[发明专利]一种基于异构图嵌入的移动广告欺诈检测方法

权利要求书

1.一种基于异构图嵌入的移动广告欺诈检测方法，其特征在于，包括以下步骤：

1)获取移动广告日志数据，对数据进行预处理；

2)提取移动广告生态系统中用户、应用和广告的关联关系数据，构建有权异构图，其对应的meta模板和分别代表类别集和边的关系类别集，且满足

3)定义元路径设定每个节点的游走次数n和最长步长l，遍历有权异构图G中的节点，构建节点v的n条有权随机游走路径S_v＝{S_v1,S_v2,...,S_vn}，最终得到有权异构图G的元路径随机游走序列S；

4)构建语言模型，学习有权异构图G中P个移动应用节点的d维空间稠密向量表示X∈R^P×d，构成输入特征向量；

5)对训练部分的移动应用进行人工标注，按照是否为欺诈应用的信息设置每个移动应用的标签取值；欺诈应用的标签设置为1，非欺诈应用的标签设置为0，得到P_train个标签数据P_train＜P，P_train为训练部分应用总数P*η，η为小于1但大于0的浮点数，而后与步骤4)中的对应输入特征向量结合构成被试数据；

6)构建欺诈检测模型，用于检测欺诈的移动应用；

7)将被试数据输入到欺诈检测模型当中，获取欺诈检测模型参数，得到移动广告欺诈检测模型；

8)将未标注的移动应用输入特征输入到移动广告欺诈检测模型当中，进行欺诈应用的检测。

2.根据权利要求1所述的一种基于异构图嵌入的移动广告欺诈检测方法，其特征在于，在步骤1)中，数据预处理包括数据清洗和缺失值填充；移动广告日志数据包含四个属性：a、唯一标识属性：用户、应用、广告的唯一标识符；b、时间属性：用户使用应用操作广告发生的具体时间，精确到秒；c、位置属性：标识用户所处的地理位置；d、设备属性：用户所用的设备的型号、显示屏大小、操作系统。

3.根据权利要求1所述的一种基于异构图嵌入的移动广告欺诈检测方法，其特征在于：在步骤2)中，有权异构图G包含三种类型的节点，分别为用户节点应用节点和广告节点

有权异构图G包含三种节点关系，分别为用户使用应用用户操作广告应用展示广告其对应的meta模板表示对于任意的节点v∈V存在着一个映射函数且对于任意的连边存在着映射函数

有权异构图G中两个邻居节点之间边的权重由其对应的操作信息确定。

4.根据权利要求1所述的一种基于异构图嵌入的移动广告欺诈检测方法，其特征在于：在步骤3)中，构建每个节点的随机游走序列S_ti,i＝1,2,...,n，节点的采样方式分为两个阶段：起始阶段和后续阶段，分别代表游走序列S_ti长度在0到一半元路径的长度之间的游走阶段和长度在到最长游走步长l之间的游走阶段。

5.根据权利要求1所属的一种基于异构图嵌入的移动广告欺诈检测方法，其特征在于：在步骤4)中，构建的语言模型为Skip-gram模型并使用负采样方式进行加速，负采样的负样本个数为f_n；

构建的Skip-gram模型中的其优化函数如下式：

其中，v_t为给定节点v的异构上下文中的节点；θ为模型的参数，X_v,为节点v和v_t对应的低维的节点向量表示；X_a为图中任意节点的低维的向量表示；

最后得到图中节点的在低维空间中的稠密向量表示为其中d为向量维度。

6.根据权利要求1所述的一种基于异构图嵌入的移动广告欺诈检测方法，其特征在于：在步骤6)中，构建的欺诈检测模型为分类器模型，包括传统机器学习模型和深度学习模型。