从零到一构建基于对抗性训练的广告流量反作弊系统

阅读数:201 2019 年 8 月 13 日 00:00

从零到一构建基于对抗性训练的广告流量反作弊系统

ArchSummit 深圳 2019 大会上,邝展豪讲师做了《从零到一构建基于对抗性训练的广告流量反作弊系统》主题演讲,主要内容如下。

演讲简介

近些年,国内移动网络广告行业取得了爆发性的发展。面对这 7000 亿元的庞大市场,大量广告刷量黑产团伙也嗅到了这庞大利润,不断涌入广告市场进行大肆破话。据数据统计 2018 年虚假广告流量占总广告流量 30%,广告主一年损失约 260 亿人民币。而对抗黑产,反作弊的路上也充满了荆棘。随着反作弊团队打击力度加大,黑产作案手段与技术也不断地提高,有时候为了迷惑广告主,甚至会在业务表象数据上模拟真实用户,达到以假乱真的效果。

面对黑产不断地演进,反作弊团队不能墨守成规,必须灵活应对黑产不断变换“姿势”地一波又一波的攻击。这是一个攻防的过程,也是反作弊团队对抗性学习的过程。为此我们研发出一套可对抗性学习提升的广告流量反作弊查杀系统。

对于广告黑产不断变换姿态攻击广告平台,不断查找漏洞试图避开反作弊团队布下的层层防御设施,反作弊团队不能一直被动防守,要主动出击,主动寻找黑产的作弊方式。通过我们“查”模块,系统主动发现大量聚集且疑似刷量的行为,通过规则,情报与人工筛选锁定作案方式,并将相关信息记录至样本库当中。“杀”模块将“查”模块检测出的新的作弊方式融入模型训练当中。使我们的模型更全面地识别目前刷量行为。只要我们反作弊系统一直有流量进来,我们就能探测新的广告作弊方式,增强我们对虚假流量的识别能力,最终整个系统形成一个自我学习的良好闭环。

演讲提纲

  1. 广告反作弊行业的现状
  2. 广告黑产最新作案方式
  3. 广告反作弊的痛点
  4. 流量防作弊中的对抗性学习
  5. 3D Transformer 在广告反作弊中的应用
  6. 多模态学习

听众受益点

  1. 了解广告行业现状
  2. Transformer 在广告行业的应用与创新
  3. 基于密度的聚类函数在行业应用中的创新

讲师介绍

邝展豪

腾讯安全 天御高级研究员

硕士毕业于英国伯明翰大学,就读高级计算机科学专业,毕业获得英国一等荣誉学位;作为流量反作弊项目算法负责人,负责设计与研发虚假流量查杀系统,自主研发多通道 3D Transformer 深度学习模型大大提升识别行为异常的能力。自主研发自我学习式查杀系统,使得系统能通过对抗性学习不断提升性能。

从零到一构建基于对抗性训练的广告流量反作弊系统

从零到一构建基于对抗性训练的广告流量反作弊系统

从零到一构建基于对抗性训练的广告流量反作弊系统

从零到一构建基于对抗性训练的广告流量反作弊系统

从零到一构建基于对抗性训练的广告流量反作弊系统

从零到一构建基于对抗性训练的广告流量反作弊系统

从零到一构建基于对抗性训练的广告流量反作弊系统

从零到一构建基于对抗性训练的广告流量反作弊系统

从零到一构建基于对抗性训练的广告流量反作弊系统

从零到一构建基于对抗性训练的广告流量反作弊系统

完整演讲 PPT 下载链接

https://archsummit.infoq.cn/2019/shenzhen/schedule

评论

发布