用AI肃清游戏虚假流量

本篇文章1054字，读完约3分钟

随着用户群和收入的快速增长，游戏公司已经成为欺诈者的主要利润目标之一。根据全球顶级营销数据分析平台tune的统计，每年有数百万甚至数千万美元用于游戏应用的安装和推广。一般来说，广告宣传和安装活动的欺诈率平均为10%~20%，有些渠道的虚假金额会超过一半甚至全部。今年，欺诈者获得了超过10亿美元的营销资金。面对日益增多的欺诈行为，如何识别促进假冒伪劣数量的渠道，已成为游戏制造商迫切需要解决的问题。“确定欺诈的影响和类型是制定反欺诈计划和提高投资回报的第一步。”日前，在上海举行的第16届中国国际数字互动娱乐展上，datavisor技术副总裁丁大卫发表了演讲，全面分析了游戏渠道中的促销假冒行为，重点分享了datavisor独创的反欺诈技术和反欺诈解决方案。

为了成功获得欺诈安装的推广成本，欺诈者的伪装行为变得越来越复杂，越来越接近真实用户，这大大增加了游戏公司有效识别真实和欺诈用户的难度。最初的欺诈很大程度上依赖于低成本劳动力，例如人工安装农场和移动设备模拟器；中层欺诈主要部署在用户自己的行为中，通过虚拟机和脚本伪装来自不同设备的登录活动；高级欺诈更为复杂，它可以欺骗现有的检测规则，模仿真实用户的行为，然后生成虚假的安装和活动。

最初由美国硅谷的datavisor创立的人工智能无监督学习反欺诈算法不同于传统的设备指纹、黑白名单、规则系统或监督机器学习的检测方法。它可以在没有标签或训练数据的情况下，自动对所有用户的账户和事件进行聚类和关联，并在安装过程中发现可疑事件的隐藏关联，从而检测出整个欺诈安装组，大大提高了检测的覆盖面和准确性，帮助广告主了解真实的安装情况。

到目前为止，datavisor的合作公司包括igg、猎豹移动、智能之星、今日头条等。其无人监管的反欺诈机器学习解决方案保护了全球游戏、社交、电子商务和金融领域主要机构和公司的40多亿个账户。“datavisor的统计数据对安装渠道进行了详细的分类，客户可以通过比较不同的媒体和渠道做出更合理、更明智的广告决策，每年可以节省300万至500万美元的欺诈性用户安装费，这不仅有助于广告商防止财务损失，提高投资回报，还能确保用户群体的健康成长。”据大卫汀称，在与世界顶级移动游戏开发公司的合作中，datavisor发现其移动营销基金因欺诈性安装而遭受了巨大损失。该公司当时使用的检测工具只能检测到10%的欺诈行为。应用datavisor的无监督机器学习解决方案后，每月可以检测到300，000 ~ 400，000次欺诈安装和促销。