Уявіть: ваш додаток з користувацьким контентом (UGC) блокують в App Store через відсутність модерації. Або користувачі скаржаться на образи в чатах. Без надійної системи модерації контенту неможливо випустити продукт, який пройде рев'ю та буде безпечним. UGC-модерація — ключовий елемент будь-якого соціального додатку. Ми, команда мобільних розробників з досвідом понад 5 років, реалізували десятки систем модерації для iOS та Android. У цій статті розповімо, як побудувати пайплайн AI-модерації тексту з використанням OpenAI Moderation API, який забезпечить проходження App Store Review Guideline 1.2 та захистить користувачів від небажаного контенту. Один з наших проектів — фінтех-додаток з чатами: ми впровадили багаторівневу модерацію, що знизила скарги на 80%. Клієнтський фільтр відсіює 40% порушень до відправки на сервер, зменшуючи затримки та навантаження. Точність фінальної модерації досягла 99.5%, а медіанний час перевірки — 180 мілісекунд. Такий підхід гарантує швидкість та точність. Економія на ручній модерації склала 60% у перерахунку на вартість модератора.
Які проблеми вирішуємо
Основні технічні складнощі при впровадженні модерації:
Витік API ключів
Якщо OpenAI Moderation API викликається безпосередньо з клієнта, ключ опиняється в бінарнику. Навіть обфускація не рятує — зловмисники вилучають його. Рішення: всі запити проходять через backend-proxy. Тільки сервер знає ключ.
Хибні спрацьовування
OpenAI повертає ймовірності, а не бінарну відповідь. Без правильних порогів блокується до 30% легітимного контенту. Ми налаштовуємо пороги під кожну категорію та додаємо ручну верифікацію для «сірої зони». В одному проекті це знизило false positives на 60%.
Мультимовність
Нестандартні форми (трансліт, leetspeak, навмисні помилки) знижують точність. Ми застосовуємо нормалізацію тексту перед перевіркою — це підвищує детект на 20%.
Як AI-модерація тексту підвищує безпеку вашого додатку?
Архітектура включає чотири рівні:
Користувач вводить текст ↓ [Клієнт] Локальна перевірка (instant) ↓ пройшов [Backend] OpenAI Moderation API (100–300 ms) ↓ пройшов [Backend] Кастомні правила (regex, domain-specific) ↓ пройшов Публікація контенту ↓ паралельно [Backend] Асинхронна повторна перевірка (більш дорога модель) Згідно з документацією OpenAI, Moderation API призначений для виявлення шкідливого контенту за кількома категоріями. Клієнтський фільтр відсіює очевидні порушення до відправки на сервер. Це знижує навантаження та захищає користувача від затримок. Для одного фінтех-додатку ми впровадили такий пайплайн: точність 99.5% при медіанній затримці 180 мс.
Чому клієнтська модерація — це перший рубіж?
На клієнті важлива швидкість. Використовуємо NaturalLanguage framework на iOS та аналоги на Android. Простий приклад — локальний список заборонених слів, скомпільований в regex:
import NaturalLanguage class LocalTextModerator { private let forbiddenPatterns: NSRegularExpression init() { let patterns = ["слово1", "слово2"].joined(separator: "|") forbiddenPatterns = try! NSRegularExpression( pattern: "\\b(\(patterns))\\b", options: [.caseInsensitive] ) } func quickCheck(_ text: String) -> ModerationResult { let range = NSRange(text.startIndex..., in: text) if forbiddenPatterns.firstMatch(in: text, range: range) != nil { return .blocked(reason: .explicitContent) } return .passed } } Список слів зберігаємо зашифрованим або завантажуємо з сервера при старті — щоб не світити бінарник. Клієнтський фільтр у 10 разів швидший за серверний: 10 мс проти 100-300 мс. Наші інженери готові провести аудит вашого додатку — зв'яжіться з нами для консультації.
Архітектура backend-proxy для захисту API ключа
Єдиний безпечний спосіб — backend-proxy. Додаток відправляє текст на ваш сервер, сервер викликає OpenAI Moderation API і повертає результат. Приклад запиту: POST https://api.openai.com/v1/moderations з Authorization: Bearer
Робота з граничними випадками
OpenAI Moderation не дає бінарну відповідь — це ймовірності. Потрібна бізнес-логіка для «сірої зони»:
fun evaluateModerationResult(result: ModerationResult): ContentDecision { return when { result.flagged -> ContentDecision.BLOCK result.categoryScores["harassment"]!! > 0.7 -> ContentDecision.BLOCK result.categoryScores["harassment"]!! > 0.3 -> ContentDecision.REQUIRE_REVIEW result.categoryScores["sexual"]!! > 0.4 -> ContentDecision.REQUIRE_REVIEW else -> ContentDecision.ALLOW } } Контент з REQUIRE_REVIEW потрапляє в чергу ручної модерації або публікується з пониженою видимістю.
Приклад налаштування порогів для категорій
Для категорії hate поріг BLOCK = 0.7, REQUIRE_REVIEW = 0.3. Для sexual поріг REQUIRE_REVIEW = 0.4. Пороги підбираються під специфіку додатку.| Підхід | Швидкість | Точність | Навантаження |
|---|---|---|---|
| Клієнтський фільтр | 10 ms | 70% | Низька |
| OpenAI Moderation API | 200 ms | 98% | Середня |
| Комбінований пайплайн | 180 ms | 99.5% | Середня |
Мультимовна нормалізація
Для української мови та трансліту застосовуємо нормалізацію:
func normalizeText(_ text: String) -> String { var result = text.lowercased() let translitMap = ["a": "а", "e": "е", "o": "о", "p": "р", "c": "с"] for (latin, cyrillic) in translitMap { result = result.replacingOccurrences(of: latin, with: cyrillic) } result = result.replacingOccurrences(of: "(.)\\1{2,}", with: "$1", options: .regularExpression) return result } Перевіряємо як нормалізований, так і оригінальний текст — це дає +20% точності.
Процес роботи
- Аналітика — вивчаємо специфіку вашого додатку, UGC, вимоги платформ.
- Проектування — обираємо стек (iOS/Android/кроссплатформа), малюємо архітектуру пайплайну.
- Реалізація — пишемо код: локальні фільтри, інтеграція OpenAI, кастомні правила, нормалізація, rate limiting.
- Тестування — навантажувальне тестування, A/B тести порогів, перевірка на реальних даних.
- Деплой — налаштування моніторингу, логування для апеляцій, CI/CD.
Що входить в роботу
| Етап | Результат |
|---|---|
| Аналіз вимог | Документ з архітектурою та метриками |
| Проектування | Схема пайплайну, вибір моделей |
| Реалізація | Інтеграція OpenAI Moderation, локальні фільтри, нормалізація, rate limiting |
| Тестування | Звіт про навантажувальні тести, налаштування порогів |
| Деплой | Документація, навчання команди, підтримка 1 місяць |
Наші результати та гарантії
Ми — команда з понад 5 років досвіду в мобільній розробці, сертифіковані розробники Apple та Google. Виконали більше 20 проектів з модерації контенту. Гарантуємо:
- Проходження App Store та Google Play Review.
- Конфіденційність даних (NDA).
- Стабільну роботу системи під навантаженням.
Отримайте консультацію інженера — оцінимо ваш проект безкоштовно. Зв'яжіться з нами.
Терміни та вартість
Базова інтеграція (клієнтський фільтр + OpenAI Moderation) — від 2 до 3 днів. Повноцінна система з пайплайном, ручною модерацією, нормалізацією та аналітикою — від 2 до 3 тижнів. Вартість розраховується індивідуально після аудиту. Вкладення окупається за рахунок зниження ризиків блокування та економії на ручній праці.