企業投資在行銷廣告上的成本,真的有觸及到目標消費者發揮效益嗎?專注於人工智慧技術的新創公司沛星互動科技(Appier),今日(13日)發布用AI技術偵測惡意數位廣告詐騙解決方案,從內部超過40億筆使用者的真實行為資料,透過多個機器學習模型過濾詐騙行為,模型經過不斷學習後,可以偵測出更多用傳統機制無法偵測的詐騙行為。

「數位廣告流量詐騙會造成企業重大的損失,」Appier技術長暨共同創辦人蘇家永指出一項報告顯示,2017年數位廣告詐騙將造成全球至少65億美元的損失,數位廣告詐騙是透過非正當手段創造廣告曝光、點擊量、安裝數等,偽裝成正常的流量來獲利,導致企業主投資大筆資金在廣告行銷上,投資報酬率卻沒有預期理想。

蘇家永表示,常見的廣告詐騙型態分為人為和非人為,人為的方式包含地區、網域、隱形廣告、Cookie、侵入式的詐騙,非人為則是透過自動程式、幽靈網站和傀儡網路來偽裝成廣告流量,過去比較傳統偵測詐騙的方式,能夠阻擋有跡可循的詐騙行為規則,像是透過一些可疑流量的特點來過濾,包括低留存率、點擊到安裝應用程式時間較短等特徵,蘇家永解釋,留存率是在某一個統計時間內,新增使用者數中,經過一段時間後,仍然會開啟該應用程式的使用者比例。

傳統的阻擋機制即是透過上述的規則,分析並判斷詐騙行為,進而阻擋來自他國的流量、點擊至安裝時間較短的流量,以及大量點擊數或安裝數的IP。

不過,現在廣告流量詐騙更進階了,以前是較簡易的機器人程式,自動點擊創造流量,現在則出現更複雜的機器人程式,「現有的傳統機制已無法有效地防堵廣告詐騙,」蘇家永表示,現在新型態的廣告詐騙行為更加複雜,已經不能靠單一個特徵來偵測,需要整合多個特徵行為一起分析。

Appier透過AI技術,綜合分析超過80種資料詐騙行為特徵,成功地發現以往沒有發現的詐騙行為,蘇家永表示,透過人工的方式來更新一條條偵測詐騙的規則,已經不能應付現在隨時都在改變的詐騙行為,透過機器學習模型建立偵測模型,分析後的結果還會即時回饋到偵測模型中,模型經過不斷的學習與更新,才能有效地偵測並阻擋推陳出新的新型態詐騙手法,他補充,Appier採取多種模型來分析詐騙行為,其中一項模型為樹狀模型,藉由多個特徵分析和不斷學習的機制,能夠即時給予模型最全面和最新的資訊,進而提高偵測準確度。

Appier的AI防治詐騙模型機制分為3步驟,首先,系統已現有的規則過濾較顯著的詐騙型態,第二步則加入機器學習演算法過濾偵測到的可疑流量,最後還會透過演算法全面分析詐騙型態,建立新的規則後,再將新規則回饋到偵測模型。

近期Appier透過該AI防治詐騙模型分析今年6月至7月跨國的行動App廣告活動,大約分析25億筆資料量, AI防治詐騙模型偵測到一些新型態的詐騙手法,舉例來說,結果發現單一裝置一小時內點擊多次的垃圾點擊詐騙手法,正常的使用者不會在短時間內點擊多次,此外,蘇家永表示,AI防治詐騙還發現一種偽裝型的詐騙手法,也就是不肖業者在初期先提供正常的流量,躲過業主初期的偵測,在大約第9天後才開始突然回傳爆量的下載數,但是留存率卻非常低。

熱門新聞

Advertisement