[发明专利]移动广告点击欺诈检测方法、系统、终端及介质

说明书

本发明提供了一种移动广告点击欺诈检测方法及系统，将app中针对广告的点击事件转化为数据依赖图，进而转化为特征向量，通过变分自编码器对其进行重构，利用重构误差判断该点击事件是否为一次点击欺诈事件，并定位点击欺诈发生的代码位置，以便于相关人员对app点击欺诈行为进行调查和取证。同时提供了一种用于执行上述基于静态检测的移动广告点击欺诈检测方法的点击欺诈检测系统及终端。同时提供了一种相应的终端及介质。本发明利用静态检测技术和one class classification算法，不需人工干预，也不需前期大量的带有标签的点击欺诈样本，能够实现更加高效、快速、灵活的点击欺诈检测，满足相关行业的需求。

技术领域

本发明涉及静态检测技术领域，具体地，涉及一种基于静态检测的移动广告点击欺诈检测方法、系统、终端及介质。

背景技术

几十年来，随着智能手机的空前普及，为了激励应用程序开发人员在其应用程序中嵌入广告主的广告，每次点击付费(PPC)机制得到了广泛部署，其中广告主根据嵌入广告被用户点击的次数向开发人员付款。但是，PPC机制也面临点击欺诈的日益严重的威胁。通过采用点击欺诈策略，一些开发人员会利用代码生成并非来自真实用户的“虚假”广告点击事件，以便从广告网络中获得额外的收入。例如，攻击者可以将恶意代码嵌入到欺诈性应用程序或第三方SDK上，这些恶意代码被其他毫无戒心的应用程序开发人员利用，并且可以在用户收集的后台自动触发广告点击，无需任何人工干预。移动广告欺诈，尤其是点击欺诈，所呈现出的越来越隐蔽、难以发现的特征，越来越威胁到广告生态的安全，需要采取更加有效的技术手段识别和防止点击欺诈。

识别点击欺诈往往伴随着复杂的技术挑战。虚假点击在流量模式与点击模式上与真人点击有日趋相似、难以分辨的趋势。同时由于没有相关的研究报道，在代码层面也难以通过普通的有监督学习的方式训练相关的分类器，来识别点击欺诈事件。传统上，可以依靠以动态检测为主的方式，通过实际运行app并观察其是否具有与预期不符的输出或者行为来判断某个app是否具有点击欺诈行为，但是这种方法昂贵耗时，而且性能十分有限，不能覆盖所有的程序路径，非常容易被欺诈者所规避。

目前，静态检测技术得到了大量的应用，尤其是在漏洞挖掘中。对于移动广告点击欺诈，检测出异常的欺诈事件的关键在于发现虚假点击事件与正常点击事件之间的不同。无论虚假点击在流量与点击模式方面与真人点击如何相同，其底层的代码逻辑与正常点击的代码逻辑之间仍具有较大的不同，因此静态检测的方法具有很大的潜力。

同时由于没有相关的研究报道，在代码层面难以通过普通的有监督学习的方式训练相关的分类器，来识别点击欺诈事件。目前one class classification技术在缺少某一类标签或数据的场景下得到了大量的应用。

但是，如果将静态检测技术和one class classification技术应用于移动广告点击欺诈检测中，仍然存在如下技术问题：

1、没有在反编译代码层面定义合适的特征，因此无法反映出虚假点击事件与正常点击事件之间的差别。

2、无法自动化提取这些特征。

3、无法解决在对恶意样本了解有限的前提下，准确区分虚假点击事件与正常点击事件。

目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。

发明内容

本发明针对现有技术中存在的上述不足，提供了一种将静态检测和one classclassification算法应用于移动广告点击欺诈检测中的移动广告点击欺诈检测方法、系统、终端及介质。

根据本发明的一个方面，提供了一种移动广告点击欺诈检测方法，包括：

获取应用程序中针对广告的点击事件的坐标及触发条件，并以此为根节点，通过基于静态检测的后向程序切片方法，构建关于点击事件的坐标以及触发条件的数据依赖图；