-->

泛为科技：过滤无效流量保护品牌安全促进行业发展

2019-05-14 19:41发布

站内文章 / 后端开发

29 0

再贱就再见

女 | 书童

私信

这几天，ADBUG发布了嵌套作弊网络RedEye（红眼）的相关报告，引起了行业热议，广告作弊又再次被大家提及，成为品牌广告主们最担心的问题。

作为行业领先的数字营销科技公司泛为科技，我们一直在反作弊系统上深耕发力，以极高的技术标准和商业原则为执行准则，通过践行MMA发布的无效流量验证标准，研究区块链在广告营销上的应用，自主研发反作弊核心技术，以及与第三方广告验证公司深入合作等方式来保证广告主投放广告的有效性、真实性、可见性以及品牌安全性。

严格依据标准

过滤常规和复杂的无效流量

2017年5月，MMA（Mobile Marketing Association China-中国无线营销联盟）发布了最新的《移动互联网广告无效流量验证标准V.1.0》，升级了原有的反作弊系统，支持常规无效流量（GIVT， General Invalid Traffic）和复杂无效流量(SIVT,Sophisticated Invalid Traffic)的过滤。我们遵循MMA最新发布的《移动互联网广告无效流量验证标准V.1.0》，采用极其严格的过滤规则，全方位狙击无效流量。据RTBAsia对数字广告流量的监测统计，无效流量平均占比近26%，而泛为科技广告投放可以将无效流量减少到5%及以下。

针对常规无效流量（GIVT），我们的反作弊系统是根据标准中提到的8条主要示范性的无效流量，结合之前总结的相关规则，总共提出了40+条流量作弊的rule，来支撑常规无效流量的过滤。

针对复杂无效流量（SIVT），结合标准中提到的10条主要示范，在真人识别（包括自研，以及同第三方广告验证公司进行合作，比如RTBAsia），以及IP库的分类（比如IDC机房IP，各大运营商IP）等上面进行了进一步的加强，总共提出50+条流量作弊的rule，来支持复杂无效流量的过滤。

同时，泛为科技还与RTB Asia、ADBUG等第三方品牌安全公司进行了深入合作，并自主研发了防作弊相关的核心技术。在反欺诈上，过滤掉无效流量；在语义分析上，确保品牌投放的每一个页面的媒体环境是符合品牌要求的；在广告可见度上，确保广告投放环境无遮挡，并可生成相关投放展示在首屏、次屏等，以及是否有被看到相关的报表。泛为科技作为趣头条品牌资源的独家代理，也积极推动了趣头条安卓端与iOS端支持MMA SDK广告可见性监测。

应用区块链技术

推动广告无效流量协同过滤

近两年，区块链如何解决广告营销的痛点，逐渐成为众多广告科技公司讨论的焦点。2018年7月，由MMA中国主导研发上线了Distributed Invalid Traffic Filter系统（分布式无效流量过滤器，简称DIF系统）。DIF采用HyperledgerFabric为底层，Hyperledger是Linux基金会发起的开源项目，在金融和供应链等行业的区块链解决方案中已有广泛的应用。泛为科技也是首批加入MMA 无效流量识别区块链项目中的数字营销科技公司。

这一区块链应用，不涉及到发币也不存在任何Token的应用，没有激励机制，利用区块链技术真正核心的意义在于去中心化，可追溯，以及广泛共识为行业作出真正有推动作用和实用价值的贡献，不仅是无效流量过滤。未来泛为科技还将参与MMA中国一起在区块链应用上进行探索，不断完善现有机制。

首批加入MMA联盟链的九家程序化平台

技术赋能保证品牌安全和有效用户甄别

对于品牌安全，泛为建立了Media-Tracker库，对数以亿计的网页或APP内嵌网页进行上下文语义分析，提取出主题内容、关键词、情感倾向，为品牌安全提供技术基础。

对于负面信息、情色信息等内容天然屏蔽；对于中性或正面内容，提供关键词黑白名单功能，比如通过黑名单规避竞品或某些与品牌冲突的内容（例如，抗日剧之日产品牌）等。

特别地，对于红眼的情况，站外视频是高危受害流量，易被非法嵌入低质页面。因此，泛为科技专门研发了Video-House技术系统进行全面识别。对于可以获取所嵌页面上下文信息的情况下，可以根据Media-Tracker库按以上方法屏蔽无效流量；对于不可获取所嵌页面上下文信息的情况下，在必要时，为了保证视频投放环境的品牌安全，我们可以做到100%屏蔽站外流量。

Video-House系统功能截图

如何识别非真人流量？通过提取多种特征用户行为，以智能化的校验算法挖掘。特别举例，比如基于IP，非真人通常是集群式IP，一个IP下有过多类似行为的设备；基于LBS，长期固定的GPS位置，或者从多源的媒体过来的信息全部没有GPS位置（刻意规避反作弊）；基于用户已安装的APPList进行分析，标记那些安装了大量领金币的APP的用户，以及在趣头条上的使用情况进行建模分析，对用户权重划分，来剔除羊毛党。