移動廣告作弊流量的淺潛規則
流量作弊彌漫在互聯網廣告行業中，已經成為公開的秘密。
黑格爾的哲學***”存在即合理“，往往被人濫用，其原意是“合理即合符某種規律”，通過黑格爾辯證法，不存在不變的東西，這個***也可以解釋成“凡是存在的，都是應該會滅亡的”。 不知道虛假流量什么時候會滅亡，那時這篇文章就失去意義了，不過既然這篇文章現在存在，那么就是合理的(rational)。
今天的話題集中在移動流量作弊上面，作弊(反作弊)形式和技術與PC作弊不盡相同。PC的用戶標識通常使用瀏覽器的Cookie;而移動的標識通常是IDFA(蘋果)，Google Ads ID(海外Android)，IMEI(國內Android)。移動App有更多信號(機會)辨別真偽，PC瀏覽器的限制會比較多。
這篇文章就膚淺介紹一下虛假流量后的一些潛規律，很多分析都很淺顯，因此叫做淺潛規則。
1. 虛假流量的術語
本文聊的作弊流量，有好多種說法，側重點也不盡相同。
作弊流量(Fraud Traffic) ：大白話，容易明白，就是騙人的流量
非人為流量(No-Human Traffic ): 這種流量特指一些Bot流量，機器模擬的;對于一些劫持的流量，有些灰色地帶，因此不夠準確。
非激勵正常流量(No-Incentive Traffic)：有些流量雖然是人為流量，但常常是由某種誘惑而來(例如不合理頁面設計，獎券，紅包，游戲點卡等)，因此激勵流量通常轉化效果比較差。
無效流量(Invalid Traffic) ：為了規避過于敏感的作弊(Fraud)而使用的術語，這樣不容易得罪人，無效流量中既有故意為之，也有無意為之的。
異常流量(Abnormal Traffic) ：類似于無效流量，強調流量的異常性。
這些術語之間并沒有太多包含關系(或沒必要嚴格細分)，更多的是用在不同的場景和角色。例如，有些研發人員關注No-Human Traffic(Bot Traffic) ;有些效果監測的公司更加關注計費的流量，因此愿意使用invalid traffic;早期，這些流量都稱為Fraud Traffic，因此作弊流量也是一種常用說法。
2. 移動廣告的業務模式圖：
有錢的就地方就是作弊，常在河邊走，哪有不濕鞋?看看錢是如何流動的就可以理解其中利益關系。錢流的上游是付錢的主，下游的機構總想放大收入，那么在付錢主的所能容忍范圍內***化收入就是各個環節優化的目標。這是一個在限制條件下，單優化目標的問題。
常見流量作弊的動機：
- 媒體：制造虛假流量，提升收入
- 廣告代理/銷售：運營虛假流量，保證合同，提升收入
- 交易平臺：對虛假Supply審查不嚴格，提升收入
- 用戶：為獲得激勵(紅包，點卡等)而產生低(無)效果流量
- 廣告主：惡意消耗競爭對手的預算
3. 移動廣告目前的虛假流量比例
由于虛假流量過于復雜和敏感，大家在報數的時候都是非常謹慎小心的。盡管如此，***大家報的數字千差萬別，因此無法考證各個數據的置信度，大家參考一下就好。
- ANA( Association of National Advertisers): “聲譽差的交易平臺作弊流量達到25-50%，聲譽好的通常低于10%”。
- AppFlyer：2016年，AppLift的報告指出34%的移動流量為有風險的虛假流量(Risk of fraud, 22%可疑，12%高風險) 。Android虛假流量比例大于iOS，系統版本約高，虛假比例越低。
- 秒針：2016年垂直網站與網盟媒體異常流量占比***。其中，垂直類媒體曝光異常大幅增至 24.93%，點擊異常中網盟類媒體最為明顯，占比高達 71.07%。
- AdMaster ：2016年全年無效流量整體占比為30.2%;下半年出現小幅度惡化現象,無效流量增加3.7%;
4.移動虛假流量的分類
虛假流量有很多種分類，各種分類都會有灰色的領域，下面我試圖用作弊的基本原理方式來分類，而且主要是針對移動的場景。更加全面和系統的分類，可以參考劉鵬老師的《互聯網廣告作弊十八般武藝》。
另外一種分類可以按照設備和人為的四象限分類
5. 移動反虛假流量的模型
在討論如何對付移動虛假流量的方法之前，我們先看看移動作弊的一些主要黑技術，做到知己知彼。
移動作弊中涉及很多黑技術，其中包括一下一些：
- 模擬器：BlueStacks, AndyWin, GenyMotion
- Spoofer: 不斷的修改機器的IP , IMEI, MAC等
- Proxy: 網關，修改ISP, IP, UA , 設備類型等
- 蘋果： 沒有模擬器，主要通過硬件和軟件模擬
- 激勵流量(incent Traffic ): 真實人流量，但是轉化率差的流量 ...
對于如何防范移動虛假流量，這確實是一個復雜的問題。并非沒有防范作弊的高端技術，也不是因為這個問題不夠嚴重，最主要的原因有三個。
- 精準打擊反作弊的成本比較高
- 各種玩家的利益分配原因
- 作弊者的受益高和風險低，大部分情況下，作弊者不會受到任何懲罰。
例如，最近友盟+在法院起訴某家App刷量公司，理由是影響了友盟統計計算的正確性和公正性。目前法院并沒有判定，我也不得知其訴訟的合理性。打個比方，有一個刷墻公司把路上所有廣告牌都刷成某家公司，然后有一個品牌影響力排名公司去控告這個刷墻公司，嚴重影響了它的品牌排名公正性。總感覺這個邏輯，不算太對。我也確實非常討厭App刷量公司，但是從哪個角度去批判和懲罰他們，確實值得法律法規上更多的討論。
不聊倫理和法規，聊聊技術吧，我覺得技術上可以按照如下模型來對付虛假流量，這里特指移動端。
硬件：手機擁有更多的硬件信息，因此通過硬件信息進行虛假流量的防范，可以防范通過非手機(即Bot，服務器等)的虛假流量。雖然，現在手機系統提供了有一些標準函數可以獲得硬件信息，例如IMEI,MAC等，但這些函數很容易被一些通用軟件工具所攻破。另外，這個硬件標識的信息，也無法在服務器端得到有效校驗。因此，在虛假流量的斗爭中，***步往往就是識別流量的來源，是真實手機，還是模擬器，服務器模擬等工具。
規則策略：規則往往是最簡單有效的防范機制，例如，對于***次訪問全新流量，將虛假流量的可能性設置為高。對于每天多余X次的有規律訪問，堅決抵制等等。規則有很多很多，不斷的增加，修改，發展到***，規則的匹配次序也成了一門藝術了。對于一些初級的造假者，往往會落到這些規則中。
機器學習：機器學習就是通過一些訓練數據集合訓練出一個分類器，對于一些特征，訓練出一些權重信息，而后用于流量的分類識別上。做虛假識別的團隊很多時候在這個方向會越做越深，使用更多的特征，使用更多數據，使用更加及時的數據，嘗試更多的模型。這個領域工作很“苦”，做嚴格了，收入可能受影像，做寬松了，廣告主投訴ROI下降，這種平衡有點里外不是人。
智勇雙全：有些作弊并非***死板的技術手段完成的，其實有很多五花八門的方法。舉例來說，通過加大對于媒體的懲罰力度，可以提高媒體的作弊成本，從而降低作弊率。另外，還有一種有趣的反作弊方法，叫做Honey Ad(有時也叫Bluff Ad)，這些廣告有些特點(例如，預期點擊率很低)，通過觀察點擊率是否和預期一樣，可以判斷流量是否是機器流量(機器流量無法判斷這些廣告的貼點)。
6 識別虛假流量的技術流派
這一部分主要是集中在通過機器學習的辦法辨識虛假流量的技術，有一大部分內容可以在相關的論文中找到。
6.1 分類方法
大部分算法工程師在處理虛假流量都是從分類技術開始的，構造一個分類器，找各種各樣的特征，找到一些虛假流量的(例如轉化率異常)訓練數據。這種方法對于對于虛假流量的樣本非常依賴，不同的樣本很容易訓練出不同的模型，容易過渡擬合。 對于新的虛假流量模式，不容易及時發現。
6.2異常檢查(Anomaly-Based Detection)
學術上有很多論文，討論通過聚類的方案識別異常流量，在移動端，可以通過跟蹤某一個用戶標識的歷史行為，各種上網行為，廣告請求行為，瀏覽行為，特別是跨媒體的使用情況，以辨別這個流量是否是正常手機的使用軌跡。
- 基于歷史信息和行業平均水平進行異常分析
- 基于時間的變化，發現一些突變點
- 這一技術在金融和交易的反欺詐，用的非常多，技術也非常繁多
- 常用方法可以聚類，分類或者內容分析;
《Using Co-Visitation Networks For Classifying Non-Intentional Traffic》 Ori Stitelman et al. Dstillery 2013.
6.3 APP的廣告作弊的自動化檢查
市面上有很多APP，那些APP是制作虛假流量的來源?有沒有什么自動的檢查方法? 微軟有一篇論文就是介紹這方面的工作，通過自動運行APP，分析APP的廣告情況：太多廣告，廣告大小過小，重疊廣告等等。
2014，《DECAF: Detecting and Characterizing Ad Fraud in Mobile Apps》
6.4. 審計(Audit)
審計是一種傳統的反欺詐方法，也是有效的，對于調查一些刷量問題也是有直接幫助的。
當有些在某些媒體(publisher) 點擊發生點擊
廣告平臺/廣告主向媒體發送一些審計的請求，確認之前受到的點擊的有效性(時間點，基本信息)，而后進行對比。
6.5 偽廣告驗證(Honey Ads)
廣告平臺發送一些小比例的廣告，例如一些信息提示，按道理，這些提示內容并沒有讓用戶Click的意圖。
如果這些偽廣告的點擊率，仍然很高，像其它的廣告點擊率一樣高，說明這些流量有問題。
6.6 設備ID的真偽辨別
在移動設備上，對于設備ID的辨別可以極大的幫助識別虛假流量。有兩件事需要確認，***，這個ID是有效的ID，第二，這個廣告請求確實是來自這個ID所在的設備。
移動設備ID也比較多，國內安卓以IMEI的MD5/SHA256為主;IMEI通常也會帶有制造商的一些基礎信息。
如何確定這個ID是來源于真實的設備，這就需要利用硬件的技術，或則通過歷史數據的一些分析來看。例如有一個IMEI ，請求的IP來源忽悠不定，上午的IP在鄭州，下午在杭州和南寧等，或則不熟悉的地方，那么這些廣告請求中，通常有虛假的成分。因此，對ID進行辨別，對常見ID可以采用輔助的技術進行識別，包括訪問頻率，IP范圍，瀏覽行為，搜索行為，APP事情情況等等，訪問時間等，而且可以通過數據鏈的方式來判定請求的真實性。
6.7 分享一些反欺詐的論文
這里推薦老東家的一篇論文，《Click Fraud Detection: Adversarial Pattern Recognition over 5 Years at Microsoft》，這篇文章介紹了微軟2014年之前的一些心路總結，從RuleBitmap 到 Model Fighting，如何定義Metric (Value per Click)。我有幸與部分作者一起工作，期間真心感到反欺詐的工作的無冕之艱辛。
我收集了一些Papers，有興趣的同學可以到我的主頁上下載：http://www.ouyangchen.com/download
7 反作弊技術公司
1.Integral Ad Science
2009年成立的反作弊公司，保護品牌安全等，這家公司和尼爾森有很多合作， 詳情可見integralads.com
2. Solve Media
專業提供CAPTCHA( "Completely Automated Public Turing test to tell Computers and Humans Apart")的服務，也就是驗證是否是人操作，而不是機器訪問。
3.Double Verify
主要從事視頻的可見性的檢測，它和Facebook和Youtube都有合作，經過MRC的認真。
4. Forensiq
專業處理虛假流量的技術公司，在投前，投中，投后都能夠提供解決方案。
8 ***不得不說的話
打擊異常流量，是一件苦勞總是多于功勞的事情，處理不利常常遭到廣告主的投訴以及平臺的信譽度下降，如果過于激進，廣告主消耗可能會顯著減少，交易平臺流水也會減少。反欺詐算法的同學通常需要保守各種算法規則的秘密，很多時候，一些新的規則上線，也不能大肆宣揚，只能暗中觀察效果，與非正常流量開始一波又一波的拉鋸戰斗。
***，為長期打擊反欺詐的同學鼓掌加油!
【本文為51CTO專欄作者“歐陽辰”的原創稿件，轉載請聯系作者本人獲取授權】
