[发明专利]一种广告反作弊方法及计算设备

权利要求书

1.一种广告反作弊方法，所述方法适于在计算设备中执行，所述计算设备上布置有数据存储装置，用于存储用户信息及用户行为日志，所述方法包括步骤：

响应于用户操作，获取用户信息并存储至数据存储装置；

根据预定规则对所述用户信息进行判断，以确认该用户是否为作弊用户；

若根据所述预定规则未确认该用户为作弊用户，则根据该用户的用户行为日志提取反作弊特征并生成反作弊特征向量；以及

根据所述反作弊特征向量，采用预定的机器学习模型确认所述反作弊特征向量指向的用户是否为作弊用户，包括步骤：采用预定的机器学习模型计算所述反作弊特征向量指向的用户为作弊用户的概率，其中，将反作弊特征向量输入预定的机器学习模型，以按照如下公式计算该用户属于作弊用户的概率：式中，x为输入的反作弊特征向量，y代表用户身份，取值为1或0，其中，y＝1表示用户是作弊用户，y＝0表示用户不是作弊用户，w*和b*表示通过训练得到的最优参数值，

若所述概率大于第一阈值，则确认该用户是作弊用户，若所述概率小于第一阈值且大于第二阈值，则确认该用户是可疑用户，其中，所述第一阈值设为0.8，所述第二阈值设为0.5。

2.如权利要求1所述的方法，其中，所述用户信息包括以下信息中的至少一个：用户标识、IP地址、地理位置。

3.如权利要求2所述的方法，其中，所述根据预定规则对用户信息进行判断、以确认该用户是否为作弊用户的步骤包括：

分别统计用户信息中各信息对应的访问次数；以及

当各信息对应的访问次数均大于对应的各预设值时，确认该用户为作弊用户。

4.如权利要求3所述的方法，其中，所述用户行为日志中存储有与用户行为相关的多条记录，且每条记录包括与用户标识关联存储的广告标识、任务类型标识、地理位置、时间信息。

5.如权利要求4所述的方法，其中，所述任务类型包括请求、点击、曝光、落地页曝光、下单。

6.如权利要求5所述的方法，其中，所述反作弊特征包括以下特征中的一项或多项：

各任务类型对应的地理位置；

请求广告的时间与点击广告的时间的时间差；

广告点击率；

广告转化率。

7.如权利要求6所述的方法，还包括训练得到预定的机器学习模型的步骤：

获取多个已确定用户是否为作弊用户的反作弊特征向量作为训练样本；

将所述训练样本输入初始的机器学习模型进行训练；

在每次训练结束后计算损失函数值，当损失函数值满足预定条件时训练结束，得到最优参数值。

8.如权利要求7所述的方法，其中，损失函数定义为：

其中，n为训练样本数量，x_i为输入的第i个反作弊特征向量，y_i为第i个反作弊特征向量对应的用户为作弊用户的概率值，w和b为待定参数。

9.一种计算设备，包括：

一个或多个处理器；和

存储器；

一个或多个程序，其中所述一个或多个程序存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1-8所述方法中的任一方法的指令。

10.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当计算设备执行时，使得所述计算设备执行根据权利要求1-8所述的方法中的任一方法。