开启收割韭菜的新时代

运营平台

• 投诉反馈是与广告主反馈无效点击的通道。
• 主动发现作弊是我们离线运行一些达不到上线准确率的策略，以在广告主感知到之前主动发现作弊，提升客户体验。由于准确率达不到上线标准，故需要较多的人力分析挖掘的疑似作弊。在后面的主动发现作弊环境会详细介绍思路。
• 数据沉淀包括两方面，一是识别的无效点击用于后续训练有监督模型识别作弊，二是识别无效点击，以便下游广告算法等清洗数据。

2 规则与模型对比

新型作弊大规模出现时，非常影响客户体验，进而影响业务发展，规则适合解决这种紧急出现的大规模作弊;且规则容易实时部署;且规则可解释性强，早期的反作弊中使用较多，正因为这个原因，微软的广告反作弊系统2016年主要还是规则;再者反作弊场景天然缺少作弊样本，也是规则受欢迎的一个原因。但由于规则过于依赖人的经验，且维度单一，容易被作弊者绕过，在作弊退去时可能因为准确率变低而误过;另外一个规则解决一类作弊的话，后期会出现规则过多，维护成本高。另外统计规则为了保证准确率段首较大。

当规则和人工经验多了会积累作弊样本，这时候将规则作为模型的特征训练模型，让模型自己学作弊的特点以召回作弊。由于模型使用特征较多，准确率更高，且一定程度上解决规则的段首问题。
 

数据层

线上系统使用了用户历史多天的站内全链路行为数据，和最近的曝光、点击数据。行为反映用户的意图，在行为序列模型TextCNN、BiLSTM、Bert和GraphSage里都用到了用户的历史行为序列。

算法层&应用层

如前面所述，作弊和反作弊都在不断迭代升级。目前的算法主要集中在人工经验规则、统计策略、机器学习和深度学习模型、图模型。

下述简单介绍算法迭代的过程，详细介绍请参考后面核心算法部分。

• 业务刚开始的作弊主要是机器作弊，一些人机识别、爬虫识别、黑名单即可识别大部分作弊。我们称之为单点反作弊。
• 随后作弊者升级到人工作弊，比如大规模人工点击(期间还不断清除介质)，或者只点没有转化的行为序列异常，我们会升级到计数、比例、分布等统计策略和行为序列模型TextCNN、BiLSTM，已经能拦截大部分的个人作弊。我们称之为线上反作弊。
• 接着作弊者又会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。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。
• 再后面作弊难度更大了，他们会有众包团伙作弊，我们也升级联通图、图神经网络GraphSage等模型，识别作弊团伙。我们称之为体反作弊。

架构层

广告点击涉及到钱，时效性要求高，所以必须有实时反作弊;但是实时策略只能看到当前点击之前的数据，不能看到点击之后的数据，可能存在少量判断不准的情况。故我们增加了小时级别的离线模型，使用更多数据提升准确率和召回率。