[发明专利]一种点击欺诈的检测方法及系统

说明书

本发明提供一种点击欺诈的检测方法及系统，涉及互联网安全技术领域，包括：获取广告点击用户产生的若干点击流，进行数据预处理得到有效点击流数据集，并根据属性特征识别模型识别得到属性特征集合；根据属性特征集合计算各有效点击流的评估分；对各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平均评估分，对评估分不小于平均评估分的广告点击用户进行合法等级预测，并将合法等级预测概率不小于合法等级概率阈值的广告点击用户进行孤立点挖掘得到候选点击欺诈群组；计算误判率并在误判率小于误判率阈值时输出候选点击欺诈群组。本发明能够实现高效检测，满足实时需求，且有效屏蔽用户偶然的无意识点击，显著降低用户点击欺诈的概率。

技术领域

本发明涉及互联网安全领域，尤其涉及一种点击欺诈的检测方法及系统。

背景技术

点击付费是互联网产业的一种盈利模式，该模式是以统计访问者的点击网络广告次数来对广告主收费。网络广告按点击付费的方式较之传统按投放时间付费有着不可比拟的优点，是一种获得新客户平均成本最低、投资回报高的一种方法。然而，点击付费模式下就不可避免要面临点击欺诈。点击欺诈是指所有利用欺诈性手段或带有欺诈意图并被搜索引擎承认的点击行为。通过人为或者特制的软件程序恶意点击广告链接，从而违法盗取广告客户的广告点击费用，谋取经济利益，并给广告主带来巨大经济损失。目前，点击欺诈已经成为阻碍网络搜索竞价市场健康发展的一大顽疾，亟需一种有效稳定的点击欺诈的检测和防范机制。

目前采用的点击欺诈的检测更多是从互联网海量数据出发，采用基于用户点击行为识别欺诈行为的检测方法，但点击欺诈具有复杂的模式，同时人为点击与正常点击比较相似，导致点击欺诈的特征具有一定的若随机性而难以检出。同时，国内研究学者需求各种方法进行点击欺诈的检测和预防，如基于IP和Referer检测手段的防欺诈点击方法；基于分析过滤、历史行为分析过滤和AI模式识别过滤等过滤技术；基于有限状态自动机的实时检测方法以及基于图形验证码防欺诈点击方法等。上述方法能够有效检测出点击欺诈用户，但对于使用者的硬件和网络要求均较高，资源开销比较大，且检测速率及检测精度都较难满足实时需求。

发明内容

针对现有技术中存在的问题，本发明提供一种点击欺诈的检测方法，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；