Adjust分析移动广告作弊现形：三组实例的探讨与

小提示：您能找到这篇{Adjust分析移动广告作弊现形：三组实例的探讨与}绝对不是偶然，我们能帮您找到潜在客户，解决您的困扰。如果您对本页介绍的Adjust分析移动广告作弊现形：三组实例的探讨与内容感兴趣，有相关需求意向欢迎拨打我们的服务热线，或留言咨询，我们将第一时间联系您！

在先前的文章中，我们探究了广告作弊的理论知识，以及Adjust采取行动之前是如何分析、归纳作弊问题的逻辑。然而，我们还没有明确讨论究竟该如何在现实中运用这些理论知识，又能从这些理论中提炼出什么样的解决方案？在本文中，我们将探讨实际生活中可能面临的三种广告作弊手法，以及该如何运用理论模型来对症下药。

点击劫持(Click Injection)

“当人们观察到点击次数与归因的安装数量异常接近时，点击劫持开始成为业界关注的问题。”

在数据可视化的早期，人们注意到在“点击到安装时间”(Click-To-Install-Time,CTIT)的图表中，活动有明显的提升。这不禁令人怀疑数据集中是否存在“欺诈归因”（Sproofed Attributions）。这时业内人士提出在类型检测中创建过滤器，利用过滤器拒绝所有点击后几秒钟内所产生的安装。这个方案虽然略有成效，但是并不能解决所有问题。

Adjust就此深度挖掘和逆向分析，研发了更切实有效的过滤系统。我们发现作弊者在安卓系统中生成“劫持点击”（Click Injection）的运作模式。这个发现让我们辨识出了更有效的时间戳，也就是在首次打开应用时便开始进行过滤。该方式促成了Adjust与Google的联合项目，使我们能够使用快手广告特点明确判定是/非过滤时间戳，也就是点击“下载”按钮的时刻来进行过滤。

点击欺诈(Click Spamming)

“当前最常见的移动广告作弊手法之一，是通过大量的点击来获取随机用户归因，以欺诈类似Adjust这样的归因供应商。”

点击欺诈的形式多变，包括堆叠广告、在设备上进行后台点击，或直接服务器到服务器的点击目录等等。较温和的手法则有以点击方式发送视图，或者所谓的“预缓存”，也就是在广告显示之前点击它们。但归根结底这些形式都具有一个相同的特征，那就是用户实际上并没有打算与广告进行互动，也没有兴趣下载应用。过滤这些“欺诈归因”的主要困难在于点击本身并不容易被辨识。欺诈者可以控制任何参数，并且可以廊坊建设网站轻易地调整请求，让这些请求看起来像真正的广告交互。

当我们对比欺诈点击与真实点击时发现，当真实点击发生时，用户通常在一个小时内会打开应用，平均80%都发生在这一时间段内。如果是欺诈点击，两者之间则不存在关联性，打开应用的用户会随机分布在归因窗口中。通过过滤器，我们不仅要查看推广活动分类所产生的统计数据分布，同时要查看点击是否能展示与应用安装的关联性。因此我们主张，把点击劫持从“劫持点击=欺诈点击”的等式中移除，并惩罚高频率的点击欺诈，进而使作弊过滤器有更高的可靠性。

设备农场(Device Farms)

“让我们想像一下设备农场的场景：一座东南亚的工厂里，数十名工人坐在一排排的iPhone前......作弊者付出单次安装仅2美元的低廉劳力成本，雇用工人们一遍又一遍地点击和安装。”

那么问题来了，如何区分真人在真实设备上的操作以及您实际想要获取的用户操作呢？许多防作弊系统能够标记出那些不停留并且从不购买的用户。但问题是大多数真正的用户也是这样。毕竟，多数应用行业第1天应用留存率很少超过30％。当设备农场的操作与真实的流量混合在一起，我们很难确切地分辨用户的真假。

当我们仔细观察作弊者的例行活动，我们发现作弊者必须不断重置设备ID才得以使假的安装被视为新安装。如果能找到方法在不传输个人可标识信息（PII,Personally Identifiable Information）的情况下来保存作弊者无法删除的信息，这些作弊攻击便很难奏效。例如在iOS内，Adjust SDK需要在设备全面重置后才重新认定设备上的新安装，此重启过程超过15分钟，这样一来也就大大增加了周转时间。

另外，我们还可以查看用于发送SDK请求的IP地址。在没有任何屏蔽或VPN的情况下，这些请求通常显示来自越南或泰国等国家，过滤也因此方便许多。这些通过代理或VPN转移至美国等利润更丰厚市场的流量，通常会留下已在数据中心注册之IP地址足迹。我们通常可以在市场上的列表中找到这些IP地址，进而用来拒绝归因。使用当地境内IP地址并非不可能，但速度慢得多，成本也要高得多，因此对作弊者而言比较不具吸引力。

上述并不是我们发现的所有欺诈方法示例。事实上，SDK伪造（最新的广告欺诈方法）也通过类似的方式解决。未来想必会有更大的困难需要应对，而我们也会持续关注发展并优化我们的反作弊解决方案。