Реклама в Google Ads прошла автоматическую проверку и получила 100 млн показов - пока исследователи не подключили Gemma
Google регулярно заявляет, что машинные алгоритмы способны остановить почти всю запрещённую рекламу ещё до её появления перед пользователями. Однако независимое исследование показало: даже при многоуровневой фильтрации в рекламную сеть продолжают попадать мошеннические и потенциально опасные объявления.
Исследователи из Нью-Йоркского университета и Университета Радбауда разработали систему AdLens и проверили 188 834 рекламных материала из Google Ads Transparency Center. После удаления повторов в выборке осталось 112 761 уникальное объявление, связанное с программным обеспечением, мобильными приложениями и компьютерной техникой.
Проверка объявлений Google была сосредоточена на трёх основных категориях нарушений: запугивании пользователей вымышленными угрозами, ложных обещаниях и маскировке настоящей цели рекламы либо личности рекламодателя. Такой подход позволил оценить не только содержание текстов, но и визуальные приёмы, которыми злоумышленники пытаются повысить кликабельность.
Миллионы показов для сомнительных объявлений
Наиболее заметной категорией стали scareware-материалы - реклама, убеждающая пользователя в наличии вируса, утечки данных или другой срочной проблемы. 238 уникальных объявлений такого типа получили более 16 млн показов в странах Европы.
Ещё 3346 объявлений содержали недостоверные обещания. Совокупно они набрали около 89,9 млн показов. Пользователям предлагали восстановить фотографии, удалённые несколько лет назад, определить местоположение человека по номеру телефона или немедленно "очистить" устройство от якобы обнаруженной угрозы.
Отдельную группу составили 258 объявлений с элементами маскировки. Они копировали внешний вид системных уведомлений, имитировали кнопки операционной системы или практически не объясняли назначение сервиса, ограничиваясь призывами вроде "Продолжить" и "Получить доступ".
Подробный разбор того, как [реклама прошла фильтры Google и набрала десятки миллионов показов](https://oohmag.ru/2026/09/07/reklama-proshla-filtry-google-i-nabrala-100-mln-pokazov-potom-za-delo-vzyalsya-gemma/), показывает масштаб разрыва между заявленной эффективностью автоматической модерации и реальным пользовательским опытом.
Как работала система AdLens
Для анализа команда собрала конвейер преимущественно из моделей с открытыми весами. EmbeddingGemma сначала ранжировала объявления по сходству с уже известными мошенническими шаблонами. Затем Gemma 3 и Qwen 3.5 независимо классифицировали подозрительные материалы. Если выводы моделей расходились, спорные случаи дополнительно изучала Gemma 4.
Получился парадокс: модели Google помогли исследователям обнаружить большое число объявлений, которые успела пропустить собственная рекламная инфраструктура компании. Иными словами, искусственный интеллект оказался полезен не только для защиты рекламной платформы, но и для независимого аудита её решений.
Некоторые находки имели признаки уже не просто агрессивного маркетинга, а вредоносной активности. В числе посадочных страниц оказался домен pdfscraper[.]com, связанный с кампанией TamperedChef. Через поддельные PDF-программы она распространяла инфостилер - вредоносное ПО для кражи данных. С этим доменом исследователи связали 42 объявления.
После жалобы Google удалила один материал, однако остальные 41 продолжили работать. Другой обнаруженный адрес был связан с IPIDEA - крупной нелегальной сетью резидентских прокси. Эти примеры показывают, что антифрод в интернет-рекламе должен учитывать не только отдельное объявление, но и всю инфраструктуру кампании.
Жалобы не всегда останавливают кампанию
Исследователи также протестировали механизм пользовательских жалоб. Они направили Google более 20 подозрительных объявлений из десяти тематических групп. Большинство материалов компания не признала нарушающими правила. В некоторых случаях объявления, которые всё же были классифицированы как запрещённые, оставались доступными ещё неделю.
Кроме того, после удаления отдельных объявлений продолжали показываться похожие варианты. Вероятно, система недостаточно эффективно связывает единичную жалобу с другими материалами того же рекламодателя или кампании. Это создаёт ситуацию, при которой удаление одного объявления практически не влияет на общий объём показов.
Проблема актуальна для любого бизнеса, использующего [рекламу в интернете для бизнеса](https://oohmag.ru/2026/09/07/reklama-proshla-filtry-google-i-nabrala-100-mln-pokazov-potom-za-delo-vzyalsya-gemma/). Рекламодателям приходится одновременно следить за эффективностью кампаний, безопасностью посадочных страниц и риском того, что объявления окажутся заблокированы из-за действий недобросовестных партнёров или подрядчиков.
Ограничения и официальная статистика Google
Авторы исследования подчёркивают, что AdLens не охватывает всю рекламу Google. В выборку попали материалы, показанные хотя бы в одной стране Европейской экономической зоны. Система также хуже анализирует объявления без текстового содержания, а её OCR-модуль на момент исследования не поддерживал кириллицу и арабскую письменность.
Тем не менее обнаруженные кампании успели набрать десятки миллионов показов, а некоторые из них оставались активными месяцами и даже годами. Это особенно важно для оценки риска: даже небольшой процент пропущенных нарушений при масштабах глобальной рекламной платформы превращается в огромное количество контактов с пользователями.
Весной Google сообщила, что инструменты на базе Gemini в 2025 году выявляли более 99% нарушающих правила объявлений ещё до первого показа. За год компания заблокировала или удалила 8,3 млрд рекламных материалов, включая 602 млн объявлений, связанных с мошенничеством.
Однако процент, который не удалось обнаружить, нельзя считать незначительным без учёта масштаба сети. Если через систему ежедневно проходят миллиарды рекламных показов, даже доли процента достаточно, чтобы сомнительные материалы увидели миллионы людей.
Что это меняет для рекламного рынка
История показывает, что модерация рекламы Google Ads остаётся сложной задачей даже при использовании современных языковых и мультимодальных моделей. Алгоритмы хорошо распознают типовые нарушения, но злоумышленники быстро меняют формулировки, дизайн объявлений, домены и структуру посадочных страниц.
Для рекламодателей это означает необходимость дополнительного контроля: проверки доменов, анализа цепочки перенаправлений, регулярного просмотра объявлений после запуска и фиксации изменений в креативах. Одной автоматической проверки недостаточно, особенно если кампания связана с мобильными приложениями, утилитами, подписками или финансовыми предложениями.
Для платформы ключевой задачей становится не только первичный фильтр, но и постоянный мониторинг уже допущенной рекламы. Эффективная защита должна объединять поведенческий анализ, репутацию доменов, связь объявлений между собой и быструю повторную проверку после жалоб. Только такой подход позволит сократить разрыв между заявленными показателями безопасности и тем, что в действительности видят пользователи.