广告作弊的识别方法和装置制造方法及图纸

本发明专利技术实施例提出一种广告作弊的识别方法和装置，该方法包括：从广告的计费失败日志中获取样本客户；根据样本客户获取作弊行为特征和作弊物料特征；采用作弊行为特征构建作弊模型；根据作弊模型和作弊物料特征，识别出作弊客户。本发明专利技术实施例的作弊模型的训练样本来自实际导致计费失败的作弊行为特征，经过了充分的数据验证，识别准确性优于理论推断和个案分析；通过作弊物料特征辅助识别，进一步提高识别准确性。

【技术实现步骤摘要】
广告作弊的识别方法和装置
本专利技术涉及互联网
，尤其涉及一种广告作弊的识别方法和装置。
技术介绍
对于按点击计费的在线广告系统，广告展现前先判断预算和余额是否充足，展现预算和余额都没有下线的广告，广告被点击后再进行预算和余额扣减。预算和余额状态判断与预算和余额扣减是异步的。如果展现和点击之间有较大的时间延迟，可能发生广告展现过多，点击后因预算或余额不足而计费失败的问题，造成流量浪费、收入损失。如果广告主有意利用这一系统局限骗取展现或点击属于作弊行为。例如，穿插在资讯内容之间的信息流广告，往往不会被网民在第一时间点击，从广告检索到产生点击计费有较大的延迟。广告预算上下线信号延迟较大。广告主利用系统延迟，导致计费失败的作弊手法主要包括：设置低预算，提高出价和消费速度，在投放期间频繁启停广告投放、调整预算等。如果检索端有时间通过预估消费速度来预判，可以降速和停播。但是，对于操作过于频繁的情况，检索端无法预测下一步动作，来不及做预估，则无法预判处理。
技术实现思路
本专利技术实施例提供一种广告作弊的识别方法和装置，以解决现有技术中的一个或多个技术问题。第一方面，本专利技术实施例提供了一种广告作弊的识别方法，包括：从广告的计费失败日志中获取样本客户；根据样本客户获取作弊行为特征和作弊物料特征；采用作弊行为特征构建作弊模型；根据作弊模型和作弊物料特征，识别出作弊客户。结合第一方面，本专利技术实施例在第一方面的第一种实现方式中，从广告的计费失败日志中获取样本客户，包括：获取广告的计费失败日志中超投金额排名在前N个的样本客户，N为正整数，N为预设值，所述超投金额为超过广告预算的金额。结合第一方面，本专利技术实施例在第一方面的第二种实现方式中，根据所述样本客户获取作弊行为特征和作弊物料特征，包括：从所述样本客户对应的广告投放行为数据中，提取异常预算、异常出价、异常消费速度和异常投放频率中的至少一种，作为作弊行为特征；从所述样本客户对应的已投放广告中，提取相似的标题、图片、声音、视频、文本中的至少一种，作为作弊物料特征。结合第一方面，本专利技术实施例在第一方面的第三种实现方式中，根据作弊模型和作弊物料特征，识别出作弊客户，包括：采用作弊模型对客户的历史操作记录进行识别，得到风险客户；检测风险客户在创建广告时所用的物料是否符合作弊物料特征；如果符合，则将风险客户判定为作弊客户。结合第一方面或其任意一种实现方式，本专利技术实施例在第一方面的第四种实现方式中，该方法还包括：为作弊客户添加作弊标记；根据所述作弊标记限制所述作弊客户的实时广告投放行为。第二方面，本专利技术实施例提供了一种广告作弊的识别装置，包括：第一获取模块，用于从广告的计费失败日志中获取样本客户；第二获取模块，用于根据所述样本客户获取作弊行为特征和作弊物料特征；构建模型模块，用于采用所述作弊行为特征构建作弊模型；识别模块，用于根据作弊模型和作弊物料特征，识别出作弊客户。结合第二方面，本专利技术实施例在第二方面的第一种实现方式中，第一获取模块包括：第一获取子模块，用于获取广告的计费失败日志中超投金额排名在前N个的样本客户，N为正整数，N为预设值，所述超投金额为超过广告预算的金额。结合第二方面，本专利技术实施例在第二方面的第二种实现方式中，所述第二获取模块包括：第一提取子模块，用于从所述样本客户对应的广告投放行为数据中，提取异常预算、异常出价、异常消费速度和异常投放频率中的至少一种，作为作弊行为特征；第二提取子模块，用于从所述样本客户对应的已投放广告中，提取相似的标题、图片、声音、视频、文本中的至少一种，作为作弊物料特征。结合第二方面，本专利技术实施例在第二方面的第三种实现方式中，所述识别模块包括：识别子模块，用于采用作弊模型对客户的历史操作记录进行识别，得到风险客户；检查子模块，用于检测风险客户在创建广告时所用的物料是否符合作弊物料特征；判定子模块，用于，如果符合作弊物料特征，则将风险客户判定为作弊客户。结合第二方面或其任意一种实现方式，本专利技术实施例在第二方面的第四种实现方式中，该装置还包括：标记模块，用于为作弊客户添加作弊标记；限制模块，用于根据所述作弊标记限制所述作弊客户的实时广告投放行为。第三方面，本专利技术实施例提供了一种广告作弊的识别装置，所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中，广告作弊的识别装置的结构中包括处理器和存储器，所述存储器用于存储支持广告作弊的识别装置执行上述广告作弊的识别方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述广告作弊的识别装置还可以包括通信接口，用于广告作弊的识别装置与其他设备或通信网络通信。第四方面，本专利技术实施例提供了一种计算机可读存储介质，用于存储广告作弊的识别装置所用的计算机软件指令，其包括用于执行上述广告作弊的识别方法所涉及的程序。上述技术方案中的一个技术方案具有如下优点或有益效果：作弊模型的训练样本来自实际导致计费失败的作弊行为特征，经过了充分的数据验证，识别准确性优于理论推断和个案分析；通过作弊物料特征辅助识别，进一步提高识别准确性，因此识别作弊客户的准确性高。上述技术方案中的另一个技术方案具有如下优点或有益效果：客户有作弊行为特征时打上作弊标记这种高危标签，使得检索端可以实时打压，无需再花时间预估，因此时效性高。此外，可以定期更新计费失败日志，不断利用新的数据输入，自动改进和修正作弊模型，完善作弊模型的规则，纠正误判和遗漏。上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本专利技术进一步的方面、实施方式和特征将会是容易明白的。附图说明在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本专利技术公开的一些实施方式，而不应将其视为是对本专利技术范围的限制。图1为根据本专利技术一实施例的广告作弊的识别方法的流程图。图2为根据本专利技术另一实施例的广告作弊的识别方法的流程图。图3为根据本专利技术另一实施例的广告作弊的识别方法的流程图。图4为根据本专利技术另一实施例的广告作弊的识别方法的系统框图。图5为根据本专利技术另一实施例的广告作弊的识别装置的框图。图6为根据本专利技术另一实施例的广告作弊的识别装置的框图。图7为根据本专利技术另一实施例的广告作弊的识别装置的框图。图8为根据本专利技术另一实施例的广告作弊的识别装置的框图。图9为根据本专利技术一实施例的装置的框图。具体实施方式在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本专利技术的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。图1示出根据本专利技术一实施例的广告作弊的识别方法的流程图。如图1所示，该广告作弊的识别方法可以包括以下步骤：步骤S110、从广告的计费失败日志中获取样本客户。步骤S120、根据样本客户获取作弊行为特征和作弊物料特征。步骤S130、采用作弊行为特征构建作弊模型。步骤S140、根据作弊模型和作弊物料特征，识别出作弊客户。在广告投放过程中，如果计费本文档来自技高网...

【技术保护点】
1.一种广告作弊的识别方法，其特征在于，包括：从广告的计费失败日志中获取样本客户；根据所述样本客户获取作弊行为特征和作弊物料特征；采用所述作弊行为特征构建作弊模型；根据作弊模型和作弊物料特征，识别出作弊客户。

【技术特征摘要】
1.一种广告作弊的识别方法，其特征在于，包括：从广告的计费失败日志中获取样本客户；根据所述样本客户获取作弊行为特征和作弊物料特征；采用所述作弊行为特征构建作弊模型；根据作弊模型和作弊物料特征，识别出作弊客户。2.根据权利要求1所述的方法，其特征在于，从广告的计费失败日志中获取样本客户，包括：获取广告的计费失败日志中超投金额排名在前N个的样本客户，N为正整数，N为预设值，所述超投金额为超过广告预算的金额。3.根据权利要求1所述的方法，其特征在于，根据所述样本客户获取作弊行为特征和作弊物料特征，包括：从所述样本客户对应的广告投放行为数据中，提取异常预算、异常出价、异常消费速度和异常投放频率中的至少一种，作为作弊行为特征；从所述样本客户对应的已投放广告中，提取相似的标题、图片、声音、视频、文本中的至少一种，作为作弊物料特征。4.根据权利要求1所述的方法，其特征在于，根据作弊模型和作弊物料特征，识别出作弊客户，包括：采用作弊模型对客户的历史操作记录进行识别，得到风险客户；检测风险客户在创建广告时所用的物料是否符合作弊物料特征；如果符合，则将风险客户判定为作弊客户。5.根据权利要求1至4中任一项所述的方法，其特征在于，还包括：为作弊客户添加作弊标记；根据所述作弊标记限制所述作弊客户的实时广告投放行为。6.一种广告作弊的识别装置，其特征在于，包括：第一获取模块，用于从广告的计费失败日志中获取样本客户；第二获取模块，用于根据所述样本客户获取作弊行为特征和作弊物料特征；构建模型模块，用于采用所述作弊行为特征构建作弊模型；识别模块，用于根据作弊...

【专利技术属性】
技术研发人员：韩彪，赵京华，李航宇，刘学超，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11