[发明专利]一种广告流量反作弊方法

权利要求书

1.一种广告流量反作弊方法，其特征在于：包括有以下方法步骤：

S1、根据设备的运行日志，获取网页或者软件的广告点击信息：通过广告的点击信息，获取设备的运行日志，并且对运行日志进行分析，并且获取获取产生广告行为的广告所对应的传播关系链数据；

S2、根据运行日志，判断运行日志中是否存在有广告作弊行为：对运行日志中的记录，判断用户是否存在有广告作弊的行为，即流量作弊分析识别模块根据设定的规则对用户的广告浏览频次、频率和点击的频次、频率进行分析来识别流量作弊，流量作弊分析识别模块综合考量用户留存、停留时间、访问深度、站内交互情况来分析识别作弊流量，站内交互情况包括点击、滚动、输入操作；

S3、根据S2中判断用户是否存在有作弊行为之后，对用户进行限定：通过内存算法实现对运行日志中的各种作弊情况进行计算分析，并且实现将可能存在的广告作弊行为的用户进行限定；

S4、对S2中的运行日志进行计算，判断该用户是否存在有广告作弊的趋势：通过元启发式算法对运行日志进行判断计算，以启发式算法实现对搜索空间的探索和开发，进而实现对运行日志的存在的趋势进行判断，并且在通过回归算法进行曲线模拟；

S5、对广告作弊用户和存在有广告作弊趋势的用户进行限定：根据对广告的点击频率、广告观看时长、广告诱导、广告劫持和广告刷新等对用户进行限定，防止广告作弊。

2.根据权利要求1所述的一种广告流量反作弊方法，其特征在于：所述运行日志根据用户的IP、cookie或设备ID作为分辨依据来统计用户的信息，并且根据用户的信息对用户进行限定。

3.根据权利要求2所述的一种广告流量反作弊方法，其特征在于：所述运行日志中包括有广告浏览频次、频率和点击的频次、频率，以及包括有广告停留的时长、访问深度和下载情况。

4.根据权利要求1所述的一种广告流量反作弊方法，其特征在于：所述S1中的传播关系链是用户对广告信息进行推送的次数和频率，通过推送的次数和频率判断用户是否是营销账户。

5.根据权利要求4所述的一种广告流量反作弊方法，其特征在于：所述传播关系链数据确定各所述流量的发送用户与接收用户，包括：从所述产生广告行为的广告对应的传播关系链数据中提取具有相同流量标识以及流量信息标识的传播关系链数据。

6.根据权利要求1所述的一种广告流量反作弊方法，其特征在于：所述S3内存算法将运行日志中存在的不同计算类型进行分区计算，并且建立一个空闲表或者空闲链来记录目前系统中空间的内存区域，在内存分配时，需要查找空间表或空闲链找到一块内存分配给当前进程。

7.根据权利要求1所述的一种广告流量反作弊方法，其特征在于：所述S3中的广告作弊行为的用户进行限定，即将广告作弊用户拉入黑名单，对广告作弊用户的点击和刷新次数不作计数。

8.根据权利要求1所述的一种广告流量反作弊方法，其特征在于：所述S4中的元启发式算法是启发式算法的改进，是随机算法与局部搜索算法相结合的产物，元启发式是一个迭代生成过程，通过对不同概念的智能组合，该过程以启发式算法实现对搜索空间的探索和开发，进而预断用户对用广告的点击和刷新次数是否成增长趋势。

9.根据权利要求1所述的一种广告流量反作弊方法，其特征在于：所述S4中的回归算法通过利用测试集数据来建立模型，再利用这个模型训练集中的数据进行处理的算法，线性回归旨在寻找到一根线，这个线到到达所有样本点的距离的和是最小的。

10.根据权利要求9所述的一种广告流量反作弊方法，其特征在于：所述回归算法的过拟合产生的原因是因为θ值过多或者是θ值过大造成的，解决方法可以使用L1正则，又称为lasso回归或者L2正则，又称为ridge回归，岭回归或者elastic net，弹性网络，算法：

L1正则公式如下,其中λ0

L2正则公式如下：其中λ0

elastic net公式如下：其中λ0，p在[0,1]之间