr die Kommunikation zu schaffen. Wenn die Menschen in den Kommentaren auf vulg\u00e4re und beleidigende Sprache sto\u00dfen, werden sie mit gro\u00dfer Wahrscheinlichkeit gehen und nicht wiederkommen. Das bedeutet, dass man auch damit umgehen k\u00f6nnen muss. <\/p>\n

Sauberes Netz<\/h3>\n

\nWie es bei uns oft der Fall ist, entstanden die ersten Entwicklungen im Bereich der Suche, in dem Teil, der gegen Spam in den Ergebnissen k\u00e4mpft. Vor etwa zehn Jahren entstand dort die Aufgabe, Inhalte f\u00fcr Erwachsene aus dem famili\u00e4ren Suchkontext herauszufiltern sowie f\u00fcr Suchanfragen, die keine Antworten aus der Kategorie 18+ erwarten. So entstanden die ersten manuell zusammengestellten W\u00f6rterb\u00fccher f\u00fcr Pornografie und Schimpfw\u00f6rter, die von Analysten erg\u00e4nzt wurden. Die Hauptaufgabe war die Klassifikation von Suchanfragen in die, bei denen es zul\u00e4ssig ist, erwachsene Inhalte anzuzeigen, und in die, bei denen dies nicht der Fall ist. Zu diesem Zweck wurde eine Annotation gesammelt, Heuristiken entwickelt und Modelle trainiert. So entstanden die ersten Ergebnisse f\u00fcr die Filterung unerw\u00fcnschter Inhalte.<\/p>\n

Im Laufe der Zeit begann im Yandex UGC (user generated content) aufzutauchen \u2013 Nachrichten, die die Nutzer selbst schreiben, w\u00e4hrend Yandex diese nur ver\u00f6ffentlicht. Aus den oben beschriebenen Gr\u00fcnden konnten viele Nachrichten nicht ohne \u00dcberpr\u00fcfung ver\u00f6ffentlicht werden \u2013 es ben\u00f6tigte Moderation. Daher wurde beschlossen, einen Service zu schaffen, der Schutz vor Spam und Missbrauch f\u00fcr alle UGC-Produkte von Yandex bietet und die Erkenntnisse zur Filterung unerw\u00fcnschter Inhalte aus der Suche verwendet. Der Service wurde \u201eReines Web\u201c genannt. <\/p>\n

Neue Aufgaben und Unterst\u00fctzung durch Toloker<\/h3>\n

\nZun\u00e4chst hatten wir nur eine einfache Automatisierung: Die Dienste schickten uns Texte, und wir liefen sie durch W\u00f6rterb\u00fccher f\u00fcr Schimpfw\u00f6rter, W\u00f6rterb\u00fccher f\u00fcr Pornografie und regul\u00e4re Ausdr\u00fccke \u2013 die Analysten stellten alles manuell zusammen. Doch der Service wurde im Laufe der Zeit in immer mehr Yandex-Produkten verwendet, und wir mussten lernen, mit neuen Problemen umzugehen. <\/p>\n

Oft ver\u00f6ffentlichen Nutzer anstelle einer Bewertung eine sinnlose Buchstabenansammlung, um sich eine Auszeichnung zu erschwindeln, manchmal bewerben sie ihr Unternehmen in den Bewertungen \u00fcber die Konkurrenz, und manchmal verwechseln sie einfach die Organisationen, weshalb sie in einer Bewertung \u00fcber einen Tierbedarfsladen schreiben: 'Wunderbar zubereiteter Fisch!'. M\u00f6glicherweise wird die k\u00fcnstliche Intelligenz eines Tages lernen, die Bedeutung jeden Textes perfekt zu erfassen, aber derzeit ist die Automatisierung manchmal schlechter als ein Mensch. <\/p>\n

Es wurde klar, dass wir ohne manuelle Kennzeichnung nicht auskommen w\u00fcrden, und wir haben unserer Struktur eine zweite Stufe hinzugef\u00fcgt \u2013 die \u00dcberpr\u00fcfung durch einen Menschen. Dort landeten die ver\u00f6ffentlichten Texte, bei denen der Klassifikator keine Probleme sah. Die Dimensionen dieser Aufgabe k\u00f6nnen Sie sich leicht vorstellen, deshalb haben wir uns nicht nur auf die Gutachter verlassen, sondern auch die \u201eWeisheit der Menge\u201c genutzt und um Unterst\u00fctzung von Crowdsourcern gebeten. Sie helfen uns, das zu erkennen, was die Maschine \u00fcbersehen hat, und schulen sie damit. <\/p>\n

Intelligentes Caching und LSH-Hashing<\/h3>\n

\nEin weiteres Problem, mit dem wir bei der Arbeit mit Kommentaren konfrontiert wurden, ist Spam, genauer gesagt dessen Volumen und Verbreitungsgeschwindigkeit. Als das Publikum von Yandex.Region schnell wuchs, kamen die Spammer. Sie lernten, sich durch kleine \u00c4nderungen im Text an regul\u00e4re Ausdr\u00fccke vorbeizuschleichen. Spam wurde nat\u00fcrlich trotzdem gefunden und entfernt, aber im Kontext von Yandex konnten Hunderte von Personen auch eine f\u00fcr f\u00fcnf Minuten ver\u00f6ffentlichte inakzeptable Nachricht sehen. <\/p>\n

\"Wie
\n
\nDas hat uns nat\u00fcrlich nicht gepasst, und wir haben intelligentes Caching von Texten auf Basis von LSH (Locality-Sensitive Hashing<\/a><\/noindex>). So funktioniert es: Wir haben den Text normalisiert, Links entfernt und ihn in n-Gramme (Folgen von n Buchstaben) zerlegt. Dann haben wir die Hashes der n-Gramme berechnet und darauf aufbauend den LSH-Vektor des Dokuments erstellt. Das Prinzip ist, dass \u00e4hnliche Texte, selbst wenn sie leicht ver\u00e4ndert wurden, in \u00e4hnliche Vektoren umgewandelt werden. <\/p>\n

Diese L\u00f6sung erm\u00f6glichte es, die Urteile der Klassifikatoren und Gutachter f\u00fcr \u00e4hnliche Texte wiederzuverwenden. Bei einem Spam-Angriff, sobald die erste Nachricht die Pr\u00fcfung passierte und mit einem \u201eSpam\u201c-Urteil in den Cache kam, erhielten alle neuen \u00e4hnlichen Nachrichten, selbst wenn sie ver\u00e4ndert waren, dasselbe Urteil und wurden automatisch entfernt. Sp\u00e4ter haben wir gelernt, die Spam-Klassifikatoren zu trainieren und automatisch neu zu trainieren, aber dieses \u201eintelligente Caching\u201c ist bis heute bei uns und hilft uns oft weiter.<\/p>\n

Klassifikator f\u00fcr gute Texte<\/h3>\n

\nKaum hatten wir uns von dem Kampf gegen den Spam erholt, erkannten wir, dass 95 % der Inhalte von uns manuell moderiert werden: Die Klassifizierer reagieren nur auf Verst\u00f6\u00dfe, w\u00e4hrend die meisten Texte gut sind. Wir belasten die Tolokers, die in 95 von 100 F\u00e4llen die Bewertung \u201eAlles OK\u201c abgeben. Wir mussten uns mit einer ungewohnten Aufgabe befassen \u2013 Klassifizierer f\u00fcr gute Inhalte zu erstellen, zum Gl\u00fcck hat sich im Laufe der Zeit gen\u00fcgend Markierung angesammelt.<\/p>\n

Der erste Klassifizierer sah folgenderma\u00dfen aus: Wir lemmatisieren den Text (bringen die W\u00f6rter in ihre Grundform), werfen alle Funktionsteile der Sprache heraus und wenden ein im Voraus vorbereitetes \u201eW\u00f6rterbuch guter Lemmata\u201c an. Wenn alle W\u00f6rter im Text \u201egut\u201c sind, enth\u00e4lt der gesamte Text keine Verst\u00f6\u00dfe. Bei verschiedenen Diensten hat dieser Ansatz sofort 25 bis 35 % der manuellen Markierung automatisiert. Nat\u00fcrlich ist dieser Ansatz nicht perfekt: Es ist nicht schwer, mehrere harmlose W\u00f6rter zu kombinieren und eine sehr beleidigende Aussage zu erhalten, aber er hat es uns erm\u00f6glicht, schnell ein gutes Automatisierungsniveau zu erreichen und Zeit zu gewinnen, um komplexere Modelle zu trainieren.<\/p>\n

Die n\u00e4chsten Versionen der Klassifizierer f\u00fcr gute Texte umfassten bereits lineare Modelle, Entscheidungsb\u00e4ume und deren Kombinationen. F\u00fcr die Markierung von Grobheiten und Beleidigungen versuchen wir beispielsweise das neuronale Netzwerk BERT. Hier ist es wichtig, die Bedeutung eines Wortes im Kontext zu erfassen und die Verbindungen zwischen W\u00f6rtern aus verschiedenen S\u00e4tzen zu erkennen, und BERT schl\u00e4gt sich dabei ganz gut. (\u00dcbrigens, k\u00fcrzlich haben Kollegen aus den Nachrichten, und berichteten<\/a><\/noindex>, wie sie die Technologie f\u00fcr eine unkonventionelle Aufgabe \u2013 die Suche nach Fehlern in \u00dcberschriften \u2013 anwenden.) Am Ende gelang es uns, bis zu 90 % des Datenstroms abh\u00e4ngig vom Dienst zu automatisieren. <\/p>\n

Pr\u00e4zision, Vollst\u00e4ndigkeit und Schnelligkeit<\/h3>\n

\nUm sich weiterzuentwickeln, ist es wichtig zu verstehen, welchen Nutzen bestimmte automatische Klassifizierer bringen, welche \u00c4nderungen es daran gibt und ob die Qualit\u00e4t der manuellen Pr\u00fcfungen nicht abnimmt. Dazu verwenden wir die Kennzahlen f\u00fcr Pr\u00e4zision und Vollst\u00e4ndigkeit. <\/p>\n

Die Genauigkeit ist der Anteil korrekter Urteile unter allen Urteilen \u00fcber schlechten Inhalt. Je h\u00f6her die Genauigkeit, desto weniger Fehlalarme gibt es. Wenn man nicht auf die Genauigkeit achtet, k\u00f6nnte man theoretisch allen Spam und vulg\u00e4re Inhalte entfernen und dabei die H\u00e4lfte der guten Nachrichten verlieren. Andererseits, wenn man sich nur auf die Genauigkeit verl\u00e4sst, w\u00e4re die beste Technologie die, die \u00fcberhaupt niemanden erwischt. Daher gibt es noch einen weiteren Indikator: den Anteil erkannten schlechten Inhalts am gesamten schlechten Inhalts. Diese beiden Metriken gleichen sich aus. <\/p>\n

F\u00fcr die Messung ziehen wir eine Stichprobe aus dem gesamten eingehenden Datenstrom f\u00fcr jeden Dienst und geben Content-Proben zur Expertenbewertung an Gutachter ab, um diese mit den Entscheidungen der Maschine zu vergleichen. <\/p>\n

Aber es gibt noch einen weiteren wichtigen Indikator. <\/p>\n

Ich habe oben geschrieben, dass ein unannehmbarer Beitrag in nur 5 Minuten von hunderten Menschen gesehen werden kann. Daher z\u00e4hlen wir, wie oft wir es geschafft haben, den Nutzern schlechten Inhalt zu zeigen, bevor wir ihn versteckt haben. Das ist wichtig, denn es reicht nicht aus, qualitativ zu arbeiten \u2013 man muss auch schnell arbeiten. Und als wir den Schutz vor vulg\u00e4ren Inhalten aufbauten, wurden wir uns dessen voll bewusst. <\/p>\n

Antivulg\u00e4r am Beispiel von Katzen und Hunden<\/h3>\n

\nEin kleiner lyrischer Einschub. Jemand k\u00f6nnte sagen, dass vulg\u00e4re Sprache und Beleidigungen nicht so gef\u00e4hrlich sind wie sch\u00e4dliche Links und nicht so sehr st\u00f6ren wie Spam. Aber wir streben danach, angenehme Bedingungen f\u00fcr die Kommunikation von Millionen Nutzern aufrechtzuerhalten, denn Menschen kehren nicht gerne dorthin zur\u00fcck, wo sie beleidigt werden. Es ist kein Zufall, dass das Verbot von vulg\u00e4rer Sprache und Beleidigungen in den Regeln vieler Gemeinschaften, einschlie\u00dflich der auf Habr\u00e9, festgeschrieben ist. Aber ich habe mich abgelenkt. <\/p>\n

Die W\u00f6rterb\u00fccher der vulg\u00e4ren Sprache k\u00f6nnen nicht all der Reichtum der russischen Sprache bew\u00e4ltigen. Obwohl es nur vier Hauptwurzeln vulg\u00e4rer W\u00f6rter gibt, kann man daraus eine unz\u00e4hlige Anzahl von W\u00f6rtern bilden, die man mit regul\u00e4ren Ausdr\u00fccken nicht erfassen kann. Man kann auch Teile eines Wortes in Transliteration schreiben, Buchstaben durch \u00e4hnliche Kombinationen ersetzen, Buchstaben umstellen, Sterne hinzuf\u00fcgen usw. Manchmal kann man ohne Kontext \u00fcberhaupt nicht bestimmen, was der Nutzer mit einem vulg\u00e4ren Wort gemeint hat. Wir respektieren die Regeln von Habr, daher werden wir das nicht an realen Beispielen demonstrieren, sondern an Katzen und Hunden. <\/p>\n

\"Wie
\n
\n\u201eMiau\u201c, sagte das K\u00e4tzchen. Aber wir verstehen, dass das K\u00e4tzchen ein anderes Wort gesagt hat\u2026<\/p>\n

Wir begannen \u00fcber die Algorithmen des \"unscharfen Matchings\" unseres W\u00f6rterbuchs und eine intelligentere Vorverarbeitung nachzudenken: wir f\u00fchrten Transliterationen durch, entfernten Leerzeichen und Interpunktionen, suchten nach Mustern und schrieben separate regul\u00e4re Ausdr\u00fccke daf\u00fcr. Diese Herangehensweise brachte Ergebnisse, reduzierte jedoch oft die Genauigkeit und lieferte nicht die gew\u00fcnschte Vollst\u00e4ndigkeit.<\/p>\n

Dann beschlossen wir, \"wie Schimpfw\u00f6rter zu denken\". Wir begannen, selbst Rauschen in die Daten einzubringen: wir permutierten Buchstaben, generierten Tippfehler, ersetzt die Buchstaben durch \u00e4hnliche und so weiter. Die anf\u00e4ngliche Markierung daf\u00fcr holten wir uns, indem wir Schimpfw\u00f6rter-W\u00f6rterb\u00fccher auf gro\u00dfe Textkorpora anwendeten. Wenn man einen Satz nimmt und ihn auf verschiedene Weisen verdreht, erh\u00e4lt man bereits viele S\u00e4tze. So kann man die Trainingsmenge um ein Vielfaches erh\u00f6hen. Es blieb nur noch, auf dem erhaltenen Pool ein mehr oder weniger intelligentes Modell zu trainieren, das den Kontext ber\u00fccksichtigt. <\/p>\n

\"Wie
\n
\n\u00dcber die endg\u00fcltige L\u00f6sung zu sprechen, ist derzeit noch verfr\u00fcht. Wir experimentieren weiterhin mit Ans\u00e4tzen zu diesem Problem, sehen jedoch bereits, dass ein einfacher zeichenbasierten Convolutional Neural Network aus mehreren Schichten die W\u00f6rterb\u00fccher und regul\u00e4ren Ausdr\u00fccke deutlich \u00fcbertrifft: dadurch k\u00f6nnen sowohl die Genauigkeit als auch die Vollst\u00e4ndigkeit erh\u00f6ht werden.<\/p>\n

Nat\u00fcrlich verstehen wir, dass es immer Wege geben wird, selbst die fortschrittlichste Automatisierung zu umgehen, besonders wenn es so spannend ist: so zu schreiben, dass es eine dumme Maschine nicht versteht. Hier, wie im Kampf gegen Spam, ist es nicht unser Ziel, die M\u00f6glichkeit, etwas Unfl\u00e4tiges zu schreiben, auszurotten; unsere Aufgabe ist es, daf\u00fcr zu sorgen, dass das Spiel den Aufwand nicht wert ist.<\/p>\n

Die M\u00f6glichkeit zu er\u00f6ffnen, seine Meinung zu teilen, zu kommunizieren und Kommentare abzugeben, ist nicht schwierig. Viel schwieriger ist es, sichere, angenehme Bedingungen und respektvollen Umgang mit Menschen zu erreichen. Ohne das wird es keine Entwicklung irgendeiner Gemeinschaft geben.
\n
Quelle: habr.com<\/a> <\/p>","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"excerpt":{"rendered":"

\u041a\u043e\u0433\u0434\u0430 \u0442\u0432\u043e\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u2014 \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u0447\u0442\u043e-\u0442\u043e \u043a\u0440\u0430\u0441\u0438\u0432\u043e\u0435, \u043e \u043d\u0435\u0439 \u043c\u043e\u0436\u043d\u043e \u043e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u043d\u0435 \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0442\u044c, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0443 \u0432\u0441\u0435\u0445 \u043f\u0435\u0440\u0435\u0434 \u0433\u043b\u0430\u0437\u0430\u043c\u0438. \u0410 \u0432\u043e\u0442 \u0435\u0441\u043b\u0438 \u0442\u044b \u0441\u0442\u0438\u0440\u0430\u0435\u0448\u044c \u043d\u0430\u0434\u043f\u0438\u0441\u0438 \u0441 \u0437\u0430\u0431\u043e\u0440\u043e\u0432, \u0442\u0432\u043e\u044e \u0440\u0430\u0431\u043e\u0442\u0443 \u043d\u0438\u043a\u0442\u043e \u043d\u0435 \u0437\u0430\u043c\u0435\u0447\u0430\u0435\u0442, \u043f\u043e\u043a\u0430 \u0437\u0430\u0431\u043e\u0440\u044b \u0432\u044b\u0433\u043b\u044f\u0434\u044f\u0442 \u043f\u0440\u0438\u043b\u0438\u0447\u043d\u043e \u0438\u043b\u0438 \u043f\u043e\u043a\u0430 \u0442\u044b \u043d\u0435 \u0441\u043e\u0442\u0440\u0451\u0448\u044c \u0447\u0442\u043e-\u043d\u0438\u0431\u0443\u0434\u044c \u043d\u0435 \u0442\u043e. \u041b\u044e\u0431\u043e\u0439 \u0441\u0435\u0440\u0432\u0438\u0441, \u0433\u0434\u0435 \u043c\u043e\u0436\u043d\u043e \u043e\u0441\u0442\u0430\u0432\u0438\u0442\u044c \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0439, \u043e\u0442\u0437\u044b\u0432, \u043e\u0442\u043f\u0440\u0430\u0432\u0438\u0442\u044c \u0441\u043e\u043e\u0431\u0449\u0435\u043d\u0438\u0435 \u0438\u043b\u0438 […]<\/p>\n","protected":false,"gt_translate_keys":[{"key":"rendered","format":"html"}]},"author":1,"featured_media":72899,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[688],"tags":[],"class_list":["post-72898","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-administrirovanie"],"aioseo_notices":[],"aioseo_head":"\n\t\t\n\t\n\t\n\t\n\t\n\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\t\t\n\n","aioseo_head_json":{"title":"\ud83e\udd47Wie man Kommentare \u00f6ffnet und nicht im Spam ertrinkt | ProHoster","description":"Wenn deine Arbeit darin besteht, etwas zu schaffen.","canonical_url":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/kak-otkryt-kommentarii-i-ne-potonut-v-spame","robots":"max-image-preview:large","keywords":"","webmasterTools":{"miscellaneous":""},"schema":null,"og:locale":"de_DE","og:site_name":"ProHoster | \u041a\u0443\u043f\u0438\u0442\u044c \u043d\u0430\u0434\u0435\u0436\u043d\u044b\u0439 \u0445\u043e\u0441\u0442\u0438\u043d\u0433 \u0434\u043b\u044f \u0441\u0430\u0439\u0442\u043e\u0432 \u0441 \u0437\u0430\u0449\u0438\u0442\u043e\u0439 \u043e\u0442 DDoS, VPS VDS \u0441\u0435\u0440\u0432\u0435\u0440\u044b","og:type":"article","og:title":"\ud83e\udd47\u041a\u0430\u043a \u043e\u0442\u043a\u0440\u044b\u0442\u044c \u043a\u043e\u043c\u043c\u0435\u043d\u0442\u0430\u0440\u0438\u0438 \u0438 \u043d\u0435 \u043f\u043e\u0442\u043e\u043d\u0443\u0442\u044c \u0432 \u0441\u043f\u0430\u043c\u0435 | ProHoster","og:description":"\u041a\u043e\u0433\u0434\u0430 \u0442\u0432\u043e\u044f \u0440\u0430\u0431\u043e\u0442\u0430 \u2014 \u0441\u043e\u0437\u0434\u0430\u0432\u0430\u0442\u044c \u0447\u0442\u043e-\u0442\u043e.","og:url":"https:\/\/prohoster.info\/de\/blog\/administrirovanie\/kak-otkryt-kommentarii-i-ne-potonut-v-spame","og:image":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:secure_url":"https:\/\/prohoster.info\/wp-content\/uploads\/2021\/11\/logo-350.jpg","og:image:width":350,"og:image:height":350,"article:published_time":"2020-03-05T17:42:08+00:00","article:modified_time":"2020-03-05T17:42:08+00:00","article:publisher":"https:\/\/www.facebook.com\/prohoster","article:author":"https:\/\/www.facebook.com\/prohoster"},"aioseo_meta_data":{"post_id":"72898","title":null,"description":null,"keywords":null,"keyphrases":null,"primary_term":null,"canonical_url":null,"og_title":null,"og_description":null,"og_object_type":"default","og_image_type":"default","og_image_url":null,"og_image_width":null,"og_image_height":null,"og_image_custom_url":null,"og_image_custom_fields":null,"og_video":null,"og_custom_url":null,"og_article_section":null,"og_article_tags":null,"twitter_use_og":false,"twitter_card":"default","twitter_image_type":"default","twitter_image_url":null,"twitter_image_custom_url":null,"twitter_image_custom_fields":null,"twitter_title":null,"twitter_description":null,"schema":{"blockGraphs":[],"customGraphs":[],"default":{"data":{"Article":[],"Course":[],"Dataset":[],"FAQPage":[],"Movie":[],"Person":[],"Product":[],"ProductReview":[],"Car":[],"Recipe":[],"Service":[],"SoftwareApplication":[],"WebPage":[]},"graphName":"","isEnabled":true},"graphs":[]},"schema_type":null,"schema_type_options":null,"pillar_content":false,"robots_default":true,"robots_noindex":false,"robots_noarchive":false,"robots_nosnippet":false,"robots_nofollow":false,"robots_noimageindex":false,"robots_noodp":false,"robots_notranslate":false,"robots_max_snippet":null,"robots_max_videopreview":null,"robots_max_imagepreview":"large","priority":null,"frequency":null,"local_seo":null,"seo_analyzer_scan_date":null,"breadcrumb_settings":null,"limit_modified_date":false,"reviewed_by":null,"ai":null,"created":"2021-02-28 18:43:27","updated":"2022-09-29 22:58:18","focus_keyword":null,"additional_keywords":null,"truseo_locale":null},"gt_translate_keys":[{"key":"link","format":"url"}],"_links":{"self":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/72898","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/comments?post=72898"}],"version-history":[{"count":0,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/posts\/72898\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/media\/72899"}],"wp:attachment":[{"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/media?parent=72898"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/categories?post=72898"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/prohoster.info\/de\/wp-json\/wp\/v2\/tags?post=72898"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}