Adjust分析移動廣告作弊現(xiàn)形：三組實例的探討與解決方案

在先前的文章中，我們探究了廣告作弊的理論知識，以及Adjust采取行動之前是如何分析、歸納作弊問題的邏輯。然而，我們還沒有明確討論究竟該如何在現(xiàn)實中運(yùn)用這些理論知識，又能從這些理論中提煉出什么樣的解決方案？在本文中，我們將探討實際生活中可能面臨的三種廣告作弊手法，以及該如何運(yùn)用理論模型來對癥下藥。

點擊劫持(Click Injection)

“當(dāng)人們觀察到點擊次數(shù)與歸因的安裝數(shù)量異常接近時，點擊劫持開始成為業(yè)界關(guān)注的問題。”

在數(shù)據(jù)可視化的早期，人們注意到在“點擊到安裝時間”(Click-To-Install-Time,CTIT)的圖表中，活動有明顯的提升。這不禁令人懷疑數(shù)據(jù)集中是否存在“欺詐歸因”（Sproofed Attributions）。這時業(yè)內(nèi)人士提出在類型檢測中創(chuàng)建過濾器，利用過濾器拒絕所有點擊后幾秒鐘內(nèi)所產(chǎn)生的安裝。這個方案雖然略有成效，但是并不能解決所有問題。

Adjust就此深度挖掘和逆向分析，研發(fā)了更切實有效的過濾系統(tǒng)。我們發(fā)現(xiàn)作弊者在安卓系統(tǒng)中生成“劫持點擊”（Click Injection）的運(yùn)作模式。這個發(fā)現(xiàn)讓我們辨識出了更有效的時間戳，也就是在首次打開應(yīng)用時便開始進(jìn)行過濾。該方式促成了Adjust與Google的聯(lián)合項目，使我們能夠使用明確判定是/非過濾時間戳，也就是點擊“下載”按鈕的時刻來進(jìn)行過濾。

點擊欺詐(Click Spamming)

“當(dāng)前最常見的移動廣告作弊手法之一，是通過大量的點擊來獲取隨機(jī)用戶歸因，以欺詐類似Adjust這樣的歸因供應(yīng)商?！?/span>

點擊欺詐的形式多變，包括堆疊廣告、在設(shè)備上進(jìn)行后臺點擊，或直接服務(wù)器到服務(wù)器的點擊目錄等等。較溫和的手法則有以點擊方式發(fā)送視圖，或者所謂的“預(yù)緩存”，也就是在廣告顯示之前點擊它們。但歸根結(jié)底這些形式都具有一個相同的特征，那就是用戶實際上并沒有打算與廣告進(jìn)行互動，也沒有興趣下載應(yīng)用。過濾這些“欺詐歸因”的主要困難在于點擊本身并不容易被辨識。欺詐者可以控制任何參數(shù)，并且可以輕易地調(diào)整請求，讓這些請求看起來像真正的廣告交互。

當(dāng)我們對比欺詐點擊與真實點擊時發(fā)現(xiàn)，當(dāng)真實點擊發(fā)生時，用戶通常在一個小時內(nèi)會打開應(yīng)用，平均80%都發(fā)生在這一時間段內(nèi)。如果是欺詐點擊，兩者之間則不存在關(guān)聯(lián)性，打開應(yīng)用的用戶會隨機(jī)分布在歸因窗口中。通過過濾器，我們不僅要查看推廣活動分類所產(chǎn)生的統(tǒng)計數(shù)據(jù)分布，同時要查看點擊是否能展示與應(yīng)用安裝的關(guān)聯(lián)性。因此我們主張，把點擊劫持從“劫持點擊=欺詐點擊”的等式中移除，并懲罰高頻率的點擊欺詐，進(jìn)而使作弊過濾器有更高的可靠性。

設(shè)備農(nóng)場(Device Farms)

“讓我們想像一下設(shè)備農(nóng)場的場景：一座東南亞的工廠里，數(shù)十名工人坐在一排排的iPhone前......作弊者付出單次安裝僅2美元的低廉勞力成本，雇用工人們一遍又一遍地點擊和安裝?！?/span>

那么問題來了，如何區(qū)分真人在真實設(shè)備上的操作以及您實際想要獲取的用戶操作呢？許多防作弊系統(tǒng)能夠標(biāo)記出那些不停留并且從不購買的用戶。但問題是大多數(shù)真正的用戶也是這樣。畢竟，多數(shù)應(yīng)用行業(yè)第1天應(yīng)用留存率很少超過30％。當(dāng)設(shè)備農(nóng)場的操作與真實的流量混合在一起，我們很難確切地分辨用戶的真假。

當(dāng)我們仔細(xì)觀察作弊者的例行活動，我們發(fā)現(xiàn)作弊者必須不斷重置設(shè)備ID才得以使假的安裝被視為新安裝。如果能找到方法在不傳輸個人可標(biāo)識信息（PII,Personally Identifiable Information）的情況下來保存作弊者無法刪除的信息，這些作弊攻擊便很難奏效。例如在iOS內(nèi)，Adjust SDK需要在設(shè)備全面重置后才重新認(rèn)定設(shè)備上的新安裝，此重啟過程超過15分鐘，這樣一來也就大大增加了周轉(zhuǎn)時間。

另外，我們還可以查看用于發(fā)送SDK請求的IP地址。在沒有任何屏蔽或VPN的情況下，這些請求通常顯示來自越南或泰國等國家，過濾也因此方便許多。這些通過代理或VPN轉(zhuǎn)移至美國等利潤更豐厚市場的流量，通常會留下已在數(shù)據(jù)中心注冊之IP地址足跡。我們通常可以在市場上的列表中找到這些IP地址，進(jìn)而用來拒絕歸因。使用當(dāng)?shù)鼐硟?nèi)IP地址并非不可能，但速度慢得多，成本也要高得多，因此對作弊者而言比較不具吸引力。

上述并不是我們發(fā)現(xiàn)的所有欺詐方法示例。事實上，SDK偽造（最新的廣告欺詐方法）也通過類似的方式解決。未來想必會有更大的困難需要應(yīng)對，而我們也會持續(xù)關(guān)注發(fā)展并優(yōu)化我們的反作弊解決方案。