10月19日,為期5天的第28屆國際計算機信息與知識管理大會(ACM CIKM 2020)在線上召開。匯量科技(Mobvista)將應邀出席本次大會,并將在10月22日“Applied Research Track Advertising I”環(huán)節(jié)分享其在移動廣告反作弊領域的最新研究成果。
ACM CIKM是信息檢索和數(shù)據(jù)挖掘領域的頂級學術會議之一,本屆CIKM會議共收到投稿920篇,其中錄用論文193篇,Mobvista反作弊團隊的論文“BotSpot: A Hybrid Learning Framework to Uncover Bot Install Fraud in Mobile Advertising” 已于此前被本次大會錄用。該論文顯示, Mobvista反作弊團隊研究并實現(xiàn)了一種新型的Bots安裝作弊檢測模型——BotSpot,并取得了不錯的實際應用效果。
近年來,隨著移動互聯(lián)網(wǎng)技術的快速發(fā)展以及智能移動設備的興起和不斷普及,移動廣告行業(yè)迅速發(fā)展。 據(jù)eMarketer報告顯示,2019 年全球移動廣告總支出已高達2409.5億美元,預計2020年將持續(xù)增長至2865億美元。然而,隨著移動廣告預算的持續(xù)增長,移動應用安裝作弊也日漸猖狂,給廣告主造成了廣告預算浪費的同時,也對廣告平臺投放效果和聲譽造成了嚴重的不良影響。
在所有移動應用安裝的各種作弊類型當中, Bots安裝作弊無疑是當前最難識別的,同時也是占比較大的一種作弊類型。 根據(jù)AppsFlyer在2019年的一份報告顯示, AppsFlyer在2017年至2019年三年期間檢測到超過16億次安裝作弊,其中Bots安裝作弊高達9億多次。
Bots安裝作弊,是指作弊者通過 Bots來模擬真實用戶的應用安裝行為,從而竊取廣告主的廣告預算。Bots安裝作弊之所以難以檢測是因為Bots看起來很像真實用戶,它具有真實的IP、Device等,甚至可以進行應用內(nèi)的事件,如:在指定時間打開應用,加購等。
目前,許多基于機器學習的移動廣告作弊檢測方法都旨在解決廣告展現(xiàn)或點擊作弊問題,但很少有關于安裝作弊檢測,尤其是Bots安裝作弊檢測的研究。Mobvista集團副總裁朱亞東博士介紹,當下的許多方法都采用了集成方法等技術,例如:Random Forest和XGBoost等,盡管這些方法能夠通過復雜的特征工程挖掘出豐富的作弊模式,但由于它們無法利用結(jié)構(gòu)信息來構(gòu)建實體之間的各類關系,因此這些方法并非最好的解決方案。
在此背景下,Mobvista反作弊團隊提出了一種混式學習方法,該方法結(jié)合了神經(jīng)網(wǎng)絡(GNN)和梯度提升分類器,能夠同時考慮局部上下文信息和全局上下文信息,以此來更好地檢測移動廣告中的Bots安裝作弊。該團隊并未直接利用現(xiàn)有的GNN模型,而是根據(jù)Mobvista的具體業(yè)務和Bots安裝作弊的特點構(gòu)建一個異構(gòu)圖并設計了一種新穎的消息傳遞機制來提取局部上下文信息;以及通過一個Pre-trained的梯度提升分類器模型來提取全局上下文信息。 BotSpot模型的架構(gòu)如下圖所示:
通過在Mobvista上對真實數(shù)據(jù)進行的實驗結(jié)果顯示,BotSpot模型在檢測Bots安裝作弊方面具有更大的優(yōu)越性。在指定精確率(Precision)為90%的情況下,BotSpot模型在兩個離線數(shù)據(jù)集上相比所有其它Baseline方法在召回率(Recall)方面分別提高至少2.2%和5.75%。
作為全球領先的技術平臺,在Mobvista每天有超過100萬次應用安裝,因此Mobvista十分重視對各類移動應用安裝作弊手段的研究,以防廣告主的預算在沒有任何實際轉(zhuǎn)換的情況下被浪費。值得一提的是,今年5月份,Mobvista針對移動廣告作弊問題,還發(fā)布了《移動廣告反作弊白皮書2.0》,詳細闡述了當前的移動廣告領域的作弊情況、作弊方式及相應的反作弊策略等。
朱亞東博士表示,研究移動廣告領域的Bots安裝作弊檢測問題,是增強移動廣告行業(yè)的透明度并推動行業(yè)規(guī)范化發(fā)展的關鍵,然而目前卻鮮少有機構(gòu)針對該領域進行研究,Mobvista始終站在移動廣告反作弊攻防這一戰(zhàn)場的最前線,希望通過此次論文的分享,能夠為行業(yè)帶來更多的思考。
公開資料顯示,Mobvista成立于2013年,目前已覆蓋全球超85個國家,在全球18個城市設有辦事處,為全球超過3000個應用開發(fā)者提供移動廣告推廣服務,且在其700多名員工中,有超過45%為技術研發(fā)人員。本次被CIKM錄用的論文,是在集團副總裁朱亞東指導下完成,并得到了中山大學梁上松教授的指點和幫助。10月22日,Mobvista高級算法工程師姚天峻及資深算法工程師李青也將代表反作弊團隊在CIKM大會上進行該成果的詳細分享,敬請期待。
（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。 ）
