侦测新型态数位广告流量诈骗更聪明，沛星靠AI综合分析超过80个特征找出复杂诈骗行为

企业投资在行销广告上的成本，真的有触及到目标消费者发挥效益吗？专注于人工智能技术的新创公司沛星互动科技（Appier），今日（13日）发布用AI技术侦测恶意数位广告诈骗解决方案，从内部超过40亿笔使用者的真实行为资料，透过多个机器学习模型过滤诈骗行为，模型经过不断学习后，可以侦测出更多用传统机制无法侦测的诈骗行为。

“数位广告流量诈骗会造成企业重大的损失，”Appier技术长暨共同创办人苏家永指出一项报告显示，2017年数位广告诈骗将造成全球至少65亿美元的损失，数位广告诈骗是透过非正当手段创造广告曝光、点击量、安装数等，伪装成正常的流量来获利，导致企业主投资大笔资金在广告行销上，投资报酬率却没有预期理想。

苏家永表示，常见的广告诈骗型态分为人为和非人为，人为的方式包含地区、网域、隐形广告、Cookie、侵入式的诈骗，非人为则是透过自动程式、幽灵网站和傀儡网络来伪装成广告流量，过去比较传统侦测诈骗的方式，能够阻挡有迹可循的诈骗行为规则，像是透过一些可疑流量的特点来过滤，包括低留存率、点击到安装应用程序时间较短等特征，苏家永解释，留存率是在某一个统计时间内，新增使用者数中，经过一段时间后，仍然会开启该应用程序的使用者比例。

传统的阻挡机制即是透过上述的规则，分析并判断诈骗行为，进而阻挡来自他国的流量、点击至安装时间较短的流量，以及大量点击数或安装数的IP。

不过，现在广告流量诈骗更进阶了，以前是较简易的机器人程式，自动点击创造流量，现在则出现更复杂的机器人程式，“现有的传统机制已无法有效地防堵广告诈骗，”苏家永表示，现在新型态的广告诈骗行为更加复杂，已经不能靠单一个特征来侦测，需要整合多个特征行为一起分析。

Appier透过AI技术，综合分析超过80种资料诈骗行为特征，成功地发现以往没有发现的诈骗行为，苏家永表示，透过人工的方式来更新一条条侦测诈骗的规则，已经不能应付现在随时都在改变的诈骗行为，透过机器学习模型建立侦测模型，分析后的结果还会即时回馈到侦测模型中，模型经过不断的学习与更新，才能有效地侦测并阻挡推陈出新的新型态诈骗手法，他补充，Appier采取多种模型来分析诈骗行为，其中一项模型为树状模型，借由多个特征分析和不断学习的机制，能够即时给予模型最全面和最新的资讯，进而提高侦测准确度。

Appier的AI防治诈骗模型机制分为3步骤，首先，系统已现有的规则过滤较显著的诈骗型态，第二步则加入机器学习算法过滤侦测到的可疑流量，最后还会透过算法全面分析诈骗型态，建立新的规则后，再将新规则回馈到侦测模型。

近期Appier透过该AI防治诈骗模型分析今年6月至7月跨国的行动App广告活动，大约分析25亿笔资料量， AI防治诈骗模型侦测到一些新型态的诈骗手法，举例来说，结果发现单一装置一小时内点击多次的垃圾点击诈骗手法，正常的使用者不会在短时间内点击多次，此外，苏家永表示，AI防治诈骗还发现一种伪装型的诈骗手法，也就是不肖业者在初期先提供正常的流量，躲过业主初期的侦测，在大约第9天后才开始突然回传爆量的下载数，但是留存率却非常低。