JP6878450B2 - 広告に関する不正行為を防止するための方法及びデバイス並びに記憶媒体 - Google Patents
広告に関する不正行為を防止するための方法及びデバイス並びに記憶媒体 Download PDFInfo
- Publication number
- JP6878450B2 JP6878450B2 JP2018543423A JP2018543423A JP6878450B2 JP 6878450 B2 JP6878450 B2 JP 6878450B2 JP 2018543423 A JP2018543423 A JP 2018543423A JP 2018543423 A JP2018543423 A JP 2018543423A JP 6878450 B2 JP6878450 B2 JP 6878450B2
- Authority
- JP
- Japan
- Prior art keywords
- user
- application
- clicks
- advertisement
- sample
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 49
- 238000012549 training Methods 0.000 claims description 45
- 238000001914 filtration Methods 0.000 claims description 27
- 230000000694 effects Effects 0.000 claims description 18
- 230000002265 prevention Effects 0.000 claims description 16
- 239000000284 extract Substances 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 9
- 230000006399 behavior Effects 0.000 claims description 3
- 239000000543 intermediate Substances 0.000 description 51
- 238000010586 diagram Methods 0.000 description 17
- 230000008569 process Effects 0.000 description 17
- 230000003111 delayed effect Effects 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 238000007477 logistic regression Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000004931 aggregating effect Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000005611 electricity Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 241000209202 Bromus secalinus Species 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000002547 anomalous effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0248—Avoiding fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F15/00—Digital computers in general; Data processing equipment in general
- G06F15/76—Architectures of general purpose stored program computers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
- G06F18/2155—Generating training patterns; Bootstrap methods, e.g. bagging or boosting characterised by the incorporation of unlabelled data, e.g. multiple instance learning [MIL], semi-supervised techniques using expectation-maximisation [EM] or naïve labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0277—Online advertisement
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Hardware Design (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Medical Informatics (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Description
この出願は、2016年5月24日に「METHOD AND APPARATUS FOR PREVENTING ADVERTISEMENT-RELATED FRAUD」という名称で中国特許庁に出願された中国特許出願第201610349338.7号の優先権を主張し、その全内容を参照により援用する。
この出願は、通信分野におけるインターネット広告技術に関し、特に広告に関する不正を防止するための方法及び装置並びに記憶媒体に関する。
広告に関する不正を防止するための装置により、サンプルセットを取得するステップであり、サンプルセット内の少なくとも1つのサンプルは、不正ユーザ及び広告上の不正ユーザのクリックのクリックログを含むステップと、
広告に関する不正を防止するための装置により、サンプルセット内のサンプルから、不正ユーザのレベルに対応する少なくとも1つのディメンション(dimension)の特性を抽出するステップであり、各不正ユーザは或るレベルに対応し、異なるレベルの不正ユーザの特性は異なるステップと、
広告に関する不正を防止するための装置により、不正ユーザ及び広告上の不正ユーザのクリックのクリックログに基づいて、少なくとも1つのディメンションの特性に対応する正のサンプルを形成し、少なくとも正のサンプルに基づいて、不正ユーザのレベルに対応する不正ユーザ識別モデルをトレーニングするステップと、
広告に関する不正を防止するための装置により、識別対象サンプルが少なくとも1つのディメンションの特性に対応すると決定するステップと、
広告に関する不正を防止するための装置により、識別対象サンプルに対応する少なくとも1つのディメンションの特性をトレーニングされた不正ユーザ識別モデルに入力し、出力結果に基づいて、識別対象サンプルにおける不正ユーザを識別するステップと
を含む。
サンプルセットを取得するように構成されたサンプルモジュールであり、サンプルセット内の少なくとも1つのサンプルは、不正ユーザ及び広告上の不正ユーザのクリックのクリックログを含むサンプルモジュールと、
サンプルセット内のサンプルから、不正ユーザのレベルに対応する少なくとも1つのディメンションの特性を抽出するように構成された抽出モジュールであり、各不正ユーザは或るレベルに対応し、異なるレベルの不正ユーザの特性は異なる抽出モジュールと、
不正ユーザ及び広告上の不正ユーザのクリックのクリックログに基づいて、少なくとも1つのディメンションの特性に対応する正のサンプルを形成し、少なくとも正のサンプルに基づいて、識別対象不正ユーザのレベルに対応する不正ユーザ識別モデルをトレーニングするように構成されたモデルトレーニングモジュールと、
識別対象サンプルが少なくとも1つのディメンションの特性に対応すると決定し、識別対象サンプルに対応する少なくとも1つのディメンションの特性をトレーニングされた不正ユーザ識別モデルに入力し、出力結果に基づいて、識別対象サンプルにおける不正ユーザを識別するように構成されたモデル適用モジュールと
を含む。
いくつかの実施例では、広告に関する不正を防止するための装置により低レベルの不正ユーザを識別する任意選択の概略図である図2に参照が行われる。低レベルの不正ユーザは、オンラインのリアルタイム罰則(penalization)及びオフラインの遅延した再罰則(re-penalization)によって識別される。例示的にオンラインのリアルタイム罰則の処理方式は、ブラックリストポリシー及び統計的ポリシーを含み、オフラインの遅延した再罰則の処理方式は、統計的方策を含む。説明は以下に提供される。
1.1)ブラックリストポリシー
オンラインのリアルタイム罰則の例では、広告に関する不正を防止するためのシステムは、事前に低レベルの不正ユーザを含むブラックリストを維持する。ブラックリストは、低レベルの不正ユーザの識別子を含む。広告に関する不正を防止するためのシステムは、リアルタイムに、広告システムから取得されたクリックログから、広告を現在クリックしているユーザの識別子を抽出し、識別子をブラックリスト内の低レベルの不正ユーザの識別子とマッチングする。マッチングが成功した場合、広告を現在クリックしているユーザが低レベルの不正ユーザであると決定される。
オンラインのリアルタイム罰則の他の例では、広告システムから取得されたクリックログに従って、広告に関する不正を防止するためのシステムは、統計期間(例えば、5分又は1時間、これは実際の用途における状況に従って設定される)における広告上のユーザのクリック数についての統計を収集する。広告上のクリック数がクリック数の閾値を超える場合、ユーザは、低レベルの不正ユーザとして識別される。広告に関する不正を防止するためのシステムは、低レベルの不正ユーザのクリック数によって広告システムにより使用されるクリック数が不正確であるという問題を回避するために、低レベルの不正ユーザのクリック数をフィルタリングし(罰則を科し)、結果を広告システムにフィードバックする。
いくつかの実施例では、広告上のクリック数の中で低レベルの不正ユーザのクリック数を更に低減するために、広告に関する不正を防止するためのシステムは、遅延した再罰則を更に使用する。
この出願の実施例に従って低レベルの不正ユーザを識別する任意選択の概略フローチャートである図3−1に参照が行われる。処理は、ステップ101〜ステップ106を含み、ステップについて以下の通り説明する。
例示的に、統計期間における広告上のユーザのクリック数は、統計期間におけるいずれかの広告位置、例えば、ページ内の広告位置又はアプリケーション内の広告位置における広告上のユーザのクリック総数である。
例示的に、ユーザが広告をクリックした期間数は、ユーザが広告をクリックした期間数である。
例えば、ユーザが統計期間における時点T1/T2/T3に広告をクリックし、したがって、対応する平均は、(T2-T1)/2+(T3-T2)/2である。
履歴上の比は、現在の統計期間のいずれかの部分において、広告をクリックしたユーザ数(中間レベルの不正ユーザ及び非不正ユーザを含む)に対する、識別された中間レベルの不正ユーザ数を示す。明らかに、履歴上の比は、現在の統計期間における複数の統計期間の比の平均を示してもよい。
統計期間が1日であり、1つの期間が1時間であることが依然として仮定される。ユーザが1日の第1時間、第2時間、第4時間及び第5時間に広告をクリックした場合、ユーザが統計期間において広告をクリックした期間の数は4であり、統計期間におけるクリック数は12(1+2+4+5)であり、4つの期間における広告上のクリックの平均数は3(12/4)である。
識別結果=f(a*特性1+b*特性2)
でもよく、特性1及び特性2は、トレーニングのためのサンプル(正のサンプル及び負のサンプルの一方)の特性であり、モデルパラメータa及びbは、特性1及び特性2を制御するための重みである。中間レベル不正ユーザ識別モデルのトレーニング処理は、モデルパラメータa/bが絶えず最適化される処理である。実際の用途では、モデルパラメータ数は、2つ以上でもよく、使用される特性数は限定されない。
トレーニングのための正のサンプルは、広告タスクプラットフォームのクリックログから抽出され、トレーニングのための負のサンプルは、正常アプリケーションAPP(不正ユーザが存在しないと認識されているAPP)のクリックログから抽出される。
トレーニングによってロジスティック回帰モデルのモデルパラメータを取得した後に、広告システムから取得された1週間の広告上の識別対象ユーザのクリックを示すクリックログに基づいて、1週間の識別対象ユーザのクリックログの特性が抽出される。さらに、前述の6個の特性は、ロジスティック回帰モデルに入力される。ロジスティック回帰モデルは、識別対象ユーザが中間レベルの不正ユーザであるか正常ユーザ(非不正ユーザ)であるかを示す不正識別結果を出力する。
この出願の実施例を実現する過程において、発明者は、高レベルの不正ユーザが虚偽のトラヒックを生成するために特定のアプリケーションを使用する(例えば、開発する)ことを見出している。特定のアプリケーションは、ユーザにサービス(例えば、メディアサービス又はソーシャルサービス)を提供する機能を有さず、特定のトラヒック関係者の広告位置において広告をクリックするために、異なるユーザをシミュレーションするためのアプリケーションにカプセル化されたプログラムを使用するだけであり、それにより、虚偽トラヒックを生成する。すなわち、特定のアプリケーションは、虚偽トラヒックを生成するための専用のアプリケーションであり、アプリケーションのユーザは、全て高レベルの不正ユーザである。アプリケーションが高レベルの不正ユーザにより使用される特定のアプリケーションであると識別されると、特定のアプリケーション内の全てのユーザは、高レベルの不正ユーザとして識別できる。
クリックログは、アプリケーションのユーザにより広告をクリックした異なる操作に関する情報を記録する。例示的に、クリックログは、以下の情報を含む。
ユーザによりクリックされた広告は、広告システムにより広告に割り当てられた識別情報(ID)を使用することにより区別されるか、或いは広告システムにより広告に割り当てられた分類ラベルを使用することにより区別される。
例示的に、統計期間におけるアプリケーションの広告位置における広告上のユーザのクリック数は、統計期間におけるアプリケーションの広告位置における広告上のユーザのクリック総数である。
例示的に、ユーザが統計期間においてアプリケーションの広告位置において広告をクリックした時間は、ユーザが統計期間においてアプリケーションの広告位置において広告をクリックした合計持続時間である。
アプリケーション内の広告位置が例として使用される。広告位置の種類は以下を含む。
広告がアプリケーションのコンテンツのアップロード中にアプリケーションのインタフェースに挿入される位置であるスクリーン挿入広告位置
アプリケーション内のユーザが長期間(滞在時間閾値を超える滞在時間)に滞在するページ上、又はアプリケーション内のユーザが頻繁にアクセスするページ、例えば、ページの端(上部エリア又は下部エリア等)上に広告が提示される位置であるbanner広告位置
2)広告位置における広告上のアプリケーションの各ユーザのクリックの露出ログ
露出ログは、アプリケーションの広告位置においてアプリケーションの各ユーザによりクリックされた広告により露出されたオブジェクト、例えば、アプリケーション名、商品名又はページアドレスを記録するために使用される。
前述のように、効果ログは、アプリケーションの各ユーザが広告をクリックした後に広告により露出されたオブジェクトにより達成された広告効果を含む。
例示的に、デバイスについての情報は、デバイスのハードウェア情報、例えば、デバイスのモデル、デバイスの残り空間及びデバイスの残り電気量でもよい。
アプリケーションの広告位置においてユーザにより広告をクリックした特性は、アプリケーション内のユーザのクリックの位置(又は頻度)、広告により露出されたアプリケーションのダウンロード数、広告により露出されたページにアクセスした頻度等でもよい。
3)広告をクリックするためにアプリケーション内のいずれか2人のユーザにより使用されたデバイスについての情報の間の相関度
アプリケーションのユーザにより使用されたデバイスについての相関度は、デバイスのディメンション、例えば、ハードウェア情報、ソフトウェア情報、デバイスの位置又はデバイスの移動速度の間の相関度でもよい。
サンプルセット内のサンプルアプリケーションについて、サンプルアプリケーションが高レベルの不正ユーザが存在すると認識されているアプリケーションである場合、前述のディメンションにおけるアプリケーション内のいずれか2人のユーザの間の類似度は100%である。サンプルアプリケーションが高レベルの不正ユーザが存在すると認識されていないアプリケーションである場合、前述のディメンションにおけるアプリケーション内のいずれか2人のユーザの間の類似度は0%である。
アプリケーションサンプルの平均相関度=f(c*特性3+b*特性4)
であり、特性3及び特性4は、トレーニングのためのサンプル(正のサンプル及び負のサンプルの一方)の特性であり、モデルパラメータa及びbは、特性3及び特性4を制御するための重みである。高レベル不正ユーザ識別モデルのトレーニング処理は、モデルパラメータc/dが絶えず最適化される処理であり、それにより、出力された平均類似度がより正確になる。実際の用途では、モデルパラメータ数は、2つ以上でもよく、使用される特性数は限定されない。
露出、クリック及び効果に関する特性:2人のユーザにより露出されたAPPの間の類似度、露出時間の間の差、APP上のクリックの間の類似度、クリック数の間の差、クリック座標の間の類似度、ダウンロードされたAPPの間の類似度、及びダウンロード数の間の差
特性に基づいて、少なくとも1つのディメンションにおける識別対象アプリケーションのユーザの平均類似度を計算するために、勾配ブースティング回帰ツリー(gradient boosting regression tree)モデルがトレーニングされる。
2.1)第1の部分で前述したように、広告に関する不正を防止するためのシステムは、クリック数の閾値を超えない低レベルの不正ユーザのクリック数の中でクリック数をフィルタリングするために、統計的ポリシーを使用する。
1)オンラインのリアルタイム罰則
1.1)ブラックリストポリシー
統計モジュール50は、事前に低レベルの不正ユーザを含むブラックリストを維持し、ブラックリストは、低レベルの不正ユーザの識別子を含み、リアルタイムに、広告システムから取得されたクリックログから、広告を現在クリックしているユーザの識別子を抽出し、識別子をブラックリスト内の低レベルの不正ユーザの識別子とマッチングする。マッチングが成功すると、広告を現在クリックしているユーザが低レベルの不正ユーザであると決定される(低レベルの不正結果)。
統計モジュール50は、広告システムから取得されたクリックログについて統計を収集する。統計に従って広告上のクリック数がクリック数の閾値を超える場合、ユーザは、低レベルの不正ユーザとして識別される。
2)オフラインの遅延した再罰則
罰則モジュール60は、予め設定された比を使用することにより、クリック数の閾値を超えない低レベルの不正ユーザのクリック数の中でクリック数をフィルタリングするか、或いは全てのクリック数をフィルタリングし、すなわち、低レベルの不正ユーザのクリック数はリセットされる。オフラインの遅延した再罰則において使用される予め設定された比は、通常では、統計的ポリシーにおいて使用される予め設定された比より大きく、それにより、クリック数の閾値を超えない低レベルの不正ユーザのクリック数の中のクリック数(クリック数は、クリック数の閾値を超えるクリック数より高い確率で悪意を持ってトリガーされる)は、より高い程度でフィルタリングされる。
サンプルモジュール10は、サンプルセットを取得し、サンプルセット内の少なくとも1つのサンプルは、不正ユーザ及び広告上の不正ユーザのクリックのクリックログを含む。
サンプルモジュール10により形成されたサンプルセット内のサンプルは、異なるアプリケーションに対応するアプリケーションサンプルである。アプリケーションサンプルのうち少なくとも1つは、高レベルの不正ユーザが存在すると認識されているAPPであり、アプリケーションサンプルのそれぞれは、対応するアプリケーションの以下のディメンション、すなわち、アプリケーション内の広告上のアプリケーションのユーザのクリックのクリックログ、アプリケーション内の広告上のアプリケーションのユーザのクリックの露出ログ、アプリケーション内の広告上のアプリケーションのユーザのクリックの効果ログ、及びアプリケーションのユーザにより使用されたデバイスについての情報のうち少なくとも1つの情報を含む。
サンプルセットを取得する機能であり、サンプルセット内の少なくとも1つのサンプルは、不正ユーザ及び広告上の不正ユーザのクリックのクリックログを含む機能と、
サンプルセット内のサンプルから、不正ユーザのレベルに対応する少なくとも1つのディメンションの特性を抽出する機能であり、各不正ユーザは或るレベルに対応し、異なるレベルの不正ユーザの特性は異なる機能と、
不正ユーザ及び広告上の不正ユーザのクリックのクリックログに基づいて、少なくとも1つのディメンションの特性に対応する正のサンプルを形成し、少なくとも正のサンプルに基づいて、不正ユーザのレベルに対応する不正ユーザ識別モデルをトレーニングする機能と、
識別対象サンプルが少なくとも1つのディメンションの特性に対応すると決定する機能と、
識別対象サンプルに対応する少なくとも1つのディメンションの特性をトレーニングされた不正ユーザ識別モデルに入力し、出力結果に基づいて、識別対象サンプルにおける不正ユーザを識別するステップと
を実現するために、メモリ102に記憶されたアプリケーションを実行する。
Claims (11)
- 広告不正防止システムに適用される広告不正防止方法であって、
前記広告不正防止システムが、ユーザに広告タスクと引き換えに報酬を提供する広告タスクプラットフォームからサンプルセットを取得するステップであって、前記サンプルセットは複数のサンプルからなり、各前記サンプルは、少なくともユーザ識別子と、ユーザの広告上のクリック操作に関連するクリックログとを含み、前記サンプルセット内の前記サンプルは、不正ユーザを示す不正ユーザ識別子及び前記不正ユーザの広告上のクリック操作に関連するクリックログと、非不正ユーザを示す非不正ユーザ識別子及び前記非不正ユーザの広告上のクリック操作に関連するクリックログとのうち少なくとも1つを含むステップと、
前記広告不正防止システムが、前記サンプル内の前記クリックログに対応するユーザの広告上のクリックの操作データを解析し、前記操作データからユーザの広告上のクリック操作に関連する少なくとも1つの特徴を抽出するステップと、
前記広告不正防止システムが、前記不正ユーザ及び前記不正ユーザの広告上のクリック操作に関連する少なくとも1つの特徴を正のサンプルとして使用するとともに、前記非不正ユーザ及び前記非不正ユーザの広告上のクリック操作に関連する少なくとも1つの特徴を負のサンプルとして使用して、不正ユーザ識別モデルをトレーニングすることにより、前記不正ユーザ識別モデルのモデルパラメータをトレーニングするステップであって、前記不正ユーザ識別モデルは抽出された前記少なくとも1つの特徴から不正ユーザを識別するためのモデルであるステップと、
前記広告不正防止システムが、広告をプッシュするための広告システムから識別対象サンプルを取得し、前記識別対象サンプルから少なくとも1つの特徴を抽出し、当該特徴をトレーニングされた前記不正ユーザ識別モデルに入力し、前記不正ユーザ識別モデルの識別結果に基づいて、前記識別対象サンプルにおける不正ユーザを確定するステップと、
を含む方法。 - 前記サンプルセットは、複数のアプリケーションから取得されたサンプルセットを含み、前記複数のアプリケーションのうち少なくとも1つは、第1レベルの不正ユーザが存在すると知っているアプリケーションであり、前記複数のアプリケーションのサンプルセットのそれぞれは、対応するアプリケーションの以下の情報、すなわち、
前記アプリケーション内の前記アプリケーションのユーザの広告上のクリック操作に関連するクリックログ、
前記アプリケーション内の前記アプリケーションのユーザの広告上のクリック操作の露出ログ、
前記アプリケーション内の前記アプリケーションのユーザの広告上のクリック操作の効果ログ、及び
前記アプリケーションのユーザにより使用されたデバイスについての情報
のうち少なくとも1つの情報を含み、
前記広告不正防止システムが、前記サンプルセットを取得した後、各サンプルセットに対して、いずれか2人のユーザの間の少なくとも1つの特徴の相関度を解析し、
前記アプリケーションのいずれか2人のユーザが前記アプリケーション内の前記広告をクリックする操作の相関度、
前記アプリケーションのいずれか2人のユーザが前記アプリケーション内でクリックした前記広告により露出されたオブジェクトの相関度、
前記アプリケーションのいずれか2人のユーザが前記広告をクリックするために使用するデバイスについての情報の相関度、及び
前記アプリケーションのいずれか2人のユーザがクリックした前記広告の広告効果の相関度
のうち少なくとも1つの相関度を解析する、請求項1に記載の方法。 - 前記識別対象サンプルは、識別対象アプリケーションに対応するサンプルであり、前記不正ユーザ識別モデルの識別結果に基づいて、前記識別対象サンプルにおける不正ユーザを確定するステップは、
第1レベルの不正ユーザ識別モデルにより出力される前記識別対象アプリケーションのいずれか2人のユーザの間の前記少なくとも1つの特徴の相関度を取得し、前記識別対象アプリケーションの前記ユーザの間の前記少なくとも1つの特徴の平均相関度を確定するステップと、
前記平均相関度が平均相関度閾値を超える場合、前記識別対象アプリケーションの前記ユーザが第1レベルの不正ユーザであると確定するステップと
を含む、請求項2に記載の方法。 - 前記広告上の前記クリック操作に関連する少なくとも1つの特徴は、
統計期間におけるクリック数、
前記広告がクリックされた前記統計期間における期間数、
前記統計期間における前記広告上のクリックの間の時間間隔の平均、
前記統計期間における識別された不正ユーザの履歴上の比、及び
前記広告がクリックされた前記統計期間における期間内の前記広告上のクリックの平均数
のうち少なくとも1つの特徴を含む、請求項1に記載の方法。 - 前記広告をクリックしたユーザの識別子が第3レベルの不正ユーザの予め設定された識別子にマッチングした場合、前記広告をクリックした前記ユーザを前記第3レベルの不正ユーザとして識別するステップ、又は
統計期間において前記広告をクリックしたユーザによる前記広告上のクリック数を取得し、前記広告上のクリック数がクリック数の閾値を超える場合、前記広告をクリックした前記ユーザを前記第3レベルの不正ユーザとして識別するステップと、
前記不正ユーザのクリックをフィルタリングするステップと
を更に含み、
前記フィルタリングするステップは、
前記不正ユーザのクリック数の中でクリック数の前記閾値を超えるクリックをフィルタリングするステップ、又は
前記不正ユーザのクリック数の中でクリック数の前記閾値を超えないクリックをフィルタリングするステップを含む、請求項1に記載の方法。 - 広告不正防止装置であって、
ユーザに広告タスクと引き換えに報酬を提供する広告タスクプラットフォームからサンプルセットを取得するように構成されたサンプルモジュールであり、前記サンプルセットは複数のサンプルからなり、各前記サンプルは、少なくともユーザ識別子と、ユーザの広告上のクリック操作に関連するクリックログとを含み、前記サンプルセット内の前記サンプルは、不正ユーザを示す不正ユーザ識別子及び前記不正ユーザの広告上のクリック操作に関連するクリックログと、非不正ユーザを示す非不正ユーザ識別子及び前記非不正ユーザの広告上のクリック操作に関連するクリックログとのうち少なくとも1つを含むサンプルモジュールと、
前記サンプル内の前記クリックログに対応するユーザの広告上のクリックの操作データを解析し、前記操作データからユーザの広告上のクリック操作に関連する少なくとも1つの特徴を抽出するように構成された抽出モジュールと、
前記不正ユーザ及び前記不正ユーザの広告上のクリック操作に関連する少なくとも1つの特徴を正のサンプルとして使用するとともに、前記非不正ユーザ及び前記非不正ユーザの広告上のクリック操作に関連する少なくとも1つの特徴を負のサンプルとして使用して、不正ユーザ識別モデルをトレーニングすることにより、前記不正ユーザ識別モデルのモデルパラメータをトレーニングするように構成されたモデルトレーニングモジュールであって、前記不正ユーザ識別モデルは抽出された前記少なくとも1つの特徴から不正ユーザを識別するためのモデルであるモデルトレーニングモジュールと、
広告をプッシュするための広告システムから識別対象サンプルを取得し、前記識別対象サンプルから少なくとも1つの特徴を抽出し、当該特徴をトレーニングされた前記不正ユーザ識別モデルに入力し、前記不正ユーザ識別モデルの識別結果に基づいて、前記識別対象サンプルにおける不正ユーザを確定するように構成されたモデル適用モジュールと、
を含む装置。 - 前記サンプルセットは、複数のアプリケーションから取得されたサンプルセットを含み、前記複数のアプリケーションのうち少なくとも1つは、第1レベルの不正ユーザが存在すると知っているアプリケーションであり、前記複数のアプリケーションのサンプルセットのそれぞれは、対応するアプリケーションの以下の情報、すなわち、
前記アプリケーション内の前記アプリケーションのユーザの広告上のクリック操作に関連するクリックログ、
前記アプリケーション内の前記アプリケーションのユーザの広告上のクリック操作の露出ログ、
前記アプリケーション内の前記アプリケーションのユーザの広告上のクリック操作の効果ログ、及び
前記アプリケーションのユーザにより使用されたデバイスについての情報
のうち少なくとも1つの情報を含み、
前記サンプルセットを取得した後、各サンプルセットに対して、いずれか2人のユーザの間の少なくとも1つの特徴の相関度を解析し、
前記アプリケーションのいずれか2人のユーザが前記アプリケーション内の前記広告をクリックする操作の相関度、
前記アプリケーションのいずれか2人のユーザが前記アプリケーション内でクリックした前記広告により露出されたオブジェクトの相関度、
前記アプリケーションのいずれか2人のユーザが前記広告をクリックするために使用するデバイスについての情報の相関度、及び
前記アプリケーションのいずれか2人のユーザがクリックした前記広告の広告効果の相関度
のうち少なくとも1つの相関度を解析するように更に構成される、請求項6に記載の装置。 - 前記モデル適用モジュールは、
第1レベルの不正ユーザ識別モデルにより出力される識別対象アプリケーションのいずれか2人のユーザの間の前記少なくとも1つの特徴の相関度を取得し、前記識別対象アプリケーションの前記ユーザの間の前記少なくとも1つの特徴の平均相関度を確定し、
前記平均相関度が平均相関度閾値を超える場合、前記識別対象アプリケーションの前記ユーザが第1レベルの不正ユーザであると確定するように更に構成される、請求項7に記載の装置。 - 前記広告上の前記クリック操作に関連する少なくとも1つの特徴は、
統計期間におけるクリック数、
前記広告がクリックされた前記統計期間における期間数、
前記統計期間における前記広告上のクリックの間の時間間隔の平均、
前記統計期間における識別された不正ユーザの履歴上の比、及び
前記広告がクリックされた前記統計期間における期間内の前記広告上のクリックの平均数
のうち少なくとも1つの特徴を含む、請求項6に記載の装置。 - 前記広告をクリックしたユーザの識別子が第3レベルの不正ユーザの予め設定された識別子にマッチングした場合、前記広告をクリックした前記ユーザを前記第3レベルの不正ユーザとして識別するか、或いは統計期間において前記広告をクリックしたユーザによる前記広告上のクリック数を取得し、前記広告上のクリック数がクリック数の閾値を超える場合、前記広告をクリックした前記ユーザを前記第3レベルの不正ユーザとして識別するように構成された統計モジュールと、
前記不正ユーザのクリックをフィルタリングするように構成された罰則モジュールと
を更に含み、
前記不正ユーザのクリックをフィルタリングするために、前記罰則モジュールは、
前記不正ユーザのクリック数の中でクリック数の前記閾値を超えるクリックをフィルタリングするか、或いは
前記不正ユーザのクリック数の中でクリック数の前記閾値を超えないクリックをフィルタリングするように構成される、請求項6に記載の装置。 - 1つ以上のコンピュータプログラムを記憶したコンピュータ読み取り可能な不揮発性記憶媒体であって、
前記コンピュータプログラムは、メモリのプロセッサにより実行可能な1つ以上の命令を含み、前記命令がコンピュータにより実行されたときに、前記コンピュータは、以下の動作、すなわち、
ユーザに広告タスクと引き換えに報酬を提供する広告タスクプラットフォームからサンプルセットを取得する動作であって、前記サンプルセットは複数のサンプルからなり、各前記サンプルは、少なくともユーザ識別子と、ユーザの広告上のクリック操作に関連するクリックログとを含み、前記サンプルセット内の前記サンプルは、不正ユーザを示す不正ユーザ識別子及び前記不正ユーザの広告上のクリック操作に関連するクリックログと、非不正ユーザを示す非不正ユーザ識別子及び前記非不正ユーザの広告上のクリック操作に関連するクリックログとのうち少なくとも1つを含む動作と、
前記サンプル内の前記クリックログに対応するユーザの広告上のクリックの操作データを解析し、前記操作データからユーザの広告上のクリック操作に関連する少なくとも1つの特徴を抽出する動作と、
前記不正ユーザ及び前記不正ユーザの広告上のクリック操作に関連する少なくとも1つの特徴を正のサンプルとして使用するとともに、前記非不正ユーザ及び前記非不正ユーザの広告上のクリック操作に関連する少なくとも1つの特徴を負のサンプルとして使用して、不正ユーザ識別モデルをトレーニングすることにより、前記不正ユーザ識別モデルのモデルパラメータをトレーニングする動作であって、前記不正ユーザ識別モデルは抽出された前記少なくとも1つの特徴から不正ユーザを識別するためのモデルである動作と、
広告をプッシュするための広告システムから識別対象サンプルを取得し、前記識別対象サンプルから少なくとも1つの特徴を抽出し、当該特徴をトレーニングされた前記不正ユーザ識別モデルに入力し、前記不正ユーザ識別モデルの識別結果に基づいて、前記識別対象サンプルにおける不正ユーザを確定する動作と
を実行するようにされる不揮発性記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610349338.7A CN106022834B (zh) | 2016-05-24 | 2016-05-24 | 广告反作弊方法及装置 |
CN201610349338.7 | 2016-05-24 | ||
PCT/CN2017/085687 WO2017202336A1 (zh) | 2016-05-24 | 2017-05-24 | 广告反作弊方法,装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018536956A JP2018536956A (ja) | 2018-12-13 |
JP6878450B2 true JP6878450B2 (ja) | 2021-05-26 |
Family
ID=57093146
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018543423A Active JP6878450B2 (ja) | 2016-05-24 | 2017-05-24 | 広告に関する不正行為を防止するための方法及びデバイス並びに記憶媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10929879B2 (ja) |
JP (1) | JP6878450B2 (ja) |
CN (1) | CN106022834B (ja) |
WO (1) | WO2017202336A1 (ja) |
Families Citing this family (77)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106022834B (zh) | 2016-05-24 | 2020-04-07 | 腾讯科技(深圳)有限公司 | 广告反作弊方法及装置 |
CN106651458B (zh) * | 2016-12-29 | 2020-07-07 | 腾讯科技(深圳)有限公司 | 一种广告反作弊方法和装置 |
CN106651475A (zh) * | 2017-02-22 | 2017-05-10 | 广州万唯邑众信息科技有限公司 | 一种移动视频广告假量识别方法和*** |
CN108734495A (zh) * | 2017-04-20 | 2018-11-02 | 腾讯科技(深圳)有限公司 | 一种推广信息的资源信息确定方法、主机、服务器及*** |
CN108734366B (zh) * | 2017-04-24 | 2022-09-30 | 北京京东尚科信息技术有限公司 | 用户识别方法及其***、非易失性存储介质和计算机*** |
CN107194215B (zh) * | 2017-05-05 | 2020-06-26 | 北京神州新桥科技有限公司 | 用户行为分析方法、装置、***及机器可读存储介质 |
CN107274212A (zh) * | 2017-05-26 | 2017-10-20 | 北京小度信息科技有限公司 | 作弊识别方法及装置 |
CN107241347B (zh) * | 2017-07-10 | 2020-06-02 | 上海精数信息科技有限公司 | 广告流量质量的分析方法和装置 |
US11721090B2 (en) * | 2017-07-21 | 2023-08-08 | Samsung Electronics Co., Ltd. | Adversarial method and system for generating user preferred contents |
CN107481049A (zh) * | 2017-08-10 | 2017-12-15 | 北京铭嘉实咨询有限公司 | 对广告进行监测的方法和*** |
CN107507027A (zh) * | 2017-08-15 | 2017-12-22 | 上海精数信息科技有限公司 | 基于人机识别的广告投放控制方法及投放*** |
CN107483443B (zh) * | 2017-08-22 | 2020-06-05 | 北京京东尚科信息技术有限公司 | 广告信息处理方法、客户端、存储介质和电子设备 |
CN109428776B (zh) * | 2017-08-23 | 2020-11-27 | 北京国双科技有限公司 | 一种网站流量的监控方法及装置 |
CN107742265A (zh) * | 2017-10-27 | 2018-02-27 | 合肥亚慕信息科技有限公司 | 一种基于大数据分析在线考试监考*** |
CN109754272A (zh) * | 2017-11-03 | 2019-05-14 | 北京京东尚科信息技术有限公司 | 网络广告的计费方法和*** |
CN108093428B (zh) * | 2017-11-06 | 2021-02-19 | 每日互动股份有限公司 | 用于鉴别真实流量的服务器 |
CN108280332B (zh) * | 2017-12-15 | 2021-08-03 | 创新先进技术有限公司 | 移动终端的生物特征认证识别检测方法、装置和设备 |
CN108062686A (zh) * | 2017-12-20 | 2018-05-22 | 广州容骏信息科技有限公司 | 一种dsp广告投放反作弊*** |
CN109995834A (zh) * | 2017-12-30 | 2019-07-09 | ***通信集团贵州有限公司 | 大流量数据处理方法、装置、计算设备及存储介质 |
CN108415931B (zh) * | 2018-01-22 | 2020-05-19 | 北京深演智能科技股份有限公司 | 一种用于识别作弊流量的模型建立方法及*** |
CN110097389A (zh) * | 2018-01-31 | 2019-08-06 | 上海甚术网络科技有限公司 | 一种广告流量反作弊方法 |
CN108520438B (zh) * | 2018-03-30 | 2021-06-22 | 北京小米移动软件有限公司 | 行为类型确定方法及装置 |
CN108470253B (zh) * | 2018-04-02 | 2021-08-03 | 腾讯科技(深圳)有限公司 | 一种用户识别方法、装置及存储设备 |
US20210067544A1 (en) * | 2018-04-18 | 2021-03-04 | TrafficGuard Pty Ltd | System and Methods for Mitigating Fraud in Real Time Using Feedback |
US10645111B1 (en) | 2018-04-23 | 2020-05-05 | Facebook, Inc. | Browsing identity |
CN110213209B (zh) * | 2018-05-11 | 2022-01-07 | 腾讯科技(深圳)有限公司 | 一种推送信息点击的作弊检测方法、装置及存储介质 |
CN108694616A (zh) * | 2018-05-24 | 2018-10-23 | 百度在线网络技术(北京)有限公司 | 广告作弊的识别方法和装置 |
CN109167698A (zh) * | 2018-07-10 | 2019-01-08 | 百度在线网络技术(北京)有限公司 | 人机流量鉴别方法、装置、计算机设备及存储介质 |
CN109191167A (zh) * | 2018-07-17 | 2019-01-11 | 阿里巴巴集团控股有限公司 | 一种目标用户的挖掘方法和装置 |
CN109034906A (zh) * | 2018-08-03 | 2018-12-18 | 北京木瓜移动科技股份有限公司 | 广告转化的反作弊方法、装置、电子设备及存储介质 |
CN109189937B (zh) * | 2018-08-22 | 2021-02-09 | 创新先进技术有限公司 | 一种特征关系推荐方法及装置、一种计算设备及存储介质 |
CN109165691B (zh) * | 2018-09-05 | 2022-04-22 | 北京奇艺世纪科技有限公司 | 用于识别作弊用户的模型的训练方法、装置及电子设备 |
CN109461068A (zh) * | 2018-09-13 | 2019-03-12 | 深圳壹账通智能科技有限公司 | 欺诈行为的判断方法、装置、设备及计算机可读存储介质 |
US11620675B2 (en) | 2018-09-25 | 2023-04-04 | Nippon Telegraph And Telephone Corporation | Detector, detection method, and detection program |
US20200118162A1 (en) * | 2018-10-15 | 2020-04-16 | Affle (India) Limited | Method and system for application installation and detection of fraud in advertisement |
CN111105262B (zh) * | 2018-10-29 | 2024-05-14 | 北京奇虎科技有限公司 | 一种用户识别方法、装置、电子设备和存储介质 |
CN111199415B (zh) * | 2018-11-20 | 2024-05-24 | 北京京东尚科信息技术有限公司 | 识别点击广告有效性的模型训练方法、装置、设备及介质 |
CN109587248B (zh) * | 2018-12-06 | 2023-08-29 | 腾讯科技(深圳)有限公司 | 用户识别方法、装置、服务器及存储介质 |
CN109842619B (zh) * | 2019-01-08 | 2022-07-08 | 北京百度网讯科技有限公司 | 用户账号拦截方法和装置 |
CN111435507A (zh) * | 2019-01-11 | 2020-07-21 | 腾讯科技(北京)有限公司 | 广告反作弊方法、装置、电子设备及可读存储介质 |
KR102027409B1 (ko) * | 2019-02-18 | 2019-10-02 | 넷마블 주식회사 | 광고 사기 탐지 방법 및 장치 |
CN110111155A (zh) * | 2019-05-14 | 2019-08-09 | 重庆天蓬网络有限公司 | 广告反作弊处理方法、***、介质和电子设备 |
CN110191119B (zh) * | 2019-05-28 | 2021-09-10 | 秒针信息技术有限公司 | 一种产生异常流量的app的确定方法及装置 |
WO2020257991A1 (zh) * | 2019-06-24 | 2020-12-30 | 深圳市欢太科技有限公司 | 用户识别方法及相关产品 |
CN110415044A (zh) * | 2019-08-01 | 2019-11-05 | 秒针信息技术有限公司 | 作弊检测方法、装置、设备及存储介质 |
KR102470639B1 (ko) * | 2019-08-13 | 2022-11-25 | 구글 엘엘씨 | 신뢰되는 코드 증명 토큰으로 데이터 무결성 향상 |
CN112529605B (zh) * | 2019-09-17 | 2023-12-22 | 北京互娱数字科技有限公司 | 一种广告异常曝光识别***及方法 |
CN110807068B (zh) * | 2019-10-08 | 2022-09-23 | 北京百度网讯科技有限公司 | 换设备用户的识别方法、装置、计算机设备和存储介质 |
CN110852761B (zh) * | 2019-10-11 | 2023-07-04 | 支付宝(杭州)信息技术有限公司 | 制定反作弊策略的方法、装置及电子设备 |
CN110827094B (zh) * | 2019-11-15 | 2023-05-23 | 湖南快乐阳光互动娱乐传媒有限公司 | 广告投放的反作弊方法及*** |
CN111126448A (zh) * | 2019-11-29 | 2020-05-08 | 无线生活(北京)信息技术有限公司 | 一种智能识别诈骗用户的方法及装置 |
CN111028011A (zh) * | 2019-12-10 | 2020-04-17 | 北京华峰创业科技有限公司 | 一种广告的点击防作弊方法、智能终端和服务器 |
WO2021130991A1 (ja) * | 2019-12-26 | 2021-07-01 | 楽天グループ株式会社 | 不正検知システム、不正検知方法、及びプログラム |
CN111177725B (zh) * | 2019-12-31 | 2023-06-20 | 广州市百果园信息技术有限公司 | 一种检测恶意刷点击操作的方法、装置、设备及存储介质 |
CN111242318B (zh) * | 2020-01-13 | 2024-04-26 | 拉扎斯网络科技(上海)有限公司 | 基于异构特征库的业务模型训练方法及装置 |
CN111242239B (zh) * | 2020-01-21 | 2023-05-30 | 腾讯科技(深圳)有限公司 | 一种训练样本选取方法、装置、以及计算机存储介质 |
GB2591805A (en) * | 2020-02-07 | 2021-08-11 | Beaconsoft Ltd | Journey validation tool |
KR102365868B1 (ko) * | 2020-02-26 | 2022-02-21 | 아주대학교산학협력단 | 전자 장치 및 이의 잠재적 유해 애플리케이션 판단 방법 |
CN111292139A (zh) * | 2020-03-12 | 2020-06-16 | 上海数川数据科技有限公司 | 一种基于时频分析的反作弊方法 |
CN111401447B (zh) * | 2020-03-16 | 2023-04-07 | 腾讯云计算(北京)有限责任公司 | 一种基于人工智能的流量作弊识别方法、装置、电子设备 |
CN111404835B (zh) * | 2020-03-30 | 2023-05-30 | 京东科技信息技术有限公司 | 流量控制方法、装置、设备及存储介质 |
CN111563765A (zh) * | 2020-04-21 | 2020-08-21 | 北京龙云科技有限公司 | 一种作弊用户筛选方法、装置、设备及可读存储介质 |
CN111612531B (zh) * | 2020-05-13 | 2024-05-10 | 宁波财经学院 | 一种点击欺诈的检测方法及*** |
CN114078016B (zh) * | 2020-08-12 | 2023-10-10 | 腾讯科技(深圳)有限公司 | 一种反作弊行为识别方法、装置、电子设备和存储介质 |
CN112188291B (zh) * | 2020-09-24 | 2022-11-29 | 北京明略昭辉科技有限公司 | 广告位异常的识别方法和装置 |
CN112258221A (zh) * | 2020-10-12 | 2021-01-22 | 上海酷量信息技术有限公司 | 一种识别作弊终端的***和方法 |
CN114663121A (zh) * | 2020-12-23 | 2022-06-24 | 华扬联众数字技术股份有限公司 | 用于广告异常流量检测的方法和装置 |
KR20220099016A (ko) | 2021-01-05 | 2022-07-12 | 삼성전자주식회사 | 전자 장치 및 그 제어 방법 |
CN113034123B (zh) * | 2021-02-19 | 2024-03-12 | 腾讯科技(深圳)有限公司 | 异常资源转移识别方法、装置、电子设备及可读存储介质 |
CN112581195B (zh) * | 2021-02-25 | 2021-05-28 | 武汉卓尔数字传媒科技有限公司 | 一种广告推送方法、装置和电子设备 |
CN113610569A (zh) * | 2021-07-27 | 2021-11-05 | 上海交通大学 | 广告点击农场检测方法、***、终端及介质 |
CN113486984B (zh) * | 2021-08-02 | 2022-05-17 | 智慧足迹数据科技有限公司 | 基于信令数据识别用户类型的方法及相关装置 |
CN113986091A (zh) * | 2021-10-29 | 2022-01-28 | 掌阅科技股份有限公司 | 防重复点击方法、电子设备及计算机存储介质 |
KR20230153092A (ko) * | 2022-04-28 | 2023-11-06 | 넷마블 주식회사 | 광고 사기 유저를 분류하기 위한 장치 및 방법 |
CN115604027B (zh) * | 2022-11-28 | 2023-03-14 | 中南大学 | 网络指纹识别模型训练方法、识别方法、设备及存储介质 |
CN116662466B (zh) * | 2023-05-18 | 2023-12-19 | 重庆市规划和自然资源调查监测院 | 通过大数据进行土地全生命周期维护*** |
CN117033745B (zh) * | 2023-10-10 | 2024-01-09 | 北京智慧易科技有限公司 | 一种作弊对象识别方法、***、设备和存储介质 |
Family Cites Families (34)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002245339A (ja) * | 2001-02-20 | 2002-08-30 | Mitsubishi Electric Corp | インターネット広告の対価決定システム及び不正防止システム |
US7584287B2 (en) * | 2004-03-16 | 2009-09-01 | Emergency,24, Inc. | Method for detecting fraudulent internet traffic |
US20070061211A1 (en) * | 2005-09-14 | 2007-03-15 | Jorey Ramer | Preventing mobile communication facility click fraud |
US20070073579A1 (en) * | 2005-09-23 | 2007-03-29 | Microsoft Corporation | Click fraud resistant learning of click through rate |
JP2007286803A (ja) * | 2006-04-14 | 2007-11-01 | Nippon Telegr & Teleph Corp <Ntt> | 広告配信管理装置、広告配信管理方法、広告配信管理プログラム |
US20070255821A1 (en) * | 2006-05-01 | 2007-11-01 | Li Ge | Real-time click fraud detecting and blocking system |
WO2008030670A1 (en) * | 2006-09-08 | 2008-03-13 | Microsoft Corporation | Detecting and adjudicating click fraud |
US8880541B2 (en) * | 2006-11-27 | 2014-11-04 | Adobe Systems Incorporated | Qualification of website data and analysis using anomalies relative to historic patterns |
US20080147456A1 (en) * | 2006-12-19 | 2008-06-19 | Andrei Zary Broder | Methods of detecting and avoiding fraudulent internet-based advertisement viewings |
US8131611B2 (en) * | 2006-12-28 | 2012-03-06 | International Business Machines Corporation | Statistics based method for neutralizing financial impact of click fraud |
US20080162202A1 (en) * | 2006-12-29 | 2008-07-03 | Richendra Khanna | Detecting inappropriate activity by analysis of user interactions |
US20080270154A1 (en) * | 2007-04-25 | 2008-10-30 | Boris Klots | System for scoring click traffic |
US8135615B2 (en) * | 2007-12-18 | 2012-03-13 | Amdocs Software Systems Limited | Systems and methods for detecting click fraud |
US8639570B2 (en) * | 2008-06-02 | 2014-01-28 | Microsoft Corporation | User advertisement click behavior modeling |
US8245282B1 (en) * | 2008-08-19 | 2012-08-14 | Eharmony, Inc. | Creating tests to identify fraudulent users |
KR20100057192A (ko) * | 2008-11-21 | 2010-05-31 | 강용석 | Cpc 광고의 부정클릭 차단 시스템 및 그 방법 |
US20110131652A1 (en) * | 2009-05-29 | 2011-06-02 | Autotrader.Com, Inc. | Trained predictive services to interdict undesired website accesses |
US8533825B1 (en) * | 2010-02-04 | 2013-09-10 | Adometry, Inc. | System, method and computer program product for collusion detection |
US20110208714A1 (en) * | 2010-02-19 | 2011-08-25 | c/o Microsoft Corporation | Large scale search bot detection |
US20120130801A1 (en) * | 2010-05-27 | 2012-05-24 | Victor Baranov | System and method for mobile advertising |
US10298614B2 (en) * | 2010-11-29 | 2019-05-21 | Biocatch Ltd. | System, device, and method of generating and managing behavioral biometric cookies |
US9418221B2 (en) * | 2010-11-29 | 2016-08-16 | Biocatch Ltd. | Method, device, and system of differentiating among users based on responses to injected interferences |
US20130117081A1 (en) * | 2011-11-07 | 2013-05-09 | Fair Isaac Corporation | Lead Fraud Detection |
US10387911B1 (en) * | 2012-06-01 | 2019-08-20 | Integral Ad Science, Inc. | Systems, methods, and media for detecting suspicious activity |
US9027127B1 (en) * | 2012-12-04 | 2015-05-05 | Google Inc. | Methods for detecting machine-generated attacks based on the IP address size |
CN103150369A (zh) * | 2013-03-07 | 2013-06-12 | 人民搜索网络股份公司 | 作弊网页识别方法及装置 |
CN103390027A (zh) * | 2013-06-25 | 2013-11-13 | 亿赞普(北京)科技有限公司 | 一种互联网广告反作弊方法和*** |
CN103310003A (zh) * | 2013-06-28 | 2013-09-18 | 华东师范大学 | 一种基于点击日志的新广告点击率预测方法及*** |
JP6365010B2 (ja) * | 2014-06-30 | 2018-08-01 | 富士ゼロックス株式会社 | 学習プログラム及び情報処理装置 |
CN105404947A (zh) * | 2014-09-02 | 2016-03-16 | 阿里巴巴集团控股有限公司 | 用户质量侦测方法及装置 |
US10621613B2 (en) * | 2015-05-05 | 2020-04-14 | The Nielsen Company (Us), Llc | Systems and methods for monitoring malicious software engaging in online advertising fraud or other form of deceit |
US20160350800A1 (en) * | 2015-05-29 | 2016-12-01 | Yahoo! Inc. | Detecting coalition fraud in online advertising |
CN105046529A (zh) * | 2015-07-30 | 2015-11-11 | 华南理工大学 | 一种移动广告作弊识别方法 |
CN106022834B (zh) * | 2016-05-24 | 2020-04-07 | 腾讯科技(深圳)有限公司 | 广告反作弊方法及装置 |
-
2016
- 2016-05-24 CN CN201610349338.7A patent/CN106022834B/zh active Active
-
2017
- 2017-05-24 JP JP2018543423A patent/JP6878450B2/ja active Active
- 2017-05-24 WO PCT/CN2017/085687 patent/WO2017202336A1/zh active Application Filing
-
2018
- 2018-05-04 US US15/971,614 patent/US10929879B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
CN106022834B (zh) | 2020-04-07 |
WO2017202336A1 (zh) | 2017-11-30 |
US20180253755A1 (en) | 2018-09-06 |
CN106022834A (zh) | 2016-10-12 |
US10929879B2 (en) | 2021-02-23 |
JP2018536956A (ja) | 2018-12-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6878450B2 (ja) | 広告に関する不正行為を防止するための方法及びデバイス並びに記憶媒体 | |
CN104091276B (zh) | 在线分析点击流数据的方法和相关装置及*** | |
CN104199934B (zh) | 针对应用程序的广告进行拦截的方法及装置 | |
CN107431712A (zh) | 用于多租户环境的网络流日志 | |
CN104836781A (zh) | 区分访问用户身份的方法及装置 | |
CN105023165A (zh) | 社交网络平台中投放任务的控制方法、装置及*** | |
CN107330718B (zh) | 一种媒体反作弊方法及装置、存储介质、终端 | |
CN113412607B (zh) | 内容推送方法、装置、移动终端及存储介质 | |
CN109034867B (zh) | 点击流量检测方法、装置及存储介质 | |
WO2019191875A1 (en) | Processor systems to estimate audience sizes and impression counts for different frequency intervals | |
CN113572752A (zh) | 异常流量的检测方法和装置、电子设备、存储介质 | |
CN108011740A (zh) | 一种媒体流量数据处理方法和装置 | |
CN112733045A (zh) | 用户行为的分析方法、装置及电子设备 | |
CN106161389B (zh) | 一种作弊识别方法、装置及终端 | |
WO2019059812A1 (ru) | Метод и децентрализованная платформа для проведения и контроля рекламных кампаний с помощью смарт-контарктов, блокчейн технологии и нейронных сетей | |
CN111612085A (zh) | 一种对等组中异常点的检测方法及装置 | |
CN111563765A (zh) | 一种作弊用户筛选方法、装置、设备及可读存储介质 | |
US9118563B2 (en) | Methods and apparatus for detecting and filtering forced traffic data from network data | |
CN102521247B (zh) | 一种flash广告播放时长统计方法 | |
CN113837318A (zh) | 流量判定方案的确定方法和装置、电子设备和存储介质 | |
CN108229993A (zh) | 一种数据处理的方法及装置 | |
CN109474702B (zh) | 信息推荐方法、装置、计算机设备以及产品 | |
CN109413459B (zh) | 一种直播平台中用户的推荐方法以及相关设备 | |
CN108629610B (zh) | 推广信息曝光量的确定方法和装置 | |
CN111553738A (zh) | 多层级的流量分配方法及装置、电子设备、计算机存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180508 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190315 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20190423 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20190723 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20191217 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200413 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20200413 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20200421 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20200428 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20200619 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20200623 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20201208 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20210316 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20210420 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20210420 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210428 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6878450 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |