CN103870572A - 一种防御恶意点击广告页面的方法及装置 - Google Patents
一种防御恶意点击广告页面的方法及装置 Download PDFInfo
- Publication number
- CN103870572A CN103870572A CN201410100393.3A CN201410100393A CN103870572A CN 103870572 A CN103870572 A CN 103870572A CN 201410100393 A CN201410100393 A CN 201410100393A CN 103870572 A CN103870572 A CN 103870572A
- Authority
- CN
- China
- Prior art keywords
- address
- algorithm
- advertisement page
- maliciously
- suspected degree
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种防御恶意点击广告页面的方法及装置,方法包括:记录所述广告页面的访问信息,所述访问信息包括各IP地址各次访问所述广告页面的时间、层级数、停留时间和/或COOKIE信息;根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法;根据所述访问信息按照所述第一算法计算各IP地址访问所述广告页面的恶意点击疑似度;根据所述恶意点击疑似度按照所述第二算法筛选出恶意点击所述广告页面的IP地址;将所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费。本发明能提高防御恶意点击的效率。
Description
技术领域
本发明涉及互联网技术领域,具体涉及一种防御恶意点击广告页面的方法及装置。
背景技术
互联网广告主在搜索引擎投放推广的广告后,搜索引擎会根据网民的点击行为对广告主进行收费。这种计费方法在搜索引擎广告推广中普遍使用,但是对于网民恶意地进行广告点击,会造成广告主支付大量的无效广告费用的问题。
针对这种情况,目前互联网业界推出了防御恶意点击广告页面的系统,普遍工作原理是对互联网访问进行监控统计,人工设置算法对IP进行过滤,在检测到某个IP的访问量到达所设置的算法指定阈值时将该IP拉入推广广告忽略点击计费黑名单,或者通过代码屏蔽该IP实现阻击的目的和效果。
上述系统不能及时发现恶意访问的IP使广告主快速采取措施,将恶意访问带来的影响降到最低,而且需要广告主对恶意点击防御算法的设置进行学习,需要不断耗费精力,也存在很高的学习门槛,效率极其低下。
发明内容
有鉴于此,本发明实施例提供一种防御恶意点击广告页面的方法及装置,以提高防御恶意点击的效率。
本发明实施例采用以下技术方案:
第一方面,本发明实施例提供了一种防御恶意点击广告页面的方法,包括:
记录所述广告页面的访问信息,所述访问信息包括各IP地址各次访问所述广告页面的时间、层级数、停留时间和/或COOKIE信息;
根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法;
根据所述访问信息按照所述第一算法计算各IP地址访问所述广告页面的恶意点击疑似度;
根据所述恶意点击疑似度按照所述第二算法筛选出恶意点击所述广告页面的IP地址;
将所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费。
第二方面,本发明实施例还提供了一种防御恶意点击广告页面的装置,包括:
访问信息记录单元,用于记录所述广告页面的访问信息,所述访问信息包括各IP地址各次访问所述广告页面的时间、层级数、停留时间和/或COOKIE信息;
算法获取单元,用于根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法;
恶意点击疑似度计算单元,用于根据所述访问信息按照所述第一算法计算各IP地址访问所述广告页面的恶意点击疑似度;
IP地址筛选单元,用于根据所述恶意点击疑似度按照所述第二算法筛选出恶意点击所述广告页面的IP地址;
IP地址发送单元,用于将所述IP地址筛选单元所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费。
本发明实施例提出的技术方案的有益技术效果是:
通过记录所述广告页面的访问信息,根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法,根据第一算法计算各IP地址访问所述广告页面的恶意点击疑似度,根据所述恶意点击疑似度按照第二算法筛选出恶意点击所述广告页面的IP地址,将所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费,以提高防御恶意点击的效率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对本发明实施例描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据本发明实施例的内容和这些附图获得其他的附图。
图1是本发明具体实施例一所述的防御恶意点击广告页面的方法流程图;
图2是本发明具体实施例一所述的提升筛选规则的方法流程图;
图3是本发明具体实施例二所述的防御恶意点击广告页面的方法流程图;
图4是本发明具体实施例三所述的防御恶意点击广告页面的装置的结构框图。
具体实施方式
为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚,下面将结合附图对本发明实施例的技术方案作进一步的详细描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。
实施例一
图1是本实施例所述的防御恶意点击广告页面的方法流程图,本实施例可适用于在搜索引擎服务方所服务的广告主的广告页面的恶意点击进行防御的情况,该方法可以由第三方软件公司的服务器来执行,也可由各广告页面的广告主方面的服和器执行,如图1所示,本实施例所述的防御恶意点击广告页面的方法包括:
S101、记录所述广告页面的访问信息。
所述访问信息包括各IP地址各次访问所述广告页面的时间、层级数、停留时间和/或COOKIE信息。
本实施例中,对所述访问信息进行记录可为多种方式,包括但不限于在广告页面植入程序代码来获取或直接从广告页面对应的搜索引擎方提供。
S102、根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法。
本实施例中,所述第一算法与所述第二算法的获取均通过对所述访问信息的不断自我学习和调整获取,无需人为设置和修正。
例如,每小时系统根据所记录的访问信息计算一次,当所有访问网站的IP地址满足如下条件时将会被主动阻击,将所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费。
规则的自动调整来自于对数据的以下自动学习:
判断恶意点击是否存在高消费、高点击量和低转化三项中至少一项的关键词,这些信息是通过跟踪代码对访问信息通过进行周期性地统计获得。
系统通过周期性地对的计算结果进行规则的调整,例如每天调整一次。当这个关键词的消费量和/或点击量出现不正常的上升时,则判定恶意点击概率在上升,现有的疑似度筛选标准过低,需要进行梯度提升疑似度筛选条件,反之降低筛选条件。
例如,可采用如下方法提升筛选规则:
首先提高单次排除疑似度,当IP地址排除中IP地址数目超过预设阈值时,首先往上调整幅度为2%,若IP地址排除中IP地址数目仍超过预设阈值时,提高双次排除疑似度,同样往上调整2%,以此类推,当调整完四次疑似度时,再次开始调整三次疑似度,直到所有规则到达最高筛选标准。
例如,各参数初始值可设置为:IP地址的疑似度首次达到80%以上自动加入IP地址排除,IP地址的疑似度四小时双次达到70%以上自动加入IP地址排除,IP地址的疑似度四小时三次达到60%以上自动加入IP地址排除,IP地址的疑似度四小时四次达到50%以上自动加入IP地址排除,反之,变更筛选规则,直到筛选到最高筛选标准,IP地址的疑似度首次达到100%自动加入IP地址排除,IP地址的疑似度四小时双次达到90%以上自动加入IP地址排除,IP地址的疑似度四小时三次达到80%以上自动加入IP地址排除,IP地址的疑似度四小时四次达到70%以上自动加入IP地址排除。
图2是实施例所述的提升筛选规则的方法流程图,如图2所示,本实施例所述的提升筛选规则的方法包括:
S201、设置规则和参数初始值:IP地址的疑似度首次达到80%以上自动加入IP地址排除,IP地址的疑似度四小时双次达到70%以上自动加入IP地址排除,IP地址的疑似度四小时三次达到60%以上自动加入IP地址排除,IP地址的疑似度四小时四次达到50%以上自动加入IP地址排除。
S202、根据所设置的规则进行IP地址筛选。
S203、判断各规则的参数是否达到最高标准,若是则执行步骤S213,否则执行步骤S204。
S204、判断所筛选的IP地址数目是否大于预设阈值,若是则执行步骤S205,否则执行步骤S213。
S205、IP地址的疑似度首次达到百分比增加2%,根据所设置的规则进行IP地址筛选。
S206、判断所筛选的IP地址数目是否大于预设阈值,若是则执行步骤S207,否则执行步骤S213。
S207、IP地址的疑似度四小时双次达到百分比增加2%,根据所设置的规则进行IP地址筛选。
S208、判断所筛选的IP地址数目是否大于预设阈值,若是则执行步骤S209,否则执行步骤S213。
S209、IP地址的疑似度四小时三次达到百分比增加2%,根据所设置的规则进行IP地址筛选。
S210、判断所筛选的IP地址数目是否大于预设阈值,若是则执行步骤S211,否则执行步骤S213。
S211、IP地址的疑似度四小时四次达到百分比增加2%,根据所设置的规则进行IP地址筛选。
S212、判断所筛选的IP地址数目是否大于预设阈值,若是则执行步骤S203,否则执行步骤S213。
S213、记录所筛选的IP地址。
本领域技术人员需要明确的是,图2仅示出了一种提升筛选规则的方法,还可以在设置规则和参数初始值时,首先设置各规则的参数为最高标准,例如,P地址的疑似度首次达到100%自动加入IP地址排除,IP地址的疑似度四小时双次达到90%以上自动加入IP地址排除,IP地址的疑似度四小时三次达到80%以上自动加入IP地址排除,IP地址的疑似度四小时四次达到70%以上自动加入IP地址排除。
在判断各规则的参数未达到最低标准的前提下,判断所筛选的IP地址的数目是否小于预设阈值,若是则依次降低筛选规则的参数,直到所筛选的IP地址数目达到最低筛选标准。
S103、根据所述访问信息按照所述第一算法计算各IP地址访问所述广告页面的恶意点击疑似度。
所述恶意点击疑似度可以设置为一定数值范围内的数值,例如设置恶意点击疑似度为大于等于0且小于等于100的整数,0表示恶意点击疑似度最小,100表示恶意点击疑似度最大。也可设置恶意点击疑似度为大于等于0小于等于1的数,0表示恶意点击疑似度最小,1表示恶意点击疑似度最大。
所述第一算法根据对恶意点击的研究分析获得,例如,访问所述广告页面的时间小于一个统计的合理时间则表示恶意点击可能性较大,恶意点击疑似度加权,层级数等于1则表示恶意点击可能性较大,恶意点击疑似度加权,停留时间小于一个统计的合理时间则则表示恶意点击可能性较大,恶意点击疑似度加权。
S104、根据所述恶意点击疑似度按照所述第二算法筛选出恶意点击所述广告页面的IP地址。
所述第二预设算法也是根据对恶意点击的研究分析获得。
S105、将所筛选出的IP地址发送给对应的搜索引擎。
本步骤用于使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费。
本实施例的技术方案通过记录所述广告页面的访问信息,根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法,根据第一算法计算各IP地址访问所述广告页面的恶意点击疑似度,根据所述恶意点击疑似度按照第二算法筛选出恶意点击所述广告页面的IP地址,将所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费,以提高防御恶意点击的效率。
实施例二
图3是本实施例所述的防御恶意点击广告页面的方法流程图,如图3所示,本实施例所述的防御恶意点击广告页面的方法包括:
S301、记录所述广告页面的访问信息。
所述访问信息包括各IP地址各次访问所述广告页面的时间、层级数、停留时间和/或COOKIE信息。
本实施例中,对所述访问信息进行记录可为多种方式,包括但不限于在广告页面植入程序代码来获取或直接从广告页面对应的搜索引擎方提供。
S302、根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法。
S303、根据所述访问信息按照所述第一算法计算各IP地址访问所述广告页面的恶意点击疑似度。
S304、根据所述恶意点击疑似度按照所述第二算法筛选出恶意点击所述广告页面的IP地址。
例如,所记录的IP地址的访问时间以及恶意点击疑似度如下表所示:
IP地址 | 访问时间 | 恶意点击疑似度 |
127.0.0.1 | 2014-01-01 | 90% |
127.0.0.2 | 2014-01-01 | 80% |
127.0.0.2 | 2014-01-02 | 85% |
127.0.0.3 | 2014-01-01 | 70% |
127.0.0.3 | 2014-01-02 | 72% |
127.0.0.3 | 2014-01-03 | 75% |
127.0.0.4 | 2014-01-01 | 60% |
127.0.0.4 | 2014-01-02 | 61% |
127.0.0.4 | 2014-01-03 | 64% |
127.0.0.4 | 2014-01-04 | 69% |
若第二算法为:将恶意点击疑似度超90%的IP地址自动加入IP地址排除,则IP地址为127.0.0.1自动筛选出来;
若第二算法为:将两日内累计两次恶意点击疑似度超80%的IP地址自动加入IP地址排除,则IP地址为127.0.0.2自动筛选出来;
若第二算法为:将三日内累计三次恶意点击疑似度超70%的IP地址自动加入IP地址排除,则IP地址为127.0.0.3自动筛选出来;
若第二算法为:将四日内累计四次恶意点击疑似度超60%的IP地址自动加入IP地址排除,则IP地址为127.0.0.4自动筛选出来。
S305、判断所筛选的IP地址的数目是否符合预设范围,若是则执行步骤S307,否则执行步骤S306。
本实施例中,所述预设范围即为恶意攻击广告页面的IP地址数目的合理范围,所述预设范围的数值的取得可以是预设的经验值,也可以是根据访问信息所获取的统计值。
筛选恶意攻击广告页面的IP地址时,若筛选时过滤过度则会影响客户的正常访问,若筛选时过滤不足则不能起到预防恶意点击的效果,因此,本实施例中,添加本步骤用于对自动获取的第一算法和第二算法进行自动评估和自适应调整。
S306、根据所筛选的IP地址的数目调整所述第一算法和所述第二算法,返回步骤S302。
与实施例一相比,本实施例增加了对所筛选的IP地址的数目的判断(详见步骤S305),因此,本步骤可设置返回次数和用于标识IP地址的数目偏大或偏小的杠杆值,用于重复步骤S302时,使步骤S302依据所设置的返回次数和杠杆值重新获取第一算法和第二算法。
若所筛选的IP地址的数目过大或过小,不符合预设范围,则返回步骤S302重新根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法。
S307、将所筛选出的IP地址发送给对应的搜索引擎,结束。
本步骤用于使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费。
与实施例一相比,本实施例为了对避免恶意攻击广告页面的IP地址的筛选时过滤过度或过滤不足的情况,增加了对所筛选的IP地址的数目的判断,用于对自动获取的第一算法和第二算法进行自动评估和自适应调整,能进一步提高防御的质量。
实施例三
图4是本实施例所述的防御恶意点击广告页面的装置的结构框图,如图4所示,本实施例所述的防御恶意点击广告页面的装置,所述装置包括:
访问信息记录单元401,用于记录所述广告页面的访问信息,所述访问信息包括各IP地址各次访问所述广告页面的时间、层级数、停留时间和/或COOKIE信息;
算法获取单元402,用于根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法;
恶意点击疑似度计算单元403,用于根据所述访问信息按照所述第一算法计算各IP地址访问所述广告页面的恶意点击疑似度;
IP地址筛选单元404,用于根据所述恶意点击疑似度按照所述第二算法筛选出恶意点击所述广告页面的IP地址;
IP地址发送单元405,用于将所述IP地址筛选单元所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费。
进一步地,所述第二算法包括:筛选出恶意点击疑似度大于第一预设阈值的IP地址。
或者,所述第二算法包括:筛选出预设时间长度内累计预设次数的恶意点击疑似度大于第二预设阈值的IP地址。
进一步地,所述装置还包括算法调整单元,用于所述IP地址发送单元将所述IP地址筛选单元所筛选出的IP地址发送给对应的搜索引擎之前,判断所筛选的IP地址的数目是否符合预设范围,若不是则根据所筛选的IP地址的数目调整所述第一算法和/或所述第二算法。
进一步地,所述第二算法包括:筛选出恶意点击疑似度大于第一预设阈值的IP地址;
所述算法调整单元具体用于:根据所筛选的IP地址的数目调整所述第一预设阈值。
或者,所述第二算法包括:筛选出预设时间长度内累计预设次数的恶意点击疑似度大于第二预设阈值的IP地址;
所述算法调整单元具体用于:根据所筛选的IP地址的数目调整所述预设时间长度、所述累计预设次数和/或所述第二预设阈值。
本实施例的技术方案通过记录所述广告页面的访问信息,根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法,根据第一算法计算各IP地址访问所述广告页面的恶意点击疑似度,根据所述恶意点击疑似度按照第二算法筛选出恶意点击所述广告页面的IP地址,将所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费,以提高防御恶意点击的效率。
以上实施例提供的技术方案中的全部或部分内容可以通过软件编程实现,其软件程序存储在可读取的存储介质中,存储介质例如:计算机中的硬盘、光盘或软盘。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (12)
1.一种防御恶意点击广告页面的方法,其特征在于,包括:
记录所述广告页面的访问信息,所述访问信息包括各IP地址各次访问所述广告页面的时间、层级数、停留时间和/或COOKIE信息;
根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法;
根据所述访问信息按照所述第一算法计算各IP地址访问所述广告页面的恶意点击疑似度;
根据所述恶意点击疑似度按照所述第二算法筛选出恶意点击所述广告页面的IP地址;
将所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费。
2.如权利要求1所述的防御恶意点击广告页面的方法,其特征在于,所述第二算法包括:筛选出恶意点击疑似度大于第一预设阈值的IP地址。
3.如权利要求1所述的防御恶意点击广告页面的方法,其特征在于,所述第二算法包括:筛选出预设时间长度内累计预设次数的恶意点击疑似度大于第二预设阈值的IP地址。
4.如权利要求1所述的防御恶意点击广告页面的方法,其特征在于,所述将所筛选出的IP地址发送给对应的搜索引擎的步骤之前还包括:判断所筛选的IP地址的数目是否符合预设范围,若不是则根据所筛选的IP地址的数目调整所述第一算法和/或所述第二算法。
5.如权利要求4所述的防御恶意点击广告页面的方法,其特征在于,所述第二算法包括:筛选出恶意点击疑似度大于第一预设阈值的IP地址;
所述根据所筛选的IP地址的数目调整所述第一算法和/或所述第二算法包括:根据所筛选的IP地址的数目调整所述第一预设阈值。
6.如权利要求4所述的防御恶意点击广告页面的方法,其特征在于,所述第二算法包括:筛选出预设时间长度内累计预设次数的恶意点击疑似度大于第二预设阈值的IP地址;
所述根据所筛选的IP地址的数目调整所述第一算法和/或所述第二算法包括:根据所筛选的IP地址的数目调整所述预设时间长度、所述累计预设次数和/或所述第二预设阈值。
7.一种防御恶意点击广告页面的装置,其特征在于,所述装置包括:
访问信息记录单元,用于记录所述广告页面的访问信息,所述访问信息包括各IP地址各次访问所述广告页面的时间、层级数、停留时间和/或COOKIE信息;
算法获取单元,用于根据所述访问信息获取用于计算恶意点击疑似度的第一算法和用于筛选IP地址的第二算法;
恶意点击疑似度计算单元,用于根据所述访问信息按照所述第一算法计算各IP地址访问所述广告页面的恶意点击疑似度;
IP地址筛选单元,用于根据所述恶意点击疑似度按照所述第二算法筛选出恶意点击所述广告页面的IP地址;
IP地址发送单元,用于将所述IP地址筛选单元所筛选出的IP地址发送给对应的搜索引擎,以使所述搜索引擎屏蔽所筛选出的IP地址对所述广告页面的访问或忽略所筛选出的IP地址的点击计费。
8.如权利要求7所述的防御恶意点击广告页面的装置,其特征在于,所述第二算法包括:筛选出恶意点击疑似度大于第一预设阈值的IP地址。
9.如权利要求7所述的防御恶意点击广告页面的装置,其特征在于,所述第二算法包括:筛选出预设时间长度内累计预设次数的恶意点击疑似度大于第二预设阈值的IP地址。
10.如权利要求7所述的防御恶意点击广告页面的装置,其特征在于,所述装置还包括算法调整单元,用于所述IP地址发送单元将所述IP地址筛选单元所筛选出的IP地址发送给对应的搜索引擎之前,判断所筛选的IP地址的数目是否符合预设范围,若不是则根据所筛选的IP地址的数目调整所述第一算法和/或所述第二算法。
11.如权利要求10所述的防御恶意点击广告页面的装置,其特征在于,所述第二算法包括:筛选出恶意点击疑似度大于第一预设阈值的IP地址;
所述算法调整单元具体用于:根据所筛选的IP地址的数目调整所述第一预设阈值。
12.如权利要求10所述的防御恶意点击广告页面的装置,其特征在于,所述第二算法包括:筛选出预设时间长度内累计预设次数的恶意点击疑似度大于第二预设阈值的IP地址;
所述算法调整单元具体用于:根据所筛选的IP地址的数目调整所述预设时间长度、所述累计预设次数和/或所述第二预设阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410100393.3A CN103870572B (zh) | 2014-03-18 | 2014-03-18 | 一种防御恶意点击广告页面的方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410100393.3A CN103870572B (zh) | 2014-03-18 | 2014-03-18 | 一种防御恶意点击广告页面的方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103870572A true CN103870572A (zh) | 2014-06-18 |
CN103870572B CN103870572B (zh) | 2017-07-04 |
Family
ID=50909102
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410100393.3A Expired - Fee Related CN103870572B (zh) | 2014-03-18 | 2014-03-18 | 一种防御恶意点击广告页面的方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103870572B (zh) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463635A (zh) * | 2014-12-22 | 2015-03-25 | 北京奇虎科技有限公司 | 广告恶意点击检测方法及装置 |
CN104580244A (zh) * | 2015-01-26 | 2015-04-29 | 百度在线网络技术(北京)有限公司 | 恶意点击的防御方法和装置 |
CN104715395A (zh) * | 2015-02-13 | 2015-06-17 | 北京集奥聚合科技有限公司 | 一种过滤作弊点击的方法和系统 |
CN104765874A (zh) * | 2015-04-24 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 用于检测点击作弊的方法及装置 |
CN106656929A (zh) * | 2015-10-30 | 2017-05-10 | 北京国双科技有限公司 | 一种信息处理方法及装置 |
CN107329750A (zh) * | 2017-06-26 | 2017-11-07 | 厦门美图移动科技有限公司 | 应用程序中广告页面的识别方法、跳转方法及移动终端 |
CN108243068A (zh) * | 2016-12-23 | 2018-07-03 | 北京国双科技有限公司 | 一种确定异常流量的方法及服务器 |
CN109063206A (zh) * | 2018-09-17 | 2018-12-21 | 北京点网聚科技有限公司 | 文章监控方法及装置 |
CN111563765A (zh) * | 2020-04-21 | 2020-08-21 | 北京龙云科技有限公司 | 一种作弊用户筛选方法、装置、设备及可读存储介质 |
CN112380540A (zh) * | 2020-11-13 | 2021-02-19 | 武汉虹旭信息技术有限责任公司 | Android应用安全检测方法及装置 |
CN114978608A (zh) * | 2022-04-27 | 2022-08-30 | 深圳腾银信息咨询有限责任公司 | 一种恶意点击广告链接的检测方法、装置及电子设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101132311A (zh) * | 2007-09-25 | 2008-02-27 | 腾讯科技(深圳)有限公司 | 一种防范网络广告被恶意点击的方法及系统 |
US20090164269A1 (en) * | 2007-12-21 | 2009-06-25 | Yahoo! Inc. | Mobile click fraud prevention |
US20090299967A1 (en) * | 2008-06-02 | 2009-12-03 | Microsoft Corporation | User advertisement click behavior modeling |
CN101631136A (zh) * | 2008-07-18 | 2010-01-20 | 华为技术有限公司 | 交互广告的实现方法、系统、终端设备和广告客户端 |
KR20100057192A (ko) * | 2008-11-21 | 2010-05-31 | 강용석 | Cpc 광고의 부정클릭 차단 시스템 및 그 방법 |
CN101882278A (zh) * | 2009-05-06 | 2010-11-10 | 李先进 | 一种阻止网页广告被恶意点击的方法与系统 |
-
2014
- 2014-03-18 CN CN201410100393.3A patent/CN103870572B/zh not_active Expired - Fee Related
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101132311A (zh) * | 2007-09-25 | 2008-02-27 | 腾讯科技(深圳)有限公司 | 一种防范网络广告被恶意点击的方法及系统 |
US20090164269A1 (en) * | 2007-12-21 | 2009-06-25 | Yahoo! Inc. | Mobile click fraud prevention |
US20090299967A1 (en) * | 2008-06-02 | 2009-12-03 | Microsoft Corporation | User advertisement click behavior modeling |
CN101631136A (zh) * | 2008-07-18 | 2010-01-20 | 华为技术有限公司 | 交互广告的实现方法、系统、终端设备和广告客户端 |
KR20100057192A (ko) * | 2008-11-21 | 2010-05-31 | 강용석 | Cpc 광고의 부정클릭 차단 시스템 및 그 방법 |
CN101882278A (zh) * | 2009-05-06 | 2010-11-10 | 李先进 | 一种阻止网页广告被恶意点击的方法与系统 |
Non-Patent Citations (1)
Title |
---|
王彦平 等: "《网站分析实战 如何以数据驱动决策,提升网站价值》", 31 January 2013, 电子工业出版社 * |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463635A (zh) * | 2014-12-22 | 2015-03-25 | 北京奇虎科技有限公司 | 广告恶意点击检测方法及装置 |
US10789359B2 (en) | 2015-01-26 | 2020-09-29 | Baidu Online Network Technology (Bejing) Co., Ltd. | Method, apparatus and storage medium for defending against malicious clicks |
CN104580244A (zh) * | 2015-01-26 | 2015-04-29 | 百度在线网络技术(北京)有限公司 | 恶意点击的防御方法和装置 |
WO2016119499A1 (zh) * | 2015-01-26 | 2016-08-04 | 百度在线网络技术(北京)有限公司 | 恶意点击的防御方法、装置和存储介质 |
CN104580244B (zh) * | 2015-01-26 | 2018-03-13 | 百度在线网络技术(北京)有限公司 | 恶意点击的防御方法和装置 |
CN104715395A (zh) * | 2015-02-13 | 2015-06-17 | 北京集奥聚合科技有限公司 | 一种过滤作弊点击的方法和系统 |
CN104765874A (zh) * | 2015-04-24 | 2015-07-08 | 百度在线网络技术(北京)有限公司 | 用于检测点击作弊的方法及装置 |
CN104765874B (zh) * | 2015-04-24 | 2019-03-26 | 百度在线网络技术(北京)有限公司 | 用于检测点击作弊的方法及装置 |
CN106656929A (zh) * | 2015-10-30 | 2017-05-10 | 北京国双科技有限公司 | 一种信息处理方法及装置 |
CN108243068A (zh) * | 2016-12-23 | 2018-07-03 | 北京国双科技有限公司 | 一种确定异常流量的方法及服务器 |
CN107329750A (zh) * | 2017-06-26 | 2017-11-07 | 厦门美图移动科技有限公司 | 应用程序中广告页面的识别方法、跳转方法及移动终端 |
CN109063206A (zh) * | 2018-09-17 | 2018-12-21 | 北京点网聚科技有限公司 | 文章监控方法及装置 |
CN109063206B (zh) * | 2018-09-17 | 2020-11-27 | 北京一点网聚科技有限公司 | 文章监控方法及装置 |
CN111563765A (zh) * | 2020-04-21 | 2020-08-21 | 北京龙云科技有限公司 | 一种作弊用户筛选方法、装置、设备及可读存储介质 |
CN112380540A (zh) * | 2020-11-13 | 2021-02-19 | 武汉虹旭信息技术有限责任公司 | Android应用安全检测方法及装置 |
CN114978608A (zh) * | 2022-04-27 | 2022-08-30 | 深圳腾银信息咨询有限责任公司 | 一种恶意点击广告链接的检测方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN103870572B (zh) | 2017-07-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103870572A (zh) | 一种防御恶意点击广告页面的方法及装置 | |
CN106022834B (zh) | 广告反作弊方法及装置 | |
Oentaryo et al. | On profiling bots in social media | |
Gonçalves-Souza et al. | The role of protected areas in maintaining natural vegetation in Brazil | |
King et al. | How censorship in China allows government criticism but silences collective expression | |
CN103853839A (zh) | 一种评测广告页面恶意点击疑似度的方法及装置 | |
CN104636940A (zh) | 广告投放方法及系统、广告筛选方法及装置、服务器 | |
CN104091276B (zh) | 在线分析点击流数据的方法和相关装置及系统 | |
Beigi et al. | Protecting user privacy: An approach for untraceable web browsing history and unambiguous user profiles | |
Chen et al. | Toward detecting collusive ranking manipulation attackers in mobile app markets | |
CN106302534B (zh) | 一种检测和处理非法用户的方法及系统 | |
CN104092601A (zh) | 社交网络账号的识别方法和装置 | |
CN110602184B (zh) | 一种对网站中作弊行为的监测处理方法及装置 | |
Cao et al. | Combating friend spam using social rejections | |
Cao et al. | Discovering hidden suspicious accounts in online social networks | |
Hargreaves | Half a story? Missing perspectives in the criminological accounts of British Muslim communities, crime and the criminal justice system | |
Wu et al. | Detecting marionette microblog users for improved information credibility | |
CN104202344B (zh) | 一种针对DNS服务防DDoS攻击的方法及装置 | |
US8326688B2 (en) | Method and system for behavioral classification | |
Cheng et al. | Analysis of heterogeneous dengue transmission in Guangdong in 2014 with multivariate time series model | |
Tusikov | Defunding hate: PayPal’s regulation of hate groups | |
CN107172033B (zh) | 一种waf误判识别方法以及装置 | |
Hu et al. | Understanding the social impacts of enforcement activities on illegal wildlife trade in China | |
CN108595666A (zh) | 动态计算新闻采集服务资源的方法、信息数据处理终端 | |
Zhang et al. | NEIGHBORWATCHER: A Content-Agnostic Comment Spam Inference System. |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20170704 |