CN113657924B - 基于机器学习的线下智慧屏广告反作弊系统及报警器 - Google Patents
基于机器学习的线下智慧屏广告反作弊系统及报警器 Download PDFInfo
- Publication number
- CN113657924B CN113657924B CN202110826377.2A CN202110826377A CN113657924B CN 113657924 B CN113657924 B CN 113657924B CN 202110826377 A CN202110826377 A CN 202110826377A CN 113657924 B CN113657924 B CN 113657924B
- Authority
- CN
- China
- Prior art keywords
- cheating
- module
- advertisement
- detection unit
- clicking
- 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.)
- Active
Links
- 238000010801 machine learning Methods 0.000 title claims abstract description 37
- 230000006399 behavior Effects 0.000 claims abstract description 14
- 230000000694 effects Effects 0.000 claims abstract description 10
- 238000001514 detection method Methods 0.000 claims description 71
- 238000012544 monitoring process Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 230000008901 benefit Effects 0.000 abstract description 9
- 230000009286 beneficial effect Effects 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 238000000034 method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- UFHFLCQGNIYNRP-UHFFFAOYSA-N Hydrogen Chemical compound [H][H] UFHFLCQGNIYNRP-UHFFFAOYSA-N 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
Classifications
-
- 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
- G06Q30/0248—Avoiding fraud
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/06—Management of faults, events, alarms or notifications
- H04L41/0604—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time
- H04L41/0609—Management of faults, events, alarms or notifications using filtering, e.g. reduction of information by using priority, element types, position or time based on severity or priority
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2441—Traffic characterised by specific attributes, e.g. priority or QoS relying on flow classification, e.g. using integrated services [IntServ]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L47/00—Traffic control in data switching networks
- H04L47/10—Flow control; Congestion control
- H04L47/24—Traffic characterised by specific attributes, e.g. priority or QoS
- H04L47/2483—Traffic characterised by specific attributes, e.g. priority or QoS involving identification of individual flows
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/14—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic
- H04L63/1408—Network architectures or network communication protocols for network security for detecting or protecting against malicious traffic by monitoring network traffic
- H04L63/1425—Traffic logging, e.g. anomaly detection
Abstract
本发明公开了基于机器学习的线下智慧屏广告反作弊系统及报警器，具体涉及广告反作弊技术领域，包括广告投放商，所述广告投放商的输出端设有广告模块，所述广告模块的输出端设有智慧屏。本发明通过反作弊模块和机器学习模块的设置，使反作弊模块可对多种作弊形式进行识别，总结特征，进行标签赋予，使机器学习模块对流量进行进一步筛分，提升自身与反作弊模块的作弊识别能力，识别准确率高，效果好，适用不同作弊用户识别的需要，适用性强，通过报警器的设置，可控制智慧屏对用户接收端的广告作弊行为进行警告和打断，从根本上抑制了虚假流量的产生，对广告主的利益进行了维护，保护了广告市场的秩序，有利于互联网广告发挥其本身的价值，实用性强。
Description
技术领域
本发明涉及广告反作弊技术领域，具体涉及基于机器学习的线下智慧屏广告反作弊系统及报警器。
背景技术
在网络、计算机软硬件技术逐渐成熟的当下，我们的生活、生产都在趋于网络化、智能化，基于移动终端的移动广告也越来越流行，由于流量可快速变现，具有非常大的市场利润的特性，吸引了大量广告主在用户使用智慧屏的过程中通过广告系统向用户投放广告。
但是，某些流量主为了提高用户在拥有的广告资源上投放的广告的点击量等广告行为标识，以获取更多的广告收入，会采用作弊的方式对流量上投放的广告进行恶意操作，以提升曝光量、点击量或转化率等广告行为指标，近年来作弊手段越来越隐蔽，不仅给广告主用户带来了非常大的经济损失还严重扰乱了广告市场的秩序，降低了互联网广告本身的价值，且现有技术中即使对虚假流量识别完成，也难以对该流量的继续产生进行有效制止。
发明内容
为此，本发明提供基于机器学习的线下智慧屏广告反作弊系统及报警器，通过反作弊模块和机器学习模块的设置，使反作弊模块可对多种作弊形式进行识别，总结特征，进行标签赋予，识别准确率高，效果好，适用不同作弊用户识别的需要，适用性强，通过报警器的设置，可在接收到虚假流量反馈时，控制智慧屏对用户接收端的广告作弊行为进行警告和打断，对广告主的利益进行了维护，保护了广告市场的秩序，有利于互联网广告发挥其本身的价值，实用性强，以解决现有技术中由于广告作弊手段越来越隐蔽，给广告主带来非常大经济损失的同时还严重扰乱了广告市场的秩序的问题。
为了实现上述目的，本发明提供如下技术方案：基于机器学习的线下智慧屏广告反作弊系统，包括广告投放商，所述广告投放商的输出端设有广告模块，所述广告模块的输出端设有智慧屏，所述智慧屏的输出端设有用户接收端，所述用户接收端的输出端设有点击模块，所述点击模块的输出端设有反作弊模块，所述反作弊模块的输出端设有报警器，所述反作弊模块的连接端设有机器学习模块；
所述广告投放商为根据需求确定宣传内容和方向，要求广告模块向智慧屏投映广告的主体，并为获取有效流量宣传效果的主要受益方；
所述广告模块为将广告投放商需求转化为图文音频形式投放到智慧屏上的帮助实现方：
所述智慧屏为广告投映的必备硬件设施和用户接收端操作接收和拒收广告的实现设备；
所述用户接收端是操作点击模块点击广告的主体；
所述点击模块在一定时间内为广告提供了人气访问量和点击量；
所述反作弊模块是对点击模块点击广告产生的流量类型进行分类识别和标签赋予的模块，可准确筛选出采用作弊的方式对智慧屏上投放的广告进行恶意操作以提升曝光量、点击量或转化率等广告的行为，当通过正常手段点击了解广告，使广告达到了有效宣传效果的浏览观看量，反作弊模块识别为有效流量，当通过采用作弊的方式对智慧屏上投放的广告进行恶意操作产生的曝光量、点击量或转化率，反作弊模块识别为虚假流量；
所述报警器用于防止或预防虚假流量继续产生，以音频警示和锁屏等形式来警示或中断流量造假行为；
所述机器学习模块依靠人工智能技术，对反作弊模块传递来的有效流量和虚假流量进行分类学习，并不断升级自身与反作弊模块系统，对有效流量和虚假流量进行二次筛分，将特殊行为流量返还到反作弊模块进行再识别，使点击模块识别更精确。
进一步地，所述报警器的输出端与智慧屏的输入端相连接，所述点击模块在一定时间内为广告提供了人气访问量和点击量为热度。
进一步地，所述反作弊模块包括CTR检测单元、IP分布检测单元、指纹信息检测单元、点击与曝光检测单元、广告来源检测单元、广告访问时间检测单元和标签赋予单元，所述CTR检测单元用于对虚拟点击或恶意点击产生的Click/PV比例过高或者起伏很大的情况进行检测识别；所述IP分布检测单元用于通过Log日志对产生大量的点击或者曝光数的IP地址进行检测识别；所述指纹信息检测单元用于对来自于同一版本的浏览器、操作系统和访问者产生的大点击或者曝光数进行检测识别；所述点击与曝光检测单元用于对相应的点击量产生对应曝光量的异常情况进行检测识别；所述广告来源检测单元用于对媒体在其他流量大的地方设置隐藏页面来充当曝光和点击的情况进行检测识别；所述广告访问时间检测单元用于对每分钟定时出现在点击或曝光日志中，或者连续点击或曝光的发生时间间隔过于规律的情况进行检测识别；所述标签赋予单元用于对不同类型的广告作弊形式进行分类赋予标签。
进一步地，所述机器学习模块包括有效信息总结单元、虚假信息总结单元和特殊信息筛出单元，使机器学习模块可对有效流量和不同类型的虚假流量进行进一步筛分，筛出存在特殊特征的流量，并对有效流量和不同类型的虚假流量的特征进行学习总结分别存储到有效信息总结单元和虚假信息总结单元，提升识别准确率。
进一步地，所述CTR检测单元、IP分布检测单元、指纹信息检测单元、点击与曝光检测单元、广告来源检测单元和广告访问时间检测单元的输出端均与标签赋予单元的输入端相连接，使标签赋予单元可对不同类型的虚假流量进行分类标签赋予，便于报警器对作弊行为的等级和严重程度进行判断。
进一步地，所述报警器包括信息探测系统、网络控制主机、监控终端、远程服务终端、信号发射系统、音频投映信号和锁屏信号，所述虚假流量的输出端与监控终端的输入端相连接，所述监控终端的输出端与信息探测系统的输入端相连接，所述信息探测系统的输出端与网络控制主机的输入端相连接，所述网络控制主机的输出端与信号发射系统的输入端相连接，所述信号发射系统的输出端与音频投映信号的输入端相连接，所述信号发射系统的输出端与锁屏信号的输入端相连接，所述网络控制主机的输出端与远程服务终端的输入端相连接，所述音频投映信号和锁屏信号的输出端与远程服务终端的输入端相连接，所述远程服务终端输出端与智慧屏的输入端相连接，所述远程服务终端的编码指令次序高于智慧屏自身运行编码指令次序。
本发明具有如下优点：
1、本发明通过反作弊模块和机器学习模块的设置，与现有技术相比，对用户接收端接收和操作智慧屏上各种形式的广告所产生的点击模块进行鉴别，反作弊模块可对多种作弊形式进行识别，总结特征，进行标签赋予，将有效流量和各种虚假流量输送到机器学习模块，使机器学习模块对流量进行进一步筛分，提升自身与反作弊模块的作弊识别能力，识别准确率高，效果好，适用不同作弊用户识别的需要，适用性强；
2、本发明通过报警器的设置，与现有技术相比，可在接收到虚假流量反馈时，控制智慧屏对用户接收端的广告作弊行为进行警告和打断，从根本上抑制了虚假流量的产生，对广告主的利益进行了维护，保护了广告市场的秩序，有利于互联网广告发挥其本身的价值，实用性强。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等，均仅用以配合说明书所揭示的内容，以供熟悉此技术的人士了解与阅读，并非用以限定本发明可实施的限定条件，故不具技术上的实质意义，任何结构的修饰、比例关系的改变或大小的调整，在不影响本发明所能产生的功效及所能达成的目的下，均应仍落在本发明所揭示的技术内容得能涵盖的范围内。
图1为本发明整体系统结构框图；
图2为本发明反作弊模块结构框图；
图3为本发明机器学习模块结构框图；
图4为本发明报警器结构框图；
图5为本发明反作弊模块检测点击模块流程图；
图6为本发明点击模块输出系统结构框图；
图7为本发明报警器工作系统结构框图。
图中：1、广告投放商；2、广告模块；3、智慧屏；4、用户接收端；5、点击模块；6、反作弊模块；7、有效流量；8、虚假流量；9、报警器；10、机器学习模块；11、有效信息总结单元；12、虚假信息总结单元；13、特殊信息筛出单元；14、CTR检测单元；15、IP分布检测单元；16、指纹信息检测单元；17、点击与曝光检测单元；18、广告来源检测单元；19、广告访问时间检测单元；20、标签赋予单元；21、音频投映信号；22、锁屏信号；23、热度；24、信息探测系统；25、网络控制主机；26、监控终端；27、远程服务终端；28、信号发射系统。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，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。基于本发明中的实施例，本领域普通技术人员在没有做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。
参照说明书附图1-3、图5-6，该实施例的基于机器学习的线下智慧屏广告反作弊系统，包括广告投放商1，所述广告投放商1的输出端设有广告模块2，所述广告模块2的输出端设有智慧屏3，所述智慧屏3的输出端设有用户接收端4，所述用户接收端4的输出端设有点击模块5，所述点击模块5的输出端设有反作弊模块6，所述反作弊模块6的输出端设有报警器9，所述反作弊模块6的连接端设有机器学习模块10；
所述广告投放商1为根据需求确定宣传内容和方向，要求广告模块2向智慧屏3投映广告的主体，并为获取有效流量7宣传效果的主要受益方；
所述广告模块2为将广告投放商1需求转化为图文音频形式投放到智慧屏3上的帮助实现方：
所述智慧屏3为广告投映的必备硬件设施和用户接收端4操作接收和拒收广告的实现设备；
所述用户接收端4是操作点击模块5点击广告的主体；
所述点击模块5在一定时间内为广告提供了人气访问量和点击量；
所述反作弊模块6是对点击模块5点击广告产生的流量类型进行分类识别和标签赋予的模块，可准确筛选出采用作弊的方式对智慧屏3上投放的广告进行恶意操作以提升曝光量、点击量或转化率等广告的行为，当通过正常手段点击了解广告，使广告达到了有效宣传效果的浏览观看量，反作弊模块6识别为有效流量7，当通过采用作弊的方式对智慧屏3上投放的广告进行恶意操作产生的曝光量、点击量或转化率，反作弊模块6识别为虚假流量8；
所述报警器9用于防止或预防虚假流量8继续产生，以音频警示和锁屏等形式来警示或中断流量造假行为；
所述机器学习模块10依靠人工智能技术，对反作弊模块6传递来的有效流量7和虚假流量8进行分类学习，并不断升级自身与反作弊模块6系统，对有效流量7和虚假流量8进行二次筛分，将特殊行为流量返还到反作弊模块6进行再识别，使点击模块5识别更精确。
进一步地，所述报警器9的输出端与智慧屏3的输入端相连接，所述点击模块5在一定时间内为广告提供了人气访问量和点击量为热度23。
进一步地，所述反作弊模块6包括CTR检测单元14、IP分布检测单元15、指纹信息检测单元16、点击与曝光检测单元17、广告来源检测单元18、广告访问时间检测单元19和标签赋予单元20，所述CTR检测单元14用于对虚拟点击或恶意点击产生的Click/PV比例过高或者起伏很大的情况进行检测识别；所述IP分布检测单元15用于通过Log日志对产生大量的点击或者曝光数的IP地址进行检测识别；所述指纹信息检测单元16用于对来自于同一版本的浏览器、操作系统和访问者产生的大点击或者曝光数进行检测识别；所述点击与曝光检测单元17用于对相应的点击量产生对应曝光量的异常情况进行检测识别；所述广告来源检测单元18用于对媒体在其他流量大的地方设置隐藏页面来充当曝光和点击的情况进行检测识别；所述广告访问时间检测单元19用于对每分钟定时出现在点击或曝光日志中，或者连续点击或曝光的发生时间间隔过于规律的情况进行检测识别；所述标签赋予单元20用于对不同类型的广告作弊形式进行分类赋予标签。
进一步地，所述机器学习模块10包括有效信息总结单元11、虚假信息总结单元12和特殊信息筛出单元13，使机器学习模块10可对有效流量7和不同类型的虚假流量8进行进一步筛分，筛出存在特殊特征的流量，并对有效流量7和不同类型的虚假流量8的特征进行学习总结分别存储到有效信息总结单元11和虚假信息总结单元12，提升识别准确率。
进一步地，所述CTR检测单元14、IP分布检测单元15、指纹信息检测单元16、点击与曝光检测单元17、广告来源检测单元18和广告访问时间检测单元19的输出端均与标签赋予单元20的输入端相连接，使标签赋予单元20可对不同类型的虚假流量8进行分类标签赋予，便于报警器9对作弊行为的等级和严重程度进行判断。
实施场景具体为：反作弊模块6可对用户接收端4接收和操作智慧屏3上各种形式的广告所产生的点击模块5进行鉴别，对多种作弊形式进行识别，总结特征，进行标签赋予，将有效流量7和各种虚假流量8输送到机器学习模块10，使机器学习模块10对流量进行进一步筛分，提升自身与反作弊模块6的作弊识别能力，识别准确率高，效果好，适用不同作弊用户识别的需要，适用性强，该实施方式具体解决了现有技术中由于广告作弊手段越来越隐蔽，给广告主带来非常大经济损失的同时还严重扰乱了广告市场的秩序，降低了互联网广告本身价值的问题。
参照说明书附图1、图4和图7，该实施例的基于机器学习的线下智慧屏广告反作弊系统的报警器：所述报警器9包括信息探测系统24、网络控制主机25、监控终端26、远程服务终端27、信号发射系统28、音频投映信号21和锁屏信号22，所述虚假流量8的输出端与监控终端26的输入端相连接，所述监控终端26的输出端与信息探测系统24的输入端相连接，所述信息探测系统24的输出端与网络控制主机25的输入端相连接，所述网络控制主机25的输出端与信号发射系统28的输入端相连接，所述信号发射系统28的输出端与音频投映信号21的输入端相连接，所述信号发射系统28的输出端与锁屏信号22的输入端相连接，所述网络控制主机25的输出端与远程服务终端27的输入端相连接，所述音频投映信号21和锁屏信号22的输出端与远程服务终端27的输入端相连接，所述远程服务终端27输出端与智慧屏3的输入端相连接，所述远程服务终端27的编码指令次序高于智慧屏3自身运行编码指令次序，在报警器9接收到虚假流量8反馈时，监控终端26用于接收虚假流量8的报警提示信息，信息探测系统24可处理虚假流量8的报警提示信息，对作弊信息的作弊位置、作弊类型和作弊等级进行分类后，将信息经网络控制主机25传送到远程服务终端27，使远程监控人员可经智慧屏3查看报警信息，信号发射系统28可决定将严重程度不同的作弊位置、作弊类型和作弊等级广告信息判断后转变为音频投映信号21或锁屏信号22反馈到远程服务终端27，控制智慧屏3对用户接收端4的广告作弊行为进行警告和打断。
实施场景具体为：可在报警器9接收到虚假流量8反馈时，监控终端26用于接收虚假流量8的报警提示信息，信息探测系统24可处理虚假流量8的报警提示信息，对作弊信息的作弊位置、作弊类型和作弊等级进行分类后，将信息经网络控制主机25传送到远程服务终端27，使远程监控人员可经智慧屏3查看报警信息，信号发射系统28可决定将严重程度不同的作弊位置、作弊类型和作弊等级广告信息判断后转变为音频投映信号21或锁屏信号22反馈到远程服务终端27，控制智慧屏3对用户接收端4的广告作弊行为进行警告和打断，从根本上抑制了虚假流量8的产生，对广告主的利益进行了维护，保护了广告市场的秩序，有利于互联网广告发挥其本身的价值，实用性强，该实施方式具体解决了现有技术中即使对虚假流量识别完成，也难以对该流量的继续产生进行有效制止的问题。
虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。
Claims (4)
1.基于机器学习的线下智慧屏广告反作弊系统，包括广告投放商（1），其特征在于：所述广告投放商（1）的输出端设有广告模块（2），所述广告模块（2）的输出端设有智慧屏（3），所述智慧屏（3）的输出端设有用户接收端（4），所述用户接收端（4）的输出端设有点击模块（5），所述点击模块（5）的输出端设有反作弊模块（6），所述反作弊模块（6）的输出端设有报警器（9），所述反作弊模块（6）的连接端设有机器学习模块（10）；
所述广告投放商（1）为根据需求确定宣传内容和方向，要求广告模块（2）向智慧屏（3）投映广告的主体，并为获取有效流量（7）宣传效果的主要受益方；
所述广告模块（2）为将广告投放商（1）需求转化为图文音频形式投放到智慧屏（3）上的帮助实现方：
所述智慧屏（3）为广告投映的必备硬件设施和用户接收端（4）操作接收和拒收广告的实现设备；
所述用户接收端（4）是操作点击模块（5）点击广告的主体；
所述点击模块（5）在一定时间内为广告提供了人气访问量和点击量；
所述反作弊模块（6）是对点击模块（5）点击广告产生的流量类型进行分类识别和标签赋予的模块，可准确筛选出采用作弊的方式对智慧屏（3）上投放的广告进行恶意操作以提升曝光量、点击量或转化率的行为，当通过正常手段点击了解广告，使广告达到了有效宣传效果的浏览观看量，反作弊模块（6）识别为有效流量（7），当通过采用作弊的方式对智慧屏（3）上投放的广告进行恶意操作产生的曝光量、点击量或转化率，反作弊模块（6）识别为虚假流量（8）；
所述反作弊模块（6）包括CTR检测单元（14）、IP分布检测单元（15）、指纹信息检测单元（16）、点击与曝光检测单元（17）、广告来源检测单元（18）、广告访问时间检测单元（19）和标签赋予单元（20），所述CTR检测单元（14）用于对虚拟点击或恶意点击产生的Click/PV比例过高或者起伏很大的情况进行检测识别；所述IP分布检测单元（15）用于通过Log日志对产生大量的点击或者曝光数的IP地址进行检测识别；所述指纹信息检测单元（16）用于对来自于同一版本的浏览器、操作系统和访问者产生的大点击或者曝光数进行检测识别；所述点击与曝光检测单元（17）用于对相应的点击量产生对应曝光量的异常情况进行检测识别；所述广告来源检测单元（18）用于对媒体在其他流量大的地方设置隐藏页面来充当曝光和点击的情况进行检测识别；所述广告访问时间检测单元（19）用于对每分钟定时出现在点击或曝光日志中，或者连续点击或曝光的发生时间间隔过于规律的情况进行检测识别；所述标签赋予单元（20）用于对不同类型的广告作弊形式进行分类赋予标签；
所述报警器（9）用于防止或预防虚假流量（8）继续产生，以音频警示和锁屏形式来警示或中断流量造假行为；
所述报警器（9）包括信息探测系统（24）、网络控制主机（25）、监控终端（26）、远程服务终端（27）、信号发射系统（28）、音频投映信号（21）和锁屏信号（22），所述虚假流量（8）的输出端与监控终端（26）的输入端相连接，所述监控终端（26）的输出端与信息探测系统（24）的输入端相连接，所述信息探测系统（24）的输出端与网络控制主机（25）的输入端相连接，所述网络控制主机（25）的输出端与信号发射系统（28）的输入端相连接，所述信号发射系统（28）的输出端与音频投映信号（21）的输入端相连接，所述信号发射系统（28）的输出端与锁屏信号（22）的输入端相连接，所述网络控制主机（25）的输出端与远程服务终端（27）的输入端相连接，所述音频投映信号（21）和锁屏信号（22）的输出端与远程服务终端（27）的输入端相连接，所述远程服务终端（27）输出端与智慧屏（3）的输入端相连接，所述远程服务终端（27）的编码指令次序高于智慧屏（3）自身运行编码指令次序；
所述机器学习模块（10）依靠人工智能技术，对反作弊模块（6）传递来的有效流量（7）和虚假流量（8）进行分类学习，并不断升级自身与反作弊模块（6）系统，对有效流量（7）和虚假流量（8）进行二次筛分，将特殊行为流量返还到反作弊模块（6）进行再识别，使点击模块（5）识别更精确。
2.根据权利要求1所述的基于机器学习的线下智慧屏广告反作弊系统，其特征在于：所述报警器（9）的输出端与智慧屏（3）的输入端相连接，所述点击模块（5）在一定时间内为广告提供的人气访问量和点击量为热度（23）。
3.根据权利要求1所述的基于机器学习的线下智慧屏广告反作弊系统，其特征在于：所述机器学习模块（10）包括有效信息总结单元（11）、虚假信息总结单元（12）和特殊信息筛出单元（13），使机器学习模块（10）可对有效流量（7）和不同类型的虚假流量（8）进行进一步筛分，筛出存在特殊特征的流量，并对有效流量（7）和不同类型的虚假流量（8）的特征进行学习总结分别存储到有效信息总结单元（11）和虚假信息总结单元（12），提升识别准确率。
4.根据权利要求1所述的基于机器学习的线下智慧屏广告反作弊系统，其特征在于：所述CTR检测单元（14）、IP分布检测单元（15）、指纹信息检测单元（16）、点击与曝光检测单元（17）、广告来源检测单元（18）和广告访问时间检测单元（19）的输出端均与标签赋予单元（20）的输入端相连接，使标签赋予单元（20）可对不同类型的虚假流量（8）进行分类标签赋予，便于报警器（9）对作弊行为的等级和严重程度进行判断。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110826377.2A CN113657924B (zh) | 2021-07-21 | 2021-07-21 | 基于机器学习的线下智慧屏广告反作弊系统及报警器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110826377.2A CN113657924B (zh) | 2021-07-21 | 2021-07-21 | 基于机器学习的线下智慧屏广告反作弊系统及报警器 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113657924A CN113657924A (zh) | 2021-11-16 |
| CN113657924B true CN113657924B (zh) | 2023-10-31 |
Family
ID=78489707
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110826377.2A Active CN113657924B (zh) | 2021-07-21 | 2021-07-21 | 基于机器学习的线下智慧屏广告反作弊系统及报警器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113657924B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115147152B (zh) * | 2022-07-01 | 2023-05-02 | 浙江出海数字技术有限公司 | 广告投放效果数据采集与统计分析系统 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204108A (zh) * | 2016-06-29 | 2016-12-07 | 腾讯科技（深圳）有限公司 | 广告反作弊方法及广告反作弊装置 |
| CN107622406A (zh) * | 2016-07-14 | 2018-01-23 | 精硕科技（北京）股份有限公司 | 识别虚拟设备的方法及系统 |
| CN107909396A (zh) * | 2017-11-11 | 2018-04-13 | 霍尔果斯普力网络科技有限公司 | 一种互联网广告投放的反作弊监控方法 |
| CN108062686A (zh) * | 2017-12-20 | 2018-05-22 | 广州容骏信息科技有限公司 | 一种dsp广告投放反作弊系统 |
| CN109615442A (zh) * | 2019-01-23 | 2019-04-12 | 上海旺翔文化传媒股份有限公司 | 基于激励视频广告的rtb实时竞价方法 |
| CN110097389A (zh) * | 2018-01-31 | 2019-08-06 | 上海甚术网络科技有限公司 | 一种广告流量反作弊方法 |
| CN110324316A (zh) * | 2019-05-31 | 2019-10-11 | 河南恩湃高科集团有限公司 | 一种基于多种机器学习算法的工控异常行为检测方法 |
| CN110827094A (zh) * | 2019-11-15 | 2020-02-21 | 湖南快乐阳光互动娱乐传媒有限公司 | 广告投放的反作弊方法及系统 |
| KR20210048101A (ko) * | 2019-10-23 | 2021-05-03 | 소셜포스트 주식회사 | 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103593415B (zh) * | 2013-10-29 | 2017-08-01 | 北京国双科技有限公司 | 网页访问量作弊的检测方法和装置 |
-
2021
- 2021-07-21 CN CN202110826377.2A patent/CN113657924B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106204108A (zh) * | 2016-06-29 | 2016-12-07 | 腾讯科技（深圳）有限公司 | 广告反作弊方法及广告反作弊装置 |
| CN107622406A (zh) * | 2016-07-14 | 2018-01-23 | 精硕科技（北京）股份有限公司 | 识别虚拟设备的方法及系统 |
| CN107909396A (zh) * | 2017-11-11 | 2018-04-13 | 霍尔果斯普力网络科技有限公司 | 一种互联网广告投放的反作弊监控方法 |
| CN108062686A (zh) * | 2017-12-20 | 2018-05-22 | 广州容骏信息科技有限公司 | 一种dsp广告投放反作弊系统 |
| CN110097389A (zh) * | 2018-01-31 | 2019-08-06 | 上海甚术网络科技有限公司 | 一种广告流量反作弊方法 |
| CN109615442A (zh) * | 2019-01-23 | 2019-04-12 | 上海旺翔文化传媒股份有限公司 | 基于激励视频广告的rtb实时竞价方法 |
| CN110324316A (zh) * | 2019-05-31 | 2019-10-11 | 河南恩湃高科集团有限公司 | 一种基于多种机器学习算法的工控异常行为检测方法 |
| KR20210048101A (ko) * | 2019-10-23 | 2021-05-03 | 소셜포스트 주식회사 | 인공지능을 이용한 광고주 및 1인 마케터 매칭 시스템 |
| CN110827094A (zh) * | 2019-11-15 | 2020-02-21 | 湖南快乐阳光互动娱乐传媒有限公司 | 广告投放的反作弊方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113657924A (zh) | 2021-11-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109784042B (zh) | 时间序列中异常点的检测方法、装置、电子设备及存储介质 | |
| US11012289B2 (en) | Reinforced machine learning tool for anomaly detection | |
| CN103116531A (zh) | 存储系统故障预测方法和装置 | |
| CN101841435A (zh) | Dns查询流量异常的检测方法、装置和系统 | |
| CN1954310A (zh) | 用于网络报警类选的方法和装置 | |
| CN113657924B (zh) | 基于机器学习的线下智慧屏广告反作弊系统及报警器 | |
| CN103051688A (zh) | 基于云服务的led广告屏系统及其智能监控方法 | |
| CN110333995A (zh) | 对工业设备运行状态进行监测的方法及装置 | |
| CN109657626B (zh) | 一种识别人体行为的分析方法 | |
| US11934521B2 (en) | System and method of situation awareness in industrial control systems | |
| KR102228737B1 (ko) | Ai를 이용한 가짜뉴스 판독 방법 및 장치 | |
| CN109547262A (zh) | 一种基于zabbix监控交易系统异常的方法及其系统 | |
| CN114186626A (zh) | 一种异常检测方法、装置、电子设备及计算机可读介质 | |
| CN111291096A (zh) | 数据集构建方法、装置和存储介质及异常指标检测方法 | |
| TWM622216U (zh) | 用於服務異常偵測告警的設備 | |
| CN114840286B (zh) | 基于大数据的业务处理方法及服务器 | |
| CN113673214B (zh) | 信息清单的对齐方法、装置、存储介质和电子设备 | |
| CN112116415A (zh) | 一种商品信息的推送方法、装置及系统 | |
| Takahashi et al. | Analysis of the relation between stock price returns and headline news using text categorization | |
| CN104317859A (zh) | Led显示屏智能分类系统及方法 | |
| Verasakulvong et al. | Online emerging topic detection on Twitter using random forest with stock indicator features | |
| WO2024045064A1 (zh) | 播放内容的监测方法、主机、系统、装置、介质及设备 | |
| CN114064441B (zh) | 一种日志异常检测方法、装置及设备 | |
| KR100429010B1 (ko) | 정보 모니터링 시스템 및 방법 | |
| TWI789003B (zh) | 服務異常偵測告警方法、使用此方法的設備、儲存此方法的儲存媒介及產生異常告警之電腦軟體程式 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |