Sobre o projeto

O pvuv.ai fornece uma solução de analytics leve e implantada na borda (edge) que você pode hospedar por conta própria no Cloudflare Workers, utilizando o D1 como backend de armazenamento. Além das contagens clássicas de visualizações de página (page-view) e visitantes únicos (unique-visitor), ele captura parâmetros UTM completos, referenciadores, taxa de rejeição, tempo de permanência, eventos personalizados com receita e atribuição de sessão entre dispositivos. O diferencial central é o seu sistema de detecção de tráfego inválido de três camadas. Ele avalia sinais do lado do cliente (características de headless, fingerprints de WebGL, honeypots), comportamento da sessão (tempo, padrões de navegação) e estatísticas populacionais (clustering de segmentos de IP, testes de distribuição). Cada evento recebe uma pontuação de autenticidade de 0 a 100, um veredito (limpo, suspeito, bot, crawler) e sinalizadores indicando quais sinais foram acionados. A proteção de anúncios é opcional: com base no veredito rápido, a plataforma decide se deve injetar o código do anúncio, mantendo a receita segura contra penalidades de tráfego inválido. Os limites são configuráveis por site, e um modo shadow permite que os operadores visualizem o impacto antes da aplicação. Arquitetura: - O navegador carrega um pequeno script (f.js) que envia hits para o Worker de ingestão (in.pvuv.ai/in). - O Ingest valida, enriquece e pontua os eventos, enviando-os então para uma Cloudflare Queue. - Um Worker consumidor agrupa as gravações no D1, atualizando sessões e perfis. - Workers de Cron horários e diários realizam roll-ups e análise populacional, alimentando listas de bloqueio via KV. - Um Worker de API (api.pvuv.ai/v1) atende as consultas do dashboard, enquanto o console (pvuv.ai) fornece relatórios visuais e insights gerados por IA. A implantação é impulsionada pela stack serverless da Cloudflare: Workers, D1 (SQLite), Queues, KV, Cron Triggers e, opcionalmente, R2 para armazenamento de arquivo. Não são necessários servidores ou bancos de dados externos. As etapas de início rápido incluem a clonagem do repositório, a criação de recursos D1, KV e Queue com o Wrangler, a configuração de segredos (HMAC_KEY, AI_API_KEY opcional), a aplicação do esquema e a implantação dos Workers. Após a implantação, registre um site no console para obter um site_id e incorpore uma tag de script apontando para https://js.pvuv.ai/f.js com os atributos de dados apropriados. Considerações de privacidade estão integradas: endereços IP são armazenados apenas como hashes truncados, fingerprints de dispositivos são hasheados e os dados dos sensores são limitados a booleanos simples. Os implantadores devem garantir a conformidade com as regulamentações GDPR/ePrivacy, especialmente em relação ao consentimento de fingerprinting. O projeto está em desenvolvimento inicial, com um roadmap delineando quatro marcos: M1 (SDK básico, ingest, veredito rápido, console mínimo), M2 (métricas de sessão, roll-ups, loop de lista de bloqueio), M3 (eventos personalizados, receita, atribuição de funil) e M4 (relatórios de IA, anti-fraude avançado, UI de revisão humana). Contribuições são bem-vindas e problemas de segurança devem ser relatados privadamente. O código é licenciado sob GNU AGPL-3.0, permitindo a auto-hospedagem e modificação gratuitas, exigindo a divulgação do código-fonte para serviços de rede.