[发明专利]一种点击欺诈的检测方法及系统

权利要求书

1.一种点击欺诈的检测方法，其特征在于，具体包括以下步骤：

步骤S1，获取广告点击用户产生的若干点击流，并对各所述点击流进行数据预处理以得到有效点击流数据集；

所述有效点击流数据集中包括若干有效点击流；

步骤S2，根据预先生成的点击欺诈训练集训练得到属性特征识别模型，并根据所述属性特征识别模型对所述有效点击流数据集进行识别得到各所述有效点击流对应的属性特征集合；

所述属性特征集合中包括各所述有效点击流对应的若干属性特征；

步骤S3，针对每个所述有效点击流，根据预先设置的所述有效点击流对应的各所述属性特征的权值和属性分值，对每个所述有效点击流进行加权计算，得到各所述有效点击流的评估分；

步骤S4，对各所述有效点击流进行数据挖掘得到最大疑似点击欺诈群组，并计算得到所述最大疑似点击欺诈群组对应的各所述有效点击流的平均评估分；

若所述评估分小于所述平均评估分，则表示所述评估分对应的所述有效点击流为正常用户点击所产生，随后退出；

若所述评估分不小于所述平均评估分，则将所述评估分对应的所述有效点击流关联的各所述广告点击用户加入一第一疑似点击欺诈群组，随后转向步骤S5；

步骤S5，分别对所述第一疑似点击欺诈群组中的每个所述广告点击用户的点击行为进行合法等级预测，得到各所述广告点击用户的合法等级预测概率，并将所述合法等级预测概率与预先设置的合法等级概率阈值进行比较：

若所述合法等级预测概率小于所述合法等级概率阈值，则表示所述合法等级预测概率对应的所述广告点击用户为正常用户，随后退出；

若所述合法等级预测概率不小于所述合法等级概率阈值，则将所述合法等级预测概率对应的各所述广告点击用户加入一第二疑似点击欺诈群组，随后转向步骤S6；

步骤S6，对所述第二疑似点击欺诈群组进行基于属性相异度的孤立点挖掘得到候选点击欺诈群组；

步骤S7，计算所述候选点击欺诈群组的误判率，并将所述误判率与预先设置的误判率阈值进行比较：

若所述误判率小于所述误判率阈值，则确认所述候选点击欺诈群组为点击欺诈群组并输出，随后退出；

若所述误判率不小于所述误判率阈值，则返回所述步骤S2。

2.根据权利要求1所述的检测方法，其特征在于，所述步骤S3中，按照如下公式计算各所述有效点击流的评估分：

其中，

S用于表示所述评估分；

w_i用于表示所述有效点击流对应的各所述属性特征的权值；

r_i用于表示所述有效点击流对应的各所述属性特征的属性分值。

3.根据权利要求1所述的检测方法，其特征在于，所述步骤S4具体包括：

步骤S41，采用频繁项集算法对各所述有效点击流进行数据挖掘得到一包括若干所述广告点击用户的最大频繁项集，并将所述最大频繁项集作为所述最大疑似点击欺诈群组；

所述最大疑似点击欺诈群组包括若干所述广告点击用户；

步骤S42，获取所述最大疑似点击欺诈群组中的各所述广告点击用户点击产生的各所述有效点击流对应的所述评估分；

步骤S43，对各所述评估分取均值得到所述平均评估分。

4.根据权利要求1所述的检测方法，其特征在于，所述步骤S5中，采用贝叶斯分类方法对所述第一疑似点击欺诈群组中的每个所述广告点击用户的点击行为进行所述合法等级预测。

5.根据权利要求1所述的检测方法，其特征在于，所述步骤S6具体包括：

步骤S61，根据所述第二疑似欺诈群组中各所述广告点击用户两两之间的属性相异度；

步骤S62，根据各所述属性相异度生成相异度矩阵；

步骤S63，统计所述相异度矩阵中的每列中大于预先设置的相异度阈值的所述属性相异度的数量，并将统计结果按照由大到小的顺序依次排列形成一孤立点队列；

步骤S64，提取所述孤立点队列中靠前的预设数量的所述列对应的所述广告点击用户作为孤立点；

步骤S65，从所述第二疑似欺诈群组中剔除所述孤立点对应的所述广告点击用户以得到所述候选点击欺诈群组。