1
条回答
写回答
写回答
-
- 识别机器作弊（点）：早期的作弊是机器点击、业务上的无效点击上线规则，规则只关注较少维度的信息。比如识别爬虫、内网点击。我们称之为单点反作弊。 2.识别个人简单作弊（线）：在作弊者升级到人工作弊后，我们会升级到计数、比例、分布等统计策略和行为序列模型。我们称之为线上反作弊。 下图是我们发现的网站某行业出现的一类攻击，作弊者只访问A、B、C、G共4类页面，因为他的目的就是点广告。正常用户访问页面很丰富。还会访问D、E、F、H等页面，想咨询买东西。我们将用户近7天在网站的访问页面序列作为特征，识别本次点击是否是作弊点击。先通过Word2Vec对每个页面进行文本向量化编码。然后模型预测向量序列是否是作弊点击。 3.识别个人高级作弊（面）：在我们识别上述作弊后，接着作弊者又升级高级的人工作弊，模拟人的点击，尽可能的各种特征上不集中，但是毕竟作弊者要达到收益的话，需要有一定的作弊量，而他们不知道正常点击的真实分布，自然的会在一些维度上出现异常，故我们反作弊算法升级到无监督相对熵模型，再后面有样本了升级到有监督的GBDT和Wide&Deep，均是从多个维度和特征上识别作弊。我们称之为面上反作弊。
2022-05-12 17:22:09赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
相关问答
问答排行榜
最热
最新
推荐问答
