CN109034906A - 广告转化的反作弊方法、装置、电子设备及存储介质 - Google Patents

Abstract

本发明涉及一种广告转化的反作弊方法、装置、电子设备及存储介质，属于数据分析技术领域。反作弊方法通过获取待分析目标广告的数据源，提取该待分析目标广告的数据源的特征数据作为特征输入量，利用预先训练的反作弊模型便能快速准确的得到待分析目标广告鉴别结果，为广告转化作弊的检测提供了新方法，进而为广告主提供优质流量，优化广告投放。同时，在对待分析目标广告进行识别的过程中，也可以不断的对该预先设置的反作弊模型进行学习，以提高识别的准确率。

Description

广告转化的反作弊方法、装置、电子设备及存储介质

技术领域

本发明属于数据分析技术领域，具体涉及一种广告转化的反作弊方法、装置、电子设备及存储介质。

背景技术

随着移动技术的蓬勃发展，移动广告中先进的定向技术、个性化的定制和精准的追踪监测为广告主创造了更大的价值，但与此同时，移动广告的生态正遭受日益壮大的广告作弊的威胁，其中，以移动应用的安装作弊最为有利可图，也最为普遍。广告转化的作弊手段常见的有，通过测试机或模拟器模拟下载，以及通过移动人工或技术方法修改设备信息、破解SDK(SoftwareDevelopmentKit，中文译文为：软件开发工具包)方式发送虚拟信息、模拟下载激活；以及利用僵尸网络进行归因作弊等。

目前，广告转化的反作弊技术主要包括：黑名单，规则策略，基于自回归的时序异常检测等。例如，通过建立IP或设备黑名单，设置设备、IP分布等阈值规则来过滤可疑流量；利用时间窗口、差分自回归滑动平均等时序模型识别突发异常流量等。但这些方法对转化作弊的检测都存在误报率高，准确率低等问题。

发明内容

鉴于此，本发明的目的在于提供一种广告转化的反作弊方法、装置、电子设备及存储介质，以有效地改善上述问题。

本发明的实施例是这样实现的：

第一方面，本发明实施例提供了一种广告转化的反作弊方法，包括：获取待分析目标广告的数据源；从所述待分析目标广告的数据源中提取特征数据，作为特征输入量；根据所述特征输入量、预设反作弊模型获得所述待分析目标广告的鉴别结果。

结合第一方面的一种实施方式，通过以下步骤建立所述预设反作弊模型：获取所述待分析目标广告之前的预设时间段内的监测平台所监测的标准数据源；根据所述标准数据源确定每个所述特征数据；根据每个所述特征数据和LightGBM算法建立反作弊模型，所述反作弊模型为所述预设反作弊模型。

结合第一方面的一种实施方式，所述待分析目标广告的数据源包括点击数据和安装数据，从所述待分析目标广告的数据源中提取特征数据，包括：根据所述点击数据和所述安装数据确定每个安装数据的点击转化时间差。

结合第一方面的又一种实施方式，所述待分析目标广告的数据源包括每次点击时获得的UA字段，从所述待分析目标广告的数据源中提取特征数据，包括：从所述待分析目标广告的数据源中解析出所述UA字段相对应的设备信息；统计各个设备信息相关的点击量、安装量以及转化率，其中，转化率等于安装量除以点击量。

结合第一方面的又一种实施方式，所述待分析目标广告的数据源包括每次点击时获得的IP地址，从所述待分析目标广告的数据源中提取特征数据，包括：从所述待分析目标广告的数据源中解析出所述IP地址相对应的位置信息；统计各个位置信息相关的点击量、安装量以及转化率，其中，转化率等于安装量除以点击量。

结合第一方面的又一种实施方式，所述待分析目标广告的数据源包括广告主信息和投放渠道信息，从所述待分析目标广告的数据源中提取特征数据，包括：

基于所述广告主信息统计各个广告主的转化率；和/或基于所述投放渠道信息统计各个投放渠道的转化率；和/或基于所述广告主信息和所述投放渠道信息建立广告主和投放渠道的投放关系。

第二方面，本发明实施例还提供了一种广告转化的反作弊装置，包括：获取模块，用于获取待分析目标广告的数据源；特征提取模块，用于从所述待分析目标广告的数据源中提取特征数据，作为特征输入量；鉴别模块，用于根据所述特征输入量、预设反作弊模型获得所述待分析目标广告的鉴别结果。

结合第二方面的一种实施方式，所述装置还包括：建立模块，用于获取所述待分析目标广告之前的预设时间段内的监测平台所监测的标准数据源；还用于根据所述标准数据源确定每个所述特征数据；以及还用于根据每个所述特征数据和LightGBM算法建立反作弊模型，所述反作弊模型为所述预设反作弊模型。

结合第二方面的一种实施方式，所述待分析目标广告的数据源包括点击数据和安装数据，所述特征提取模块，还用于根据所述点击数据和所述安装数据确定每个安装数据的点击转化时间差。

结合第二方面的又一种实施方式，所述待分析目标广告的数据源包括每次点击时获得的UA字段，所述特征提取模块，还用于从所述待分析目标广告的数据源中解析出所述UA字段相对应的设备信息；以及还用于统计各个设备信息的点击量、安装量以及转化率，其中，转化率等于安装量除以点击量。

结合第二方面的又一种实施方式，所述待分析目标广告的数据源包括每次点击时获得的IP地址，所述特征提取模块，还用于从所述待分析目标广告的数据源中解析出所述IP地址相对应的位置信息；以及还用于统计各个位置信息相关的点击量、安装量以及转化率，其中，转化率等于安装量除以点击量。

结合第二方面的又一种实施方式，所述待分析目标广告的数据源包括广告主信息和投放渠道信息，所述特征提取模块，还用于基于所述广告主信息统计各个广告主的转化率；和/或基于所述投放渠道信息统计各个投放渠道的转化率；和/或基于所述广告主信息和所述投放渠道信息建立广告主和投放渠道的投放关系。

第三方面，本发明实施例还提供了一种电子设备，包括存储器和处理器，所述存储器和所述处理器连接；所述存储器用于存储程序；所述处理器用于调用存储于所述存储器中的程序，以执行上述第一方面实施例提供的所述的方法。

第四方面，本发明实施例还提供了一种存储介质，所述存储介质存储有处理器可执行的程序代码于计算机内，所述存储介质包括多条指令，所述多条指令被配置成使所述处理器执行上述第一方面实施例提供的所述的方法

本发明实施例提供的广告转化的反作弊方法，通过获取待分析目标广告的数据源，提取该待分析目标广告的数据源的特征数据作为特征输入量，利用预先训练的反作弊模型便能快速准确的得到待分析目标广告作弊报告结果，为广告转化作弊的检测提供了新方法，进而为广告主提供优质流量，优化广告投放。同时，在对待分析目标广告进行识别的过程中，也可以不断的对该预先设置的反作弊模型进行学习，以提高识别的准确率。

本发明的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明实施例而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，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，还可以根据这些附图获得其他的附图。通过附图所示，本发明的上述及其它目的、特征和优势将更加清晰。在全部附图中相同的附图标记指示相同的部分。并未刻意按实际尺寸等比例缩放绘制附图，重点在于示出本发明的主旨。

图1示出了本发明实施例提供的一种电子设备的结构示意图。

图2示出了本发明实施例提供的一种广告转化的反作弊方法的流程图。

图3示出了本发明一实施例提供的图2中的步骤S102的流程图。

图4示出了本发明又一实施例提供的图2中的步骤S102的流程图。

图5示出了本发明实施例提供的一种广告的反作弊装置的模块示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通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。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要说明的是，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

如图1所示，图1示出了本发明实施例提供的一种电子设备100的结构框图。所述电子设备100包括：反作弊装置110、存储器120、存储控制器130和处理器140。

所述存储器120、存储控制器130、处理器140各元件相互之间直接或间接地电性连接，以实现数据的传输或交互。例如，这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述反作弊装置110包括至少一个可以软件或固件(firmware)的形式存储于所述存储器120中或固化在所述电子设备100的操作系统(operating system，OS)中的软件功能模块。所述处理器140用于执行存储器120中存储的可执行模块，例如所述反作弊装置110包括的软件功能模块或计算机程序。

其中，存储器120可以是，但不限于，随机存取存储器(Random Access Memory，RAM)，只读存储器(Read Only Memory，ROM)，可编程只读存储器(Programmable Read－Only Memory，PROM)，可擦除只读存储器(Erasable Programmable Read－Only Memory，EPROM)，电可擦除只读存储器(Electric Erasable Programmable Read－Only Memory，EEPROM)等。其中，存储器120用于存储程序，所述处理器140在接收到执行指令后，执行所述程序，后述本发明实施例任一实施例揭示的流程定义的电子设备100所执行的方法可以应用于处理器140中，或者由处理器140实现。

处理器140可能是一种集成电路芯片，具有信号的处理能力。上述的处理器可以是通用处理器，包括中央处理器(CentralProcessingUnit，CPU)、网络处理器(NetworkProcessor，NP)等；还可以是数字信号处理器(DSP)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

其中，在本发明实施例中，所述电子设备100可以是，但不限于个人电脑(Personalcomputer，PC)、智能手机、平板电脑等电子设备。

第一实施例

请参阅图2，为本发明实施例提供的一种应用于上述电子设备100的广告转化的反作弊方法，下面将结合图2对其所包含的步骤进行说明。

步骤S101：获取待分析目标广告的数据源。

获取待分析目标广告的数据源，其中该数据源包括点击数据，安装数据，每次点击该待分析目标广告时获得的UA字段、IP地址，广告主信息，投放渠道信息以及广告主和投放渠道的历史结算数据等信息。

步骤S102：从所述待分析目标广告的数据源中提取特征数据，作为特征输入量。

获得待分析目标广告的数据源后，从所述待分析目标广告的数据源中提取特征数据，作为特征输入量。

作为一种可选的实施方式，所述待分析目标广告的数据源包括点击数据和安装数据时，从所述待分析目标广告的数据源中提取特征数据，包括：根据所述点击数据和所述安装数据确定每个安装数据的点击转化时间差，可选地，将所述点击数据和所述安装数据进行数据融合，确定出每个安装数据的点击转化时间差，作为特征输入量。由于安装必然是点击之后的作动，也即点击之后不一定有安装行为，但是有安装行为必有点击作动，即点击量必然大于等于安装量，也就是说，多个点击带来一个安装，因此从多次点击中计算出具体是哪次点击带来的安装行为即为上述融合的主要目的。

其中，点击转化时间差CTIT(Clickto install time)，是指点击(有效点击，即必然有安装的点击)到安装完成之间的时间间隔。

作为另一种可选的实施方式，所述待分析目标广告的数据源包括每次点击时获得的UA字段时，从所述待分析目标广告的数据源中提取特征数据，包括：从所述待分析目标广告的数据源中解析出所述UA字段相对应的设备信息；统计各个设备信息相关的点击量、安装量以及转化率。作为一种可选的实施方式，可以结合图3所包含的步骤对这一过程进行说明。

步骤S201：从每次点击时获得的UA字段中解析出相对应的设备信息。

从每次点击时获得的UA字段中解析出相对应的设备信息，其中，设备信息包括设备的类别、品牌、型号、操作系统、操作系统版本以及所采用的浏览器和版本。

步骤S202：判断解析出的各个设备信息的缺失度是否大于等于第一预设值；

在解析出各个UA字段相对应的设备信息后，判断解析出的各个设备信息的缺失度是否大于等于第一预设值，若大于等于则舍弃对应的设备信息字段，若小于第一预设值，则执行步骤S203。

其中，第一预设值为事先设置的值，其可以根据先前经验或行业标准以及结合具体实际需要来设置，例如，本实施例中该第一预设值为0.5。应当理解是，并不能将第一预设值为0.5理解成是对本发明的限制。

步骤S203：对缺失度小于所述第一预设值的各个设备信息分别进行缺失值填充处理，得到填充后的各个设备信息。

筛选出符合要求的各个设备信息后，对缺失度小于所述第一预设值的各个设备信息分别进行缺失值填充处理，得到填充后的各个设备信息。

步骤S204：统计各个填充后的设备信息相关的点击量、安装量以及转化率。

在得到各个填充后的设备信息后，统计来自同一个设备信息的点击量、安装量以及对应的转化率。其中，转化率等于安装量除以点击量。

其中，需要说明的是，作为一种可选的实施方式，可以直接统计解析出来的设备信息的相关信息，即直接计算来自同一个设备信息的点击量、安装量以及对应的转化率。而不需要对解析出来的设备信息进行缺失度以及填充等处理。

作为另一种可选的实施方式，所述待分析目标广告的数据源包括每次点击时获得的IP地址时，从所述待分析目标广告的数据源中提取特征数据，包括：从所述待分析目标广告的数据源中解析出所述IP地址相对应的位置信息；统计各个位置信息相关的点击量、安装量以及转化率。作为一种可选的实施方式，可以参阅图4所示的步骤对该过程进行说明。

步骤S301：从每次点击时获得的IP地址中解析出相对应的位置信息。

从每次点击时获得的IP地址中解析出相对应的位置信息，其中该位置信息包括国家、城市、地区、ISP(Internet Service Provider，中文译文为：互联网服务提供商)，等信息。

步骤S302：判断解析出的各个位置信息的缺失度是否大于等于第二预设值。

在解析出各个IP地址相对应的位置信息后，判断解析出的各个位置信息的缺失度是否大于等于第二预设值，若大于等于则舍弃对应的位置信息字段，若小于第二预设值，则执行步骤S303。

其中，第二预设值为事先设置的值，其可以根据先前经验或行业标准以及结合具体实际需要来设置，例如，本实施例中该第二预设值为0.5。应当理解是，并不能将第二预设值为0.5理解成是对本发明的限制。

步骤S303：对缺失度小于所述第二预设值的各个位置信息分别进行缺失值填充处理，得到填充后的各个位置信息。

筛选出符合要求的各个位置信息后，对缺失度小于所述第二预设值的各个位置信息分别进行缺失值填充处理，得到填充后的各个位置信息。

步骤S304：统计各个填充后的位置信息相关的点击量、安装量以及转化率，作为特征输入量。

在得到各个填充后的位置信息后，统计来自同一个位置信息的点击量、安装量以及对应的转化率。其中，转化率等于安装量除以点击量。

其中，需要说明的是，作为一种可选的实施方式，可以直接统计解析出来的位置信息的相关信息，即直接统计来自同一个位置信息的点击量、安装量以及对应的转化率。而不需要对解析出来的位置信息进行缺失度以及填充等处理。

作为另一种可选的实施方式，所述待分析目标广告的数据源包括广告主信息和投放渠道信息，该过程还可以为基于所述广告主信息统计各个广告主的转化率；和/或基于所述投放渠道信息统计各个投放渠道的转化率；和/或基于所述广告主信息和所述投放渠道信息建立广告主和投放渠道的投放关系，作为特征输入量。其中，需要说明的是，不同的广告主所采用的投放渠道不一定相同，同一个投放渠道可以对应多个广告主，同一个广告主可以通过不同的投放渠道来投放广告。因此需要获得广告主和投放渠道的投放关系，例如，广告主A对应有投放渠道A、投放渠道B、投放渠道D的投放关系。

此外，还可以基于广告主和投放渠道的历史结算数据作为特征输入量。

步骤S103：根据所述特征输入量、预设反作弊模型获得所述待分析目标广告的鉴别结果。

将该特征输入量输入该预设反作弊模型便可以获得待分析目标广告的鉴别结果，作为一种可选的实施方式，该特征输入量为某个安装数据的点击转化时间差、某个进行缺失值填充后的设备信息相关的点击量、安装量以及转化率、某个进行缺失值填充后的位置信息相关的点击量、安装量以及转化率、某个广告主的转化率、某个投放渠道的转化率、某个广告主和投放渠道的投放关系以及广告主和投放渠道的历史结算数据中的至少三个或任何组合。同时，在对待分析目标广告进行识别的过程中，也可以不断的对该预先训练的分类模型进行学习，以提高识别的准确率，以及识别的多样性。

其中，该反作弊模型在对特征输入量进行鉴别时，若来自相同IP、IP子网、地区、ISP(Internet Service Provider，中文译文为：互联网服务提供商)，的点击、安装量过多，转化率(转化率＝安装量/点击量)过高；以及某一段短时间间隔内，同一用户的多次安装发生的IP所在地理位置相距较远，则该安装疑似作弊。或者，若CTIT(点击转化时间差)过短，即用户从点击广告到下载安装该应用程序的时间短于正常网速下载该安装包所需时间，那么该转化在大概率上是作弊行为；若CTIT超过一天的比例过高，其中，安装的统计是以用户完成应用安装并第一次打开作为依据，则用户安装到第一次打开应用的时间差过长，该转化为疑似作弊。或者，相同设备型号、UA产生的安装过多，转化率过高，尤其是非主流机型，则作弊可能性较大；以及依据iOS和Android的规则，同一设备具有唯一的设备标识，如果同时对应多个，则可能为刷机作弊。或者，若渠道或子渠道的转化率超过某一区间范围，过高或过低都有可能存在作弊。以及，一天内不同小时下的转化率方差过大，渠道流量不稳定，则作弊可能性较大。

其中，需要说明的是，从不同的维度进行判定，提高了结果的准确性和真实性，为用户提供准确的参考。其中，需要说明的是，在采用多个维度时，例如同时采用点击转化时间差、某个进行缺失值填充后的设备信息相关的点击量、安装量以及转化率、某个进行缺失值填充后的位置信息相关的点击量、安装量以及转化率、某个广告主的转化率、某个投放渠道的转化率、某个广告主和投放渠道的投放关系以及广告主和投放渠道的历史结算数据这几个维度信息作为特征输入值，几个维度之间应该采用相关联的信息，例如，A点击所产生的点击转化时间差，则此时的进行缺失值填充后的设备信息为A点击获得的UA字段解析出的、并进行缺失值填充处理后的设备信息，同样地，此时的进行缺失值填充后的位置信息为A点击获得的IP地址解析出的、并进行缺失值填充处理后的位置信息，该广告主和投放渠道的投放关系为点击A对应的广告主和投放渠道的投放关系，此时的广告主和投放渠道的历史结算数据为点击A对应的广告主和投放渠道的历史结算数据。

其中，上述的预设反作弊模型是事先基于预设规则以及标准样本建立的反作弊模型。可以通过以下步骤建立所述预设反作弊模型：获取所述待分析目标广告之前的预设时间段内的监测平台所监测的标准数据源；根据所述标准数据源确定每个所述特征数据；根据每个所述特征数据和LightGBM算法建立反作弊模型，所述反作弊模型为所述预设反作弊模型。此外，上述的LightGBM还可以采用决策树算法(GBDT)来代替。

其中，该标准数据源即为标准样本，其中，标准样本采用已知的目标广告的数据源作为样本，即从已知的目标广告的数据源中提取特征数据，作为训练特征输入量，其提取的过程与上述的过程大致相同，即包括从已知的目标广告的数据源中获取点击、安装日志数据，UA字段，IP地址，获取广告主、渠道相关信息和历史结算数据，然后经过诸如数据解析、清洗、离散和缺失值处理、关系抽取等数据预处理后得到特征数据，进而建立基于梯度提升决策树算法(GBDT)的分类模型，生成广告转化的反作弊策略。不同的是，在建立模型是，还涉及特征选取，即从成百上千的特征数据中，根据特征的信息增益率进行特征选择，得到分类能力强的特征子集，即上述的特征数据，某个安装数据的点击转化时间差、某个进行缺失值填充后的设备信息相关的点击量、安装量以及转化率、某个进行缺失值填充后的位置信息相关的点击量、安装量以及转化率、某个广告主的转化率、某个投放渠道的转化率、某个广告主和投放渠道的投放关系以及广告主和投放渠道的历史结算数据。

第二实施例

本发明实施例还提供了一种广告转化的反作弊装置110，如图5所示。该反作弊装置110包括：获取模块111、特征提取模块112以及鉴别模块113。

获取模块111，用于获取待分析目标广告的数据源。

特征提取模块112，用于从所述待分析目标广告的数据源中提取特征数据，作为特征输入量。

鉴别模块113，用于根据所述特征输入量、预设反作弊模型获得所述待分析目标广告的鉴别结果。

第三实施例

本发明实施例还提供了一种存储介质，所述存储介质存储有处理器可执行的程序代码于计算机内，所述存储介质包括多条指令，所述多条指令被配置成使所述处理器执行上述方法实施例所述的方法。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本发明实施例所提供的反作弊装置110，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。

所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，笔记本电脑，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read－OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.一种广告转化的反作弊方法，其特征在于，包括：

获取待分析目标广告的数据源；

从所述待分析目标广告的数据源中提取特征数据，作为特征输入量；

根据所述特征输入量、预设反作弊模型获得所述待分析目标广告的鉴别结果。

2.根据权利要求1所述的方法，其特征在于，通过以下步骤建立所述预设反作弊模型：

获取所述待分析目标广告之前的预设时间段内的监测平台所监测的标准数据源；

根据所述标准数据源确定每个所述特征数据；

根据每个所述特征数据和LightGBM算法建立反作弊模型，所述反作弊模型为所述预设反作弊模型。

3.根据权利要求2所述的方法，其特征在于，所述待分析目标广告的数据源包括点击数据和安装数据，从所述待分析目标广告的数据源中提取特征数据，包括：

根据所述点击数据和所述安装数据确定每个安装数据的点击转化时间差。

4.根据权利要求2所述的方法，其特征在于，所述待分析目标广告的数据源包括每次点击时获得的UA字段，从所述待分析目标广告的数据源中提取特征数据，包括：

从所述待分析目标广告的数据源中解析出所述UA字段相对应的设备信息；

统计各个设备信息相关的点击量、安装量以及转化率，其中，转化率等于安装量除以点击量。

5.根据权利要求2所述的方法，其特征在于，所述待分析目标广告的数据源包括每次点击时获得的IP地址，从所述待分析目标广告的数据源中提取特征数据，包括：

从所述待分析目标广告的数据源中解析出所述IP地址对应的位置信息；

统计各个位置信息相关的点击量、安装量以及转化率，其中，转化率等于安装量除以点击量。

6.根据权利要求2所述的方法，其特征在于，所述待分析目标广告的数据源包括广告主信息和投放渠道信息，从所述待分析目标广告的数据源中提取特征数据，包括：基于所述广告主信息统计各个广告主的转化率；和/或基于所述投放渠道信息统计各个投放渠道的转化率；和/或基于所述广告主信息和所述投放渠道信息建立广告主和投放渠道的投放关系。

7.一种广告转化的反作弊装置，其特征在于，包括：

获取模块，用于获取待分析目标广告的数据源；

特征提取模块，用于从所述待分析目标广告的数据源中提取特征数据，作为特征输入量；

鉴别模块，用于根据所述特征输入量、预设反作弊模型获得所述待分析目标广告的鉴别结果。

8.根据权利要求7所述的装置，其特征在于，所述装置还包括：建立模块，用于获取所述待分析目标广告之前的预设时间段内的监测平台所监测的标准数据源；还用于根据所述标准数据源确定每个所述特征数据；以及还用于根据每个所述特征数据和LightGBM算法建立反作弊模型，所述反作弊模型为所述预设反作弊模型。

9.一种电子设备，其特征在于，包括存储器和处理器，所述存储器和所述处理器连接；

所述存储器用于存储程序；

所述处理器用于调用存储于所述存储器中的程序，以执行如权利要求1－6任一项所述的方法。

10.一种存储介质，其特征在于，所述存储介质存储有处理器可执行的程序代码于计算机内，所述存储介质包括多条指令，所述多条指令被配置成使所述处理器执行如权利要求1－6任一项所述的方法。