[发明专利]基于GAN的网站流量真实度度量方法、系统及存储介质

说明书

一种基于GAN的网站流量真实度度量方法、系统及存储介质，方法包括收集网站点击事件数据；使用网站点击事件数据构造行为序列；训练生成对抗网络模型，利用生成对抗网络模型中的生成器不断生成模拟的行为序列，判别器不断的学习如何判别序列是真实的还是虚假的，直至生成器和判别器的损失不再下降时终止训练，获得训练好的生成对抗网络模型；使用训练好的生成对抗网络模型的判别器，对构造的行为序列的真实度进行判别度量。系统包括数据收集模块、行为序列构造模块、网络模型训练模块以及真实度判别模块。本发明能够实现更加精准的识别，使用机器学习的方法来学习用户的行为规律，可以发现一些人工无法发现的规律，可以适配不同的网站。

技术领域

本发明属于广告展示效果监测技术领域，具体涉及一种基于GAN的网站流量真实度度量方法、系统及存储介质。

背景技术

流量作弊在广告行业已经成为公开的秘密，其中有大量的非人为流量(No-HumanTraffic)，来自总部位于弗吉尼亚州的Distil Networks—一个机器人(bot)监测和API安全专家的最新报告显示，2018年超过1/3的网络流量是由机器人驱动的，其中，超过20％是通过“坏机器人”(与搜索引擎爬虫等善意bot相反)驱动的，这一数据比2017年增长了6.4％。bot是一种用于在线执行重复任务的自动化软件脚本/应用程序，国内市场常见的模拟器包括：网易MUMU模拟器、雷电模拟器、逍遥模拟器、夜神模拟器和蓝叠模拟器等，这些模拟器可以随意修改地理位置、手机的设备参数等信息，作弊者使用模拟器来模拟用户访问网站、点击广告，以此来骗取广告主的营销费用。而站长一般都是真假流量掺混在一起进行售卖，以此来扩大自己的网站收益并避免被检测机构发现作弊行为，因此，就需要检测网站用户的真实度，即网站是否存在掺量行为、以及掺量比例。

传统的检测方案基本都是基于人工规则，比如用户的访问频次、IP是否是机房IP、IP的离散度等。这些检测方法还存在以下方面的弊端：

1)规则一旦确定，很少去修改，无法适应情况的变化。

2)规则依赖人的经验和主观判断，无法做到客观。

3)不同的网站情况不同，一刀切的规则，难以满足识别的要求。

发明内容

本发明的目的在于针对上述现有技术中的问题，提供一种基于GAN的网站流量真实度度量方法、系统及存储介质，避免人工规则的死板和主观性，能够实现更加精准的识别。

为了实现上述目的，本发明有如下的技术方案：

一种基于GAN的网站流量真实度度量方法，包括：

收集网站点击事件数据；

使用网站点击事件数据构造行为序列；

训练生成对抗网络模型，利用生成对抗网络模型中的生成器不断生成模拟的行为序列，判别器不断的学习如何判别序列是真实的还是虚假的，直至生成器和判别器的损失不再下降时终止训练，获得训练好的生成对抗网络模型；

使用训练好的生成对抗网络模型的判别器，对构造的行为序列的真实度进行判别度量。

作为本发明基于GAN的网站流量真实度度量方法的一种优选方案，所述收集网站点击事件数据的步骤使用JavaScript从网站前端页面收集设备相关参数和点击行为日志。

作为本发明基于GAN的网站流量真实度度量方法的一种优选方案，所述收集网站点击事件数据的步骤具体包括：将JavaScript脚本部署在媒体网站，当前页面加载时，同步加载并执行所部署的JavaScript脚本，获得当前页面的文档对象模型DOM以及事件Event的信息，据此捕获当前页面的所有信息以及用户在当前页面的操作记录。