广告流量反作弊风控中的模型运用

利用许多行为和模式数据的先进的风险控制系统，对风险进行识别和感知监控，相比规则策略，显著提升识别的准确性和复盖率以及稳定性。

常见的无监督算法：

密度聚类(DBSCAN)

孤立森林(Isolation Forest)

K均值算法

常见有监督算法：

逻辑回归(logistic)

随机森林 (random forest) 

体系分四层：

平台层：主要是依托spark-ml/tensorflow/torch算法框架基础上，引用开源以及自定义开发的算法应用于业务风控建模中。

数据层：搭建vaid/ip/媒体/广告位等多粒度下，请求、曝光、点击、下载、激活等多转化流程的画像和特征体系，提供服务于生物信息学算法网络化建模。

业务模型层：基于行为数据特征和画像数据，搭建点击反作弊审计模型、请求点击风险预估模型、媒体行为相似团伙模型以及媒体粒度异常感知等模型。

接入层：模型数据的应用，离线点击反作弊模型审计结果与策略识别审计结果汇总，同步业务下游处罚；媒体异常感知模型主要作为候选名单同步点检平台和自动化巡检进行。通过该模型，可以实现对网络安全事件的快速定位、分析、预警，从而提高网络安全防护效率。

（编辑：银川站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!