移动互联网广告作弊手段浅析，要怎么防？

一、作弊的产生原因

这里首先说明一下移动广告业，广告主在APP上的广告位发布自己品牌的链接，根据用户点击或者用户点击之后激活（激活的行为可能是用户注册、用户产生UGC、用户进行消费，或者是其他的，不同的应用需具体的判定）的比重，给APP的广告位结算。

这样看来，广告主借助“移动广告”对其应用进行推送无非是想要在榜单（点击、下载）及效果（激活、留存）上取得成绩。APP广告位又想更多的有钱，所以作弊的行为就应运而生了。

具体的来讲，2013年开始，大批的网赚类应用的出现以及App Store增加榜冲榜的强烈需求为作弊行为提供了最根本的根基。与此同时，移动广告投放的监测技术门槛较高，后台数据结构繁冗复杂，监测维度指标较多等情况的存在，又给移动广告投放过程中衍生的作弊行为提供了持续发展的动力。

二、作弊的种类

依照广告主关注的两个维度，点击及激活，作弊的种类也被分为这两种。

点击作弊

点击作弊是成本较低也比较容易的一种方式，一般可以利用大量测试机或者模拟器直接发送，也有一些是雇佣或者激励式诱导用户来进行大量点击。通过分析点击数据的日志，会发现有几种现象：

IP离散度密集：由于作弊是通过模拟器或者雇佣用户进行大量点击，那么就会出现同一个IP反复点击广告的情况出现。时间预测（数据为往年仅供参考）周期反复：同IP离散度密集的原理一样，作弊用户会在一个固定的时间预测（数据为往年仅供参考）周期内频繁的点击广告（发送请求）

下面两点的现象针对于大量的使用模拟器进行点击作弊

非移动端发送为模拟器发送：为节省成本，在非移动端，会在一个电脑上部署很多个服务器，进行点击作弊无法取到移动端的UA信息：UA的全称为User Agent，中文名为用户代理，它是一个特殊字符串头，使得服务器能够识别客户使用的操作系统及版本、CPU 类型、浏览器及版本、浏览器渲染引擎、浏览器语言、浏览器插件等。激活作弊

移动广告的效果除了点击之外，更多的是效果数据，即后续的激活。常见手段部分与点击作弊的方法一致，比如说测试机或模拟器模拟下载，还有像通过移动人工或者技术手段修改设备信息、破解SDK方式发送虚拟信息、模拟下载激活等等。

激活作弊的现象当然就也包括：

IP离散度密集时间预测（数据为往年仅供参考）周期反复模拟器发送归因时间预测（数据为往年仅供参考）差不符合逻辑：正常情况下用户从点击去广告，到产生激活行为，是需要阅览了解的，需要一定量的时间预测（数据为往年仅供参考），若这个时间预测（数据为往年仅供参考）太短，我们可以认为是异常。三、作弊的防护点击作弊

在梳理点击作弊防护的方法之前，我们先摆出来一些重要的指标。

点击率 = 点击次数 / PV

点击率是一个判断是否有无点击作弊的关键的方法，一个网站的广告点击率过高，可以直接判定为作弊了。

点击率 / 单个IP的点击率

若这个数值过高，大概大于3，我们就可以认为，这个IP值的用户可能存在点击作弊

防范点击作弊的方法，有以下几点

Cookie排重：基于本地cookie的解决方法。Cookie上会记录着用户的信息，可以在用户请求数据的时候先调用户的cookie，防止同一设备多次点击同一广告。IP防止作弊：增加点击的时候，肯定不只用同一设备，所以除了Cookie排重外，也可以基于IP来排重。异常数据黑名单：对于反复出现的IP，我们要进行黑名单管理，把这些经常增加点击的IP拉进黑名单。激活作弊激活IP排重：与点击同理，同IP段的多次激活也应标记为异常激活。归因时间预测（数据为往年仅供参考）差作弊：归因时间预测（数据为往年仅供参考）差即指从点击到下载激活的时间预测（数据为往年仅供参考）。正常情况下用户从点击去广告，到产生激活行为，是需要阅览了解的，需要一定量的时间预测（数据为往年仅供参考），若这个时间预测（数据为往年仅供参考）太短，我们可以认为是异常。SDK加密防护：对传输激活的SDK进行加密处理，提高其破解作弊的成本。关联作弊

简单的可以这样认为，被标记为点击作弊的用户，在激活作弊也有可能是异常的，这样的关联可以让我们更轻松的发现潜在的作弊用户。将点击作弊与激活作弊关联在一起，也是一种有效的防护措施。

四、未来的反作弊发展方向与大数据结合的防作弊预测分析模型

举一个简单的例子来说，一个广告的两个重要的指标，点击和激活，是在同一个流程下的。用户在网站上看见了广告，点进去流量，发现有兴趣，进行了激活，用户流量成功从网站的广告位迁移到广告主的应用上。整个流程在正常（无作弊）的情况下，用户从点击广告，到完成激活，会有一个整体的时间预测（数据为往年仅供参考）。刚才我们讨论这个整体的时间预测（数据为往年仅供参考）过短，会认为是作弊行为，这是从微观上看这个数据指标。

从宏观上看，整体的时间预测（数据为往年仅供参考）应该会服从一个数学分布。我们可以根据这个数学分布模型，进行异常区域的检测。比如说在8月1日到8月22日这一时间预测（数据为往年仅供参考）段，有一个IP段（因为作弊会是一个组织性行为，可能是在某一个IP段出现规律性，而不是一个单独的IP）的模型分布与正常的模型不符，我们就可以针对于这个网段进行检测，发现作弊的组织。

本文作者@Mitsuizq  由(青瓜传媒)整理发布，转载请注明作者信息及出处！

产品推广服务：APP推广服务  广告投放