反欺诈方法及其装置、设备、存储介质与流程

1.本发明涉及数据处理技术领域，尤其涉及反欺诈方法及其装置、设备、存储介质。


背景技术：

2.广告营销是指企业通过广告对产品展开宣传推广，促成消费者的直接购买，扩大产品的销售，提高企业的知名度、美誉度和影响力的活动，一般常见的广告营销手段是对广告进行投放，而在广告投放后，由于交易不透明，容易点击作弊的问题。


技术实现要素：

3.本发明的主要目的在于提供一种反欺诈方法及其装置、设备、存储介质，解决了在广告投放后，由于交易不透明，容易点击作弊的问题。
4.为实现上述目的，本发明提供一种反欺诈方法，所述反欺诈方法包括以下步骤：
5.获取目标广告数据，其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据；
6.对所述目标广告数据进行处理，获得反欺诈评分值；
7.根据所述反欺诈评分值确定所述目标终端的反欺诈风险。
8.在一可选的实施例中，所述根据所述反欺诈评分值确定所述目标终端的反欺诈风险的步骤，包括：
9.在所述反欺诈评分值大于或等于预设评分值时，确定所述目标终端不存在欺诈风险；
10.在所述反欺诈评分值小于所述预设评分值时，确定所述目标终端存在欺诈风险，并生成对应的接单处理策略。
11.在一可选的实施例中，所述确定所述目标终端存在欺诈风险，并生成对应的接单处理策略的步骤，包括：
12.若所述目标终端存在欺诈风险的次数小于或等于预设次数，则生成第一接单处理策略，其中，所述第一接单处理策略为对所述目标终端实施警告处理；
13.若所述目标终端存在欺诈风险的次数大于所述预设次数，则生成第二接单处理策略，其中，所述第二接单处理策略为对所述目标终端实施冻结或拉黑操作。
14.在一可选的实施例中，所述对所述目标广告数据进行处理，获得反欺诈评分值的步骤，包括：
15.建立反欺诈评分模型；
16.将所述目标广告数据输入所述反欺诈评分模型，获得所述反欺诈评分值。
17.在一可选的实施例中，所述建立反欺诈评分模型的步骤，包括：
18.获取所述客户链广告任务分发平台中的广告裂变全链路数据；
19.通过预设的裂变归因算法对所述广告裂变全链路数据进行处理，并基于处理后的数据建立评估数据集；
20.将所述评估数据集内的数据输入预设神经网络中进行训练，得到反欺诈评分模型。
21.在一可选的实施例中，所述方法还包括：
22.接收广告终端发送广告发布请求；
23.根据所述广告发布请求，创建广告发布区块，并在所述客户链广告任务分发平台中广播所述广告发布区块。
24.在一可选的实施例中，所述接收广告终端发送广告发布请求之前，还包括：
25.在接收到广告终端的登录请求后，判断所述广告终端是否合法；
26.若所述广告终端合法，则执行所述接收广告终端发送广告发布请求的步骤。
27.此外，为实现上述目的，本发明还提供一种反欺诈装置，所述反欺诈装置还包括：
28.获取模块，用于获取目标广告数据，其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据；
29.处理模块，用于对所述目标广告数据进行处理，获得反欺诈评分值；
30.确定模块，用于根据所述反欺诈评分值确定所述目标终端的反欺诈风险。
31.此外，为实现上述目的，本发明还提供一种设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的反欺诈程序，所述反欺诈程序被所述处理器执行时实现如上述任一项所述的方法的步骤。
32.此外，为实现上述目的，本发明还提供一种存储介质，所述计算机可读存储介质上存储有反欺诈程序，所述反欺诈程序被处理器执行时实现如上述任一项所述的反欺诈方法的步骤。
33.本发明实施例提出的一种反欺诈方法及其装置、设备、存储介质，其中，该方法通过获取目标广告数据，其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据，并对所述目标广告数据进行处理，获得反欺诈评分值，从而根据所述反欺诈评分值确定所述目标终端的反欺诈风险。即本发明提供的技术方案，基于目标广告数据，生成反欺诈评分值，从而根据该反欺诈评分值确定对应目标终端的反欺诈风险，防止出现点击作弊的情况。
附图说明
34.图1是本发明实施例方案的设备的硬件运行环境示意图；
35.图2为本发明反欺诈方法第一实施例的流程示意图；
36.图3为本发明反欺诈方法第一实施例中s30的细化流程示意图；
37.图4为本发明反欺诈方法第二实施例的流程示意图；
38.图5为本发明反欺诈装置的结构模块示意图。
39.本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
40.应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
41.由于在示例性技术中，一般常见的广告营销手段是对广告进行投放，而在广告投放后，由于交易不透明，从而导致点击作弊的问题。
42.本发明提供一种解决方案，通过获取目标广告数据，其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据，并对所述目标广告数据进行处理，获得反欺诈评分值，从而根据所述反欺诈评分值确定所述目标终端的反欺诈风险。即本发明提供的技术方案，基于目标广告数据，生成反欺诈评分值，从而根据该反欺诈评分值确定对应目标终端的反欺诈风险，防止出现点击作弊的情况。
43.图1是本发明实施例方案的设备的硬件运行环境示意图；
44.如图1所示，该设备可以包括：处理器1001，例如cpu，网络接口1004，客户接口1003，存储器1005，通信总线1002。其中，通信总线1002用于实现这些组件之间的连接通信。客户接口1003可以包括显示屏(display)、输入单元比如键盘(keyboard)，可选客户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
45.本领域技术人员可以理解，图1中示出的设备的硬件结构并不构成对设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
46.如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、客户接口模块以及数据处理程序。
47.在图1所示的终端中，网络接口1004主要用于连接后台服务器，与后台服务器进行数据通信；客户接口1003主要用于连接客户端(客户端)，与客户端进行数据通信。
48.在图1所示的终端中，处理器1001可以用于调用存储器1002中存储的反欺诈程序，并执行以下操作：
49.获取目标广告数据，其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据；
50.对所述目标广告数据进行处理，获得反欺诈评分值；
51.根据所述反欺诈评分值确定所述目标终端的反欺诈风险。
52.进一步地，处理器1001可以调用存储器1002中存储的反欺诈程序，还执行以下操作：
53.在所述反欺诈评分值大于或等于预设评分值时，确定所述目标终端不存在欺诈风险；
54.在所述反欺诈评分值小于所述预设评分值时，确定所述目标终端存在欺诈风险，并生成对应的接单处理策略。
55.进一步地，处理器1001可以调用存储器1002中存储的反欺诈程序，还执行以下操作：
56.若所述目标终端存在欺诈风险的次数小于或等于预设次数，则生成第一接单处理策略，其中，所述第一接单处理策略为对所述目标终端实施警告处理；
57.若所述目标终端存在欺诈风险的次数大于所述预设次数，则生成第二接单处理策略，其中，所述第二接单处理策略为对所述目标终端实施冻结或拉黑操作。
58.进一步地，处理器1001可以调用存储器1002中存储的反欺诈程序，还执行以下操作：
59.建立反欺诈评分模型；
60.将所述目标广告数据输入所述反欺诈评分模型，获得所述反欺诈评分值。
61.进一步地，处理器1001可以调用存储器1002中存储的反欺诈程序，还执行以下操作：
62.获取所述客户链广告任务分发平台中的广告裂变全链路数据；
63.通过预设的裂变归因算法对所述广告裂变全链路数据进行处理，并基于处理后的数据建立评估数据集；
64.将所述评估数据集内的数据输入预设神经网络中进行训练，得到反欺诈评分模型。
65.进一步地，处理器1001可以调用存储器1002中存储的反欺诈程序，还执行以下操作：
66.接收广告终端发送广告发布请求；
67.根据所述广告发布请求，创建广告发布区块，并在所述客户链广告任务分发平台中广播所述广告发布区块。
68.进一步地，处理器1001可以调用存储器1002中存储的反欺诈程序，还执行以下操作：
69.在接收到广告终端的登录请求后，判断所述广告终端是否合法；
70.若所述广告终端合法，则执行所述接收广告终端发送广告发布请求的步骤。
71.参照图2，本发明第一实施例提供一种反欺诈方法，反欺诈方法包括以下步骤：
72.s10、获取目标广告数据，其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据；
73.s20、对所述目标广告数据进行处理，获得反欺诈评分值；
74.s30、根据所述反欺诈评分值确定所述目标终端的反欺诈风险。
75.本实施例中，获取目标广告数据。其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据，该目标广告数据包括目标终端选择广告数据的时间、类型以及数量等，而所述广告数据的类型包括cpa(cost peraction)、cps(cost per sales)、cpm(cost permille)、cpt(cost per time)以及cpc(cost per click)等，在此并不进行限定。
76.进一步地，在获取目标广告数据之前，目标终端与客户链广告任务分发平台建立连接，此时，目标终端向客户链广告任务分发平台发送广告接单请求指令，并在所述客户链广告任务分发平台接收到广告接单请求指令后，向所述目标终端分发广告数据，而在所述目标终端接收到广告数据时，所述客户链广告任务分发平台即将该广告数据作为目标广告数据。
77.进一步地，在获取到目标广告数据后，对所述目标广告数据进行处理，从而获得反欺诈评分值。其中，所述对所述目标广告数据进行处理，获得反欺诈评分值的步骤，包括：
78.建立反欺诈评分模型；
79.将所述目标广告数据输入所述反欺诈评分模型，获得所述反欺诈评分值。
80.具体地，所述建立反欺诈评分模型的步骤，包括获取所述客户链广告任务分发平台中的广告裂变全链路数据，并通过预设的裂变归因算法对所述广告裂变全链路数据进行处理，并基于处理后的数据建立评估数据集，从而将所述评估数据集内的数据输入预设神
经网络中进行训练，得到反欺诈评分模型。
81.进一步地，在获取所述客户链广告任务分发平台中的广告裂变全链路数据之后，先对广告裂变全链路数据进行清洗，即通过对数据进行初步清洗，然后根据数据的数据类型，分别执行对应的数据预处理；将经过数据预处理后的不同类型的数据进行合并，通过预设的裂变归因算法对合并后的所述广告裂变全链路数据进行处理，并基于处理后的数据建立评估数据集，最后将将所述评估数据集内的数据输入预设神经网络中进行训练，得到反欺诈评分模型，从而能够有效提升对欺诈用户和正常用户的识别准确度和识别效率。
82.上述广告裂变全链路数据即为客户链广告任务分发平台上的多个历史广告数据。其中，通过预设的裂变归因算法对所述广告裂变全链路数据进行处理的步骤包括：基于预设的裂变归因算法，对所述广告裂变全链路数据进行计算，获得各个历史广告数据的收益值，并根据各个历史广告数据的收益值对多个历史广告数据进行归类，并将归类后的多个历史广告数据整理成评估数据集。
83.进一步地，在获取到所述反欺诈评分值后，根据所述反欺诈评分值确定所述目标终端的反欺诈风险。
84.具体地，参照图3所示，所述根据所述反欺诈评分值确定所述目标终端的反欺诈风险的步骤，包括：
85.s31、在所述反欺诈评分值大于或等于预设评分值时，确定所述目标终端不存在欺诈风险；
86.s32、在所述反欺诈评分值小于所述预设评分值时，确定所述目标终端存在欺诈风险，并生成对应的接单处理策略。
87.即本实施例中，先设定一个预设评分值，该预设评分值用于表征广告数据给广告终端带来的收益是否真实有效。其中，在所述反欺诈评分值大于或等于预设评分值时，确定所述目标终端不存在欺诈风险，即该目标终端选择的目标广告数据，给目标广告终端带来的收益是真实有效的。其中，目标广告终端为目标广告数据对应的广告终端。
88.进一步地，在所述反欺诈评分值小于所述预设评分值时，确定所述目标终端存在欺诈风险，并生成对应的接单处理策略。即该目标终端选择的目标广告数据，给目标广告终端带来的收益是虚假的，比如，该目标广告数据为机器人点击选择或者通过后台程序等方式点击选择等，在此并不进行限定。
89.进一步地，所述确定所述目标终端存在欺诈风险，并生成对应的接单处理策略的步骤，包括若所述目标终端存在欺诈风险的次数小于或等于预设次数，则生成第一接单处理策略，其中，所述第一接单处理策略为对所述目标终端实施警告处理；若所述目标终端存在欺诈风险的次数大于所述预设次数，则生成第二接单处理策略，其中，所述第二接单处理策略为对所述目标终端实施冻结或拉黑操作。
90.上述方法通过获取目标广告数据，其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据，并对所述目标广告数据进行处理，获得反欺诈评分值，从而根据所述反欺诈评分值确定所述目标终端的反欺诈风险。即本发明提供的技术方案，基于目标广告数据，生成反欺诈评分值，从而根据该反欺诈评分值确定对应目标终端的反欺诈风险，防止出现点击作弊的情况。
91.参照图4，本发明第二实施例提供一种反欺诈方法，反欺诈方法还包括以下步骤：
92.s01、接收广告终端发送广告发布请求；
93.s02、根据所述广告发布请求，创建广告发布区块，并在所述客户链广告任务分发平台中广播所述广告发布区块。
94.即在获取目标广告数据之前，所述客户链广告任务分发平台接收广告终端发送广告发布请求，并根据所述广告发布请求，创建广告发布区块，并在所述客户链广告任务分发平台中广播所述广告发布区块，从而在客户链广告任务分发平台发布广告任务，保证广告任务的真实有效性。
95.进一步地，所述接收广告终端发送广告发布请求之前，还包括在接收到广告终端的登录请求后，判断所述广告终端是否合法；若所述广告终端合法，则执行所述接收广告终端发送广告发布请求的步骤，即执行s01步骤。
96.具体地，判断所述广告终端是否合法可通过向所述客户链广告任务分发平台发送该终端私钥，并在所述客户链广告任务分发平台中验证该终端私钥是否已注册，若该终端私钥已注册，即确定该目标终端为合法终端。
97.即本实施例中，可通过向客户链广告任务分发平台广播所述广告终端的广告任务，从而在客户链广告任务分发平台发布广告任务，保证广告任务的真实有效性。
98.参照图5，本发明第三实施例提供一种反欺诈装置，反欺诈装置包括：
99.获取模块100，用于获取目标广告数据，其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据；
100.处理模块200，用于对所述目标广告数据进行处理，获得反欺诈评分值；
101.确定模块300，用于根据所述反欺诈评分值确定所述目标终端的反欺诈风险。
102.本实施例中，获取模块100获取目标广告数据。其中，所述目标广告数据为目标终端从客户链广告任务分发平台中选择的广告数据，该目标广告数据包括目标终端选择广告数据的时间、类型以及数量等，而所述广告数据的类型包括cpa(cost peraction)、cps(cost per sales)、cpm(cost per mille)、cpt(cost pertime)以及cpc(costper click)等，在此并不进行限定。
103.进一步地，在获取模块100获取目标广告数据之前，目标终端与客户链广告任务分发平台建立连接，此时，目标终端向客户链广告任务分发平台发送广告接单请求指令，并在所述客户链广告任务分发平台接收到广告接单请求指令后，向所述目标终端分发广告数据，而在所述目标终端接收到广告数据时，所述客户链广告任务分发平台即将该广告数据作为目标广告数据。
104.进一步地，在获取模块100获取到目标广告数据后，处理模块200对所述目标广告数据进行处理，从而获得反欺诈评分值。其中，所述处理模块200包括：
105.构建单元210，用于建立反欺诈评分模型；
106.获取单元220，用于将所述目标广告数据输入所述反欺诈评分模型，获得所述反欺诈评分值。
107.具体地，所述建立反欺诈评分模型包括获取所述客户链广告任务分发平台中的广告裂变全链路数据，并通过预设的裂变归因算法对所述广告裂变全链路数据进行处理，并基于处理后的数据建立评估数据集，从而将所述评估数据集内的数据输入预设神经网络中进行训练，得到反欺诈评分模型。
108.进一步地，在获取所述客户链广告任务分发平台中的广告裂变全链路数据之后，先对广告裂变全链路数据进行清洗，即通过对数据进行初步清洗，然后根据数据的数据类型，分别执行对应的数据预处理；将经过数据预处理后的不同类型的数据进行合并，通过预设的裂变归因算法对合并后的所述广告裂变全链路数据进行处理，并基于处理后的数据建立评估数据集，最后将将所述评估数据集内的数据输入预设神经网络中进行训练，得到反欺诈评分模型，从而能够有效提升对欺诈用户和正常用户的识别准确度和识别效率。
109.上述广告裂变全链路数据即为客户链广告任务分发平台上的多个历史广告数据。其中，通过预设的裂变归因算法对所述广告裂变全链路数据进行处理的步骤包括：基于预设的裂变归因算法，对所述广告裂变全链路数据进行计算，获得各个历史广告数据的收益值，并根据各个历史广告数据的收益值对多个历史广告数据进行归类，并将归类后的多个历史广告数据整理成评估数据集。
110.进一步地，在获取到所述反欺诈评分值后，根据所述反欺诈评分值确定所述目标终端的反欺诈风险。
111.具体地，所述确定模块300包括：
112.第一确定单元310，用于在所述反欺诈评分值大于或等于预设评分值时，确定所述目标终端不存在欺诈风险；
113.第二确定单元320，用于在所述反欺诈评分值小于所述预设评分值时，确定所述目标终端存在欺诈风险，并生成对应的接单处理策略。
114.即本实施例中，先设定一个预设评分值，该预设评分值用于表征广告数据给广告终端带来的收益是否真实有效。其中，第一确定单元310在所述反欺诈评分值大于或等于预设评分值时，确定所述目标终端不存在欺诈风险，即该目标终端选择的目标广告数据，给目标广告终端带来的收益是真实有效的。其中，目标广告终端为目标广告数据对应的广告终端。
115.进一步地，第二确定单元320在所述反欺诈评分值小于所述预设评分值时，确定所述目标终端存在欺诈风险，并生成对应的接单处理策略。即该目标终端选择的目标广告数据，给目标广告终端带来的收益是虚假的，比如，该目标广告数据为机器人点击选择或者通过后台程序等方式点击选择等，在此并不进行限定。
116.进一步地，所述确定所述目标终端存在欺诈风险，并生成对应的接单处理策略的步骤，包括若所述目标终端存在欺诈风险的次数小于或等于预设次数，则生成第一接单处理策略，其中，所述第一接单处理策略为对所述目标终端实施警告处理；若所述目标终端存在欺诈风险的次数大于所述预设次数，则生成第二接单处理策略，其中，所述第二接单处理策略为对所述目标终端实施冻结或拉黑操作。
117.上述反欺诈装置基于获取模块100获取到的目标广告数据，并根据处理模块200处理后生成反欺诈评分值，从而使得确定模块300根据该反欺诈评分值确定对应目标终端的反欺诈风险，防止出现点击作弊的情况。
118.此外，本发明实施例还提出一种设备，该设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的反欺诈程序，所述反欺诈程序被所述处理器执行时实现如上述的反欺诈方法的步骤。
119.此外，本发明实施例还提出一种存储介质，该存储介质上存储有反欺诈程序，反欺
诈程序被处理器执行如上述的反欺诈方法的步骤。
120.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
121.上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
122.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
123.以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。