Adjust 以點(diǎn)擊安裝時(shí)間分布為基礎(chǔ)，建立了拒絕點(diǎn)擊欺詐歸因的解決方案。第一步是將那些試圖操縱點(diǎn)擊安裝分布之高頻點(diǎn)擊的資格取消，第二步則是使用分布異常值過(guò)濾來(lái)拒絕歸因。

異常高交互

為了模仿真實(shí)的點(diǎn)擊安裝時(shí)間分布，欺詐者會(huì)反復(fù)按相同間隔發(fā)送同一個(gè)點(diǎn)擊。這樣，他們得以生成相對(duì)接近安裝時(shí)間的“最后一次點(diǎn)擊”。

安裝發(fā)生時(shí)，Adjust 會(huì)檢查相關(guān)歸因窗口內(nèi)所有符合條件的點(diǎn)擊，如果發(fā)現(xiàn)大量點(diǎn)擊模式，我們會(huì)取消相應(yīng)點(diǎn)擊的資格。我們因此能正確地執(zhí)行歸因，將安裝歸因于下個(gè)合法點(diǎn)擊或視作自然用戶(hù)。

在排除所有試圖掉操縱點(diǎn)擊安裝時(shí)間分布的作弊行為后，我們便可以利用分布模型排查來(lái)檢測(cè)剩余的點(diǎn)擊欺詐。

分布異常值

我們通過(guò)實(shí)時(shí)審查統(tǒng)計(jì)數(shù)據(jù)和分析實(shí)際作弊活動(dòng)，開(kāi)發(fā)了過(guò)濾分布異常值的方法。根據(jù)這項(xiàng)研究我們發(fā)現(xiàn)，超過(guò) 85% 的安裝是在點(diǎn)擊后第一個(gè)小時(shí)內(nèi)記錄的。此行為說(shuō)明，點(diǎn)擊與安裝時(shí)間之間存在很強(qiáng)的相關(guān)性。

然而，當(dāng)作弊發(fā)生時(shí)，點(diǎn)擊與安裝之間卻沒(méi)有顯示出這樣的相關(guān)性。由于用戶(hù)從未實(shí)際點(diǎn)擊過(guò)，也從未重定向到應(yīng)用商店，他們的安裝不受點(diǎn)擊時(shí)間影響。當(dāng)自然用戶(hù)被點(diǎn)擊欺詐隨機(jī)竊取后，點(diǎn)擊安裝時(shí)間反而會(huì)均勻分布在整個(gè)歸因窗口中。

清楚這一點(diǎn)后，我們?yōu)辄c(diǎn)擊后第一個(gè)小時(shí)內(nèi)記錄的安裝定義了一個(gè)較低的閾值。如果點(diǎn)擊一個(gè)小時(shí)后發(fā)生的安裝數(shù)量高于一個(gè)小時(shí)內(nèi)安裝數(shù)量的某個(gè)特定百分比，Adjust 會(huì)著手取消相應(yīng)點(diǎn)擊的歸因資格。依此邏輯，安裝將歸因于下一個(gè)符合條件的跟蹤渠道來(lái)源或被視作自然流量。