市场上所有的反作弊汇总

一、现存问题
第三方流量主的流量质量不佳，甚至进行流量作弊。而当前要解决的问题为：判断流量是否是作弊的流量

1.举例:(1)假量 (2)次量、真假量互掺 (3)针对我们的程序实现作弊方案

2.作弊分层:(1)低层次通过ip、cookie、点击频率、经纬度等确定

  (2)中等层次:通过程序模拟普通人工操作

  (3)高层次:水军团对，高层次技术或人为操作

3.产生这种情况可能有多种: 1.流量主希望收益增多 2.广告主彼此的恶意竞争 3.网络爬虫4.随意了解5.无意点击等

二、概念明确
要解决这一问题，主要是实现 流量主的实际收获=广告主的实际付出。可实现方式公式:

广告主花费=流量主收益=效果总量价值=广告数据量广告平均效应信用度(价值比例)

可以从流量主方进行把控

1. 流量主信用度

(1) 流量主的信用度和流量主收益有关，在使用时具备参考价值

(2) 流量主的信用度提供给同行其他企业作为信息公示

1. 流量主的用户数据真实性

(1) 用户固有数据的可靠性

(2) 用户行为数据是否符合人为规律

可以从广告主方进行把控

1. 预算控制
2. 投放效果建议
3. 流量主选择建议
4. 流量主、广告主合作方式衔接

三、参考资料

1. 淘宝方案

数据体系：包括所有的数据，作弊前后，用户行为数据。投诉信息的收集。

分析体系：分析的方法论体系建立，有一套完整的流程、算法。

规则体系：主要是反作弊线上的规则。如何评估一个规则

监控体系：能够主动发现作弊并且能够发现已经上线的规则中的异常。

1. 《程序化广告》书籍

a) 用户标识

i. Ip、cookie、窗口大小、操作系统、版本号等

b) 用户行为

i. 广告浏览点击是否符合正常规律

ii. 到站情况

c) 广告来源

d) 品牌安全

i. 寻找品牌安全供应商提供该项服务，过滤黑名单的

e) 可见度测量时间间隔要求多久展示

f) 算法优化

i. 投放预算、速度等定向条件

ii. 特征分析

四、未来发展趋势

1. 各种动态的常规特征监控非常规的数据:利用机器学习进行自动提取可信度高的数据，例如通过imei号关联，将自动生成的多种特征进行数据分析，将不符合各种特征的数据进行提取出来做人为二次分析。(例如：获取某个imei号在某一时间使用某一款app 等这样的事件，获取n条动作相同的权重的名词、动词形成特定的人物画像标签，同时通过监控在多种维度判断该imei是否可以被去掉)如此一来，我们根据现有判断信用度高的数据，通过特征提取，我们不知道会生成怎样的符合规律数据特征，进行数据分析提取
2. 信用度门槛。标识数据的唯一性。黑白名单的建立

a) 建立信息传递体系。例如如果发现黑名单，则具备该黑名单关联的数据，将统一增加黑名单可能性，白名单一样

b) 网络曝光

i. 通过网络爬虫搜集网络数据

ii. 从作弊人员那里购买作弊信息。杜绝作弊人员作弊共性信息

五、当前可行方案

1. 通过我们不定时的程序，访问流量主应用，核对数据是否正确
2. 定时确定影响，该数据效果是否为广告主带来了媒体效应、增加了收益
3. 留存率，留存流量主过往信息
4. 建立有效的标识数据(以imei、ip、常用wifi、常去的地方、第三方数据属性情况 进行数据聚集整合)
5. 标识数据是否正常，符合常规数据特征

   (1) 用户行为：

a. imei是否正常同一秒同一个imei不可能同时访问几个应用，应用后台运行不会去访问广告。

b. 地理位置是否正常,不可能同一时间相隔的经纬度非常远

c. 活跃情况判断。例如一个人在使用墨迹天气，不可能一天打开七八次，而且还不是在早上和晚上

(2) 数据包是否完整

1. 预期监控。根据不同的流量主，给一个曝光广告频率、操作行为、人群段等信息划分，一旦到达某种程度则予以报警，进行数据分析
2. 收集不完整的数据分析，如果分析得出是伪造数据的可能性比较大，则逐步列入流量主、数据唯一标识的可信度，逐渐步入黑名单

六、针对该问题实施方案

1. 根据有经验的广告平台行业人员推荐、或者找第三方信用度量的中间商 寻找流量主接入
2. 寻找流量主接入，尽可能的接入流量主的数据,前期按照广告月租之类的，后面精细按照每条数据进行结算
3. 增加权重黑白名单，或衔接信用度中间商(具体接入网上没找到)
4. 数据分析方式不断优化反馈验证

(1)规则模型

(2)业务模型

(3)概率模型

(4)唯一标识权重、媒体权重、黑白名单建立

(5)数据变化趋势模型

(6)多种形式收集广告投放响应。第三方，广告主预期效果访问、媒体主效果展示访问、问题点发现分析(抽样 广告主ID、搜索词、竞价词、来源站点、IPB（IP的C段和B段))

1. 数据分析形成流量主各个特征，供广告主选择
2. 相关的指数从第三方拿(来源(站内、搜索引擎、联盟站点、tanx流量广告系统))

————————————————
版权声明：本文为CSDN博主「技术写轮」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/u012990630/article/details/78721175