融合行为模式和关系网络的广告虚假攻击检测研究

As the rapid development of Web 2.0 and online advertising business, Advertising fraud for online digital advertising becomes increasingly rampant, which seriously endangers the advertising systems. Online advertising detection has become a hot topic in both academia and industry. It has been faced with severe challenges in the field of advertising fraud detection based on behavioral patterns. The cooperation relationships among network users, the advertising Websites and advertising agency are hard to ignore. How to put those relationships into the existing detection mechanism and to improve the accuracy of detecting malicious attackers gradually get more attentions. Firstly, this declared project aims to incorporate the relational networks into the traditional behavior features. Secondly, to detect the online adverting fraud, spectrum analysis among relational networks, network spectrum characteristics of fraudulent quantization and multi-task learning fusion method will be studied. Finally, we will further explore how to combine the detection results with the income of the participants of the advertising. Simulation experiments on open datasets will be conducted to verify the result of our research. The prototype system will also be applied to advertising companies for case study, which in turn justify the value of our research and technical support.

互联网技术与广告业务的交叉融合，丰富了广告投放体系，但以获利为目标的广告虚假欺诈行为日益猖獗，严重危害了广告投放体系，广告虚假攻击检测成为当前学术界和工业界广泛关注的热点议题。已有研究单纯依靠行为模式来实现广告欺诈检测面临着严峻的挑战。关系网络所刻画的用户、广告发布商、广告代理机构之间的协作性难以掩盖，如何将其融入到已有的检测机制中并提高恶意攻击者的检测准确度逐渐得到关注。为此，本课题将首先探索行为模式与关系网络的融合方法；此次，研究关系网络谱分析、关系网络谱特征欺诈性量化以及多任务学习融合方法，为广告欺诈攻击检测提供理论和算法支撑。最后将进一步探索如何将检测结果与广告参与者各方利益结合，以便对检测结果进一步优化。在理论研究的基础上，设计并实现原型系统作为理论研究验证平台，并将原型系统应用到广告投放企业的案例研究中，以期为广告投放平台虚假攻击检测提供理论和技术支撑。

广告欺诈攻击检测在在线数字广告安全领域具有极高的学术和工业价值，国内外学者针对这一主题展开了大量研究。随着社会网络大规模应用，单纯依靠行为模式来实现广告欺诈检测面临着严峻的挑战。 关系网络所刻画的用户、广告发布商、广告代理机构之间的协作性难以掩盖，如何将其融入到已有的检测机制中并提高恶意攻击者的检测准确度逐渐得到关注，目前这方面的研究还处于起步阶段，成果尚不丰富。为此，本项目围绕行为模式与关系网络的融合并检测出更多的虚假广告参与者，主要成果内容包括：（1）在异构行为特征和关联网络构建和挖掘，分别提出了半监督多视图学习的购买预测方法、多关系社会网络恶意用户行为分析与检测，及企业信誉可信性分析模型；（2）在融合多维特征空间与关系网络的欺诈检测方法构建与应用方面，分别提出了可以同时利用用户特征和用户-商品关系的混合半监督学习模型、基于行为模式与关系网络融合的广告虚假攻击检测算法，及电子商务恶意用户检测算法比较；（3）在融合学习方法企业实例化应用与扩展则提出了基于多任务学习的预测模型、基于用户长期和短期偏好融合的旅游包推荐算法，及基于多目标强化学习的社区隐藏框架。本项目的研究在行为模式挖掘，及复杂网络与行为特征的融合学习上获得了一定的理论突破，从而形成了以下几个方面的成果: 1）发表（含录用）期刊论文11篇，SCI收录10篇，包含2篇IEEE汇刊论文，其中一作和通信论文8篇；2）发表国际会议论文5余篇，包含PAKDD， CBD等国际会议，其中一作或通信3篇；3）获得授权4项国家发明专利；4）培养研究生8名。