[发明专利]用于广告异常流量检测的方法和装置

说明书

本说明书的实施例提供了用于广告异常流量检测的方法、装置、计算设备和机器可读存储介质。该方法可以包括：获取在历史时间段内的历史广告日志数据，其中，历史广告日志数据包括在历史时间段内至少一个设备参与广告所得到的数据；基于历史广告日志数据，生成特征数据，其中，特征数据用于表示广告特征以及参与广告的用户特征；对特征数据进行编码处理，以生成目标训练样本；基于目标训练样本进行机器学习模型训练，以用于广告异常流量检测。

技术领域

本说明书的实施例涉及信息技术领域，更具体地，涉及用于广告异常流量检测的方法、装置、计算设备和机器可读存储介质。

背景技术

随着互联网的蓬勃发展，数字广告市场也在不断扩大。与传统广告相比，数字广告可以通过受众定向、流量监测和个性化服务等为广告主创造更大的价值，但是与此同时，数字广告也遭受着日益壮大的广告作弊组织的威胁。广告作弊所产生的异常流量在不断破坏着数字广告的价值和可信度，目前已经对当前互联网业务安全造成了巨大危害。

针对这一情况，业界一般按照访问频次、行为频率、地域定向、投放时段等人为设定统计规则，进而基于统计规则进行广告异常流量检测。然而，这种方式通常是先被攻击然后发现，最后补充规则，中间可能经历较长的滞后期，导致无法适应当前与广告作弊组织的攻防节奏。此外，实践表明，这种方式通常可能对异常流量的漏检率以及对正常流量的误判率比较高。例如，这种方式可能无法识别通过混拨技术进行作弊的流量。

发明内容

考虑到现有技术的上述问题，本说明书的实施例提供了用于广告异常流量检测的方法、装置、计算设备和机器可读存储介质。

一方面，本说明书的实施例提供了一种用于广告异常流量检测的方法，包括：获取在历史时间段内的历史广告日志数据，其中，所述历史广告日志数据包括在所述历史时间段内至少一个设备参与广告所得到的数据；基于所述历史广告日志数据，生成特征数据，其中，所述特征数据用于表示广告特征以及参与广告的用户特征；对所述特征数据进行编码处理，以生成目标训练样本；基于所述目标训练样本进行机器学习模型训练，以用于广告异常流量检测。

另一方面，本说明书的实施例提供了一种用于广告异常流量检测的方法，包括：获取在指定时间段内的当前广告日志数据，其中，所述当前广告日志数据包括在所述指定时间段内至少一个设备参与广告所得到的数据；基于所述当前广告日志数据，生成当前特征数据，其中，所述当前特征数据用于表示广告特征和参与广告的用户特征；对所述当前特征数据进行编码处理，以生成目标特征数据；利用经过训练的机器学习模型对所述目标特征数据进行处理，得到预测结果，其中，所述预测结果用于表示在所述当前广告日志数据中是否存在异常流量。

另一方面，本说明书的实施例提供了一种用于广告异常流量检测的装置，包括：获取单元，用于获取在历史时间段内的历史广告日志数据，其中，所述历史广告日志数据包括在所述历史时间段内至少一个设备参与广告所得到的数据；生成单元，用于基于所述历史广告日志数据，生成特征数据，其中，所述特征数据用于表示广告特征以及参与广告的用户特征；编码单元，用于对所述特征数据进行编码处理，以生成目标训练样本；训练单元，用于基于所述目标训练样本进行机器学习模型训练，以用于广告异常流量检测。

另一方面，本说明书的实施例提供了一种用于广告异常流量检测的装置，包括：获取单元，用于获取在指定时间段内的当前广告日志数据，其中，所述当前广告日志数据包括在所述指定时间段内至少一个设备参与广告所得到的数据；生成单元，用于基于所述当前广告日志数据，生成当前特征数据，其中，所述当前特征数据用于表示广告特征和参与广告的用户特征；编码单元，用于对所述当前特征数据进行编码处理，以生成目标特征数据；预测单元，用于利用经过训练的机器学习模型对所述目标特征数据进行处理，得到预测结果，其中，所述预测结果用于表示在所述当前广告日志数据中是否存在异常流量。