广告反作弊的方法和装置与流程

本发明涉及智能广告技术领域，具体涉及一种广告反作弊的方法和装置。

背景技术：

网盟是广告主和渠道直接的中介，由网盟代理广告主的广告获得渠道的流量，转化为广告主的用户。同时，网盟也代理广告主跟渠道进行广告结算，直接影响广告主的广告预算的分配和投资回报率。新业务中，广告投放前，网盟依靠人为的经验筛选流量；广告投放中，网盟依靠广告主的质量报告优化流量接入，广告投放后，网盟依靠广告主的质量报告进行投放后的费用结算。

现有技术中，在广告投放前，由于在流量筛选是依靠人为的经验完成的，没有流量挑选的数据依据，导致广告投放效果难以预估；在广告投放过程中，由于广告主反馈的广告主质量报告数据的周期较长，一般是投放结束后一个月或一个季度反馈，这样会导致无法及时优化流量，容易造成广告主对网盟的不信任，且网盟也缺乏服务的主动性；在广告投放结束后，由于广告主反馈的质量报告的数据较少且反馈周期较长，网盟无法及时获取详细的账单信息，导致无法提前确定广告投放的费用。

因此，现有技术在整个广告投放过程中，出现广告投放效果难以预估、无法及时优化流量以及无法提前确定广告投放的费用的问题是目前亟需解决的问题之一。

技术实现要素：

本发明的实施例提供一种广告反作弊的方法和装置，解决了现有技术中在整个广告投放过程中，出现广告投放效果难以预估、无法及时优化流量以及无法提前确定广告投放的费用的问题。

为达到上述目的，本发明的实施例采用如下技术方案：

本发明实施例的第一方面，提供一种广告反作弊的方法，包括：在投放第一广告前，在渠道的历史广告中确定与所述第一广告相似的第二广告，根据所述第二广告的广告数据评估所述第一广告在所述渠道的第一作弊风险评分，根据所述第一广告的第一作弊风险评分确定第一广告的投放渠道；在第一广告在所述投放渠道的投放过程中，获取第一设定时间段内的广告数据，根据所述第一设定时间段内的广告数据确定所述第一广告的第二作弊风险评分，根据所述第一广告的第二作弊风险评分优化流量；所述第一广告在所述投放渠道的投放完成后，获取所述第一广告的全部广告数据，根据所述第一广告的全部广告数据评估第一广告的第三作弊风险评分，根据所述第一广告的第三作弊风险评分和与所述第一广告有关的广告主历史扣款数据预估所述第一广告的扣款比例。

在一个实施例中，所述在投放第一广告前，在投放渠道的历史广告中确定与所述第一广告相似的第二广告，包括：获取第一广告的属性数据以及设定时间段内的历史广告的属性数据；根据所述第一广告的属性数据和所述历史广告的属性数据计算所述第一广告与历史广告的相似度；根据所述相似度确定第二广告。

在一个实施例中，所述相似度是通过欧式距离算法或余弦相似度算法确定的。

在一个实施例中，所述根据所述第二广告的历史广告数据确定所述第一广告的第一作弊风险评分，包括：根据所述第二广告的历史广告数据预估所述第二广告的第四作弊风险评分，将所述第二广告的第四作弊风险评分作为所述第一广告的第一作弊风险评分。

在一个实施例中，所述根据所述第一广告的第三作弊风险评分和逻辑回归算法确定所述第一广告的扣款比例，包括：将所述第一广告的第三作弊风险评分代入逻辑回归算法中，得到第一广告的扣款比例；所述逻辑回归算法为：

所述y表示第一广告的扣款比例，取值范围为[0,1]，x表示第一广告的作弊风险评分，e为常数，w是通过历史广告的历史风险值和历史扣款数据采用梯度下降法得到的，w^t是通过w的初始值迭代得到的。

在一个实施例中，所述确定第一广告的第一作弊风险评分、第一广告的第二作弊风险评分和第一广告的第三作弊风险评分，包括：获取设定时间段内的相应的广告数据，所述广告数据包括m个目标指标数据，所述目标指标数据为与作弊风险评估相关的数据，其中：m≥2；根据所述m个目标指标数据确定每个指标的权重；根据所述每个指标的权重确定第一广告的第一作弊风险评分、第一广告的第二作弊风险评分或第一广告的第三作弊风险评分。

在一个实施例中，所述方法还包括：输出第一广告的第一作弊风险评分和/或第二作弊风险评分。

本发明实施例的第二方面，提供一种广告反作弊的装置，包括：第一确定模块，被配置为用于在投放第一广告前，在渠道的历史广告中确定与所述第一广告相似的第二广告；所述第一确定模块，被配置为还用于根据所述第二广告的广告数据评估所述第一广告在所述渠道的第一作弊风险评分；所述第一确定模块，被配置为还用于根据所述第一广告的第一作弊风险评分确定第一广告的投放渠道；第一获取模块，被配置为用于在第一广告在所述投放渠道的投放过程中，确定第一设定时间段内的广告数据；第二确定模块，被配置为用于根据所述第一设定时间段内的广告数据确定所述第一广告的第二作弊风险评分；优化模块，被配置为用于根据所述第一广告的第二作弊风险评分优化流量；第二获取模块，被配置为用于所述第一广告在所述投放渠道的投放完成后，获取所述第一广告的全部广告数据；第三确定模块，被配置为用于根据所述第一广告的全部广告数据评估第一广告的第三作弊风险评分；所述第三确定模块，被配置为还用于根据所述第一广告的第三作弊风险评分和与所述第一广告有关的广告主历史扣款数据预估所述第一广告的扣款比例。

在一个实施例中，所述第一确定模块，被配置为用于具体用于：获取第一广告的属性数据以及设定时间段内的历史广告的属性数据；根据所述第一广告的属性数据和所述历史广告的属性数据计算所述第一广告与历史广告的相似度；根据所述相似度确定第二广告。

在一个实施例中，所述第一确定模块，被配置为还用于：通过欧式距离算法或余弦相似度算法确定的相似度。

在一个实施例中，所述第一确定模块，被配置为还用于：根据所述第二广告的历史广告数据预估所述第二广告的第四作弊风险评分，将所述第二广告的第四作弊风险评分作为所述第一广告的第一作弊风险评分。

在一个实施例中，所述第三确定模块，被配置为还用于：将所述第一广告的第三作弊风险评分代入逻辑回归算法中，得到第一广告的扣款比例；所述逻辑回归算法为：

所述y表示第一广告的扣款比例，取值范围为[0,1]，x表示第一广告的作弊风险评分，e为常数，w是通过历史广告的历史风险值和历史扣款数据采用梯度下降法得到的，w^t是通过w的初始值迭代得到的。

在一个实施例中，所述第二确定模块，被配置为还用于：获取设定时间段内的相应的广告数据，所述广告数据包括m个目标指标数据，所述目标指标数据为与作弊风险评估相关的数据，其中：m≥2；根据所述m个目标指标数据确定每个指标的权重；根据所述每个指标的权重确定第一广告的第一作弊风险评分、第一广告的第二作弊风险评分或第一广告的第三作弊风险评分。

在一个实施例中，所述装置还包括：输出模块，被配置为用于输出第一广告的第一作弊风险评分和/或第二作弊风险评分。

本发明实施例的第三方面，提供一种电子设备，包括：存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本发明实施例的第一方面所述的方法。

本发明实施例的第四方面，提供一种计算机可读存储介质，所述计算机可读存储介质上存储有可执行指令，该指令被处理器执行时使处理器执行本发明实施例的第一方面所述的方法。

本发明实施例提供的广告反作弊的方法和装置，首先，在投放第一广告前，在渠道的历史广告中确定与所述第一广告相似的第二广告，根据所述第二广告的广告数据评估所述第一广告在所述渠道的第一作弊风险评分，根据所述第一广告的第一作弊风险评分确定第一广告的投放渠道；使得在广告投放过程中，通过根据历史的广告数据来预估广告作弊风险评分，使得在进行广告投放式有参考依据，从而能够预估广告投放效果；然后，在第一广告在所述投放渠道的投放过程中，确定第一设定时间段内的广告数据，根据所述第一设定时间段内的广告数据确定所述第一广告的第二作弊风险评分，根据所述第一广告的第二作弊风险评分优化流量；由于本方案中通过根据设定时间段内的广告数据来提前预估作弊风险评分，进而根据该作弊风险评分进行优化流量，从而使得广告投放过程中流量优化的比较及时，从而避免长时间等待广告主反馈质量报告无法及时进行优化流量；最后，所述第一广告在所述投放渠道的投放完成后，获取所述第一广告的全部广告数据，根据所述第一广告的全部广告数据评估第一广告的第三作弊风险评分，根据所述第一广告的第三作弊风险评分和与所述第一广告有关的广告主历史扣款数据预估所述第一广告的扣款比例，从而能够提前确定广告投放的费用。

附图说明

为了更加清楚地说明本发明实施例中涉及的技术方案，下面将针对本发明实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种网盟进行筛选流量、优化流量、费用结算的流程示意图；

图2为本发明实施例提供的一种广告反作弊的方法的流程示意图；

图3为本发明实施例提供的一种确定相似广告的方法的流程示意图；

图4为本发明实施例提供的一种计算作弊风险评分的方法的流程示意图；

图5为本发明实施例提供的一种广告反作弊的装置的结构示意图；

图6为本发明实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本发明实施例所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。显然，本发明所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

以下描述中，为了说明而不是为了限定，提出了诸如特定内部程序、技术之类的具体细节，以便透彻理解本发明实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本发明的描述。

如本发明中所使用，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

如本发明中所使用，术语“装置”、“模块”等意在指代计算机相关实体，其为硬件、软件、执行中的软件、固件、中间件、微码，或其任何组合。举例来说，模块可以是(但不限于)在处理器上运行的进程、处理器、对象、可执行程序、执行线程、程序或计算机。一个或一个以上组件可储存在一进程或执行线程内，且模块可局限于一个计算机上或分布在两个或两个以上计算机之间。另外，这些模块可从上面存储有各种数据结构的各种计算机可读媒体执行。另外，本发明所描述的系统的模块可重新布置或由额外组件补充以便促进实现相对于其描述的各个目标、优点等，且不限于给定图式中陈述的精确配置，如所属领域的技术人员将了解。

在本发明实施例中，该广告反作弊的方法的执行主体为广告反作弊的装置。示例性的，该广告反作弊的装置可以是：计算机或服务器等，具体可通过软件的形式实现，本发明实施例对此不进行具体限制。

本发明实施例提供的广告反作弊的方法，首先，在投放第一广告前，在渠道的历史广告中确定与第一广告相似的第二广告，根据第二广告的广告数据评估第一广告在渠道的第一作弊风险评分，根据第一广告的第一作弊风险评分确定第一广告的投放渠道；使得在广告投放过程中，通过根据历史的广告数据来预估广告作弊风险评分，使得在进行广告投放式有参考依据，从而能够预估广告投放效果；然后，在第一广告在投放渠道的投放过程中，确定第一设定时间段内的广告数据，根据第一设定时间段内的广告数据确定第一广告的第二作弊风险评分，根据第一广告的第二作弊风险评分优化流量；由于本方案中通过根据设定时间段内的广告数据来提前预估作弊风险评分，进而根据该作弊风险评分进行优化流量，从而使得广告投放过程中流量优化的比较及时，从而避免长时间等待广告主反馈质量报告无法及时进行优化流量；最后，在第一广告在投放渠道的投放完成后，获取第一广告的全部广告数据，根据第一广告的全部广告数据评估第一广告的第三作弊风险评分，根据第一广告的第三作弊风险评分和与第一广告有关的广告主历史扣款数据预估第一广告的扣款比例，从而能够提前确定广告投放的费用。以下将结合附图来详细描述本发明的实施例及其优点。在以下描述中，出于阐释的目的，陈述大量特定细节以便提供对一个或一个以上方面的透彻理解。然而，可显而易见，可在无这些特定细节的情况下实践各种方面。在其它实施例子中，以框图形式来展示众所周知的结构和装置，以便促进描述这些方面。

如图1所示，为本发明实施例提供的一种网盟进行筛选流量、优化流量、费用结算的流程示意图，包括：广告投放前，网盟依靠人为的经验筛选流量；广告投放中，网盟依靠广告主质量报告优化流量接入，广告投放后，网盟依靠广告主的质量报告进行投放后的费用结算。

如图2所示，为本发明实施例提供的一种广告反作弊的方法的流程示意图，该方法包括：

s201、在投放第一广告前，在渠道的历史广告中确定与第一广告相似的第二广告。

其中，上述的第一广告可以为新接入的广告，第二广告可以为根据渠道获取的历史广告。

s202、根据第二广告的广告数据评估第一广告在渠道的第一作弊风险评分。

优选的，上述的s202具体可以通过以下内容来实现：根据第二广告的历史广告数据预估第二广告的第四作弊风险评分，将第二广告的第四作弊风险评分作为第一广告的第一作弊风险评分。

可选的，当上述步骤s201中确定出的第二广告的个数为一个时，将第二广告的第四作弊风险评分直接作为第一广告的第一作弊风险评分。当上述步骤s201中确定出的第二广告的个数为多个时，分别确定出每个第二广告的第四作弊风险评分，将所有第二广告的第四作弊风险评分的平均值作为第一广告的第一作弊风险评分。

可选的，为了让工作人员及时获取作弊风险评分、更好的了解广告数据的作弊信息，s202后还包括：输出第一广告的第一作弊风险评分。

s203、根据第一广告的第一作弊风险评分确定第一广告的投放渠道。

示例性的，上述的步骤s203在实际的应用中具体可以通过上述的第一广告的第一作弊风险评分来选取投放渠道，并根据选取的渠道投放第一广告。

s204、在第一广告在投放渠道的投放过程中，确定第一设定时间段内的广告数据。

其中，对于上述的第一设定时间段的设定可以根据用户的实际需求进行设置，这里不进行限定仅以示例进行说明。

示例性的，上述的步骤s204在实际的应用中具体可以通过接收外部设备发送的方式获取上述第一广告投放后的第一设定时间段内的广告数据，或者可以通过直接去数据库中查找的方式获取第一广告投放后的第一设定时间段内的广告数据。

s205、根据第一设定时间段内的广告数据确定第一广告的第二作弊风险评分。

示例性的，步骤s205具体通过计算作弊风险评分的方法实现。

s206、根据第一广告的第二作弊风险评分优化流量。

优选的，上述的步骤s206具体可以通过以下内容实现：根据第一广告的第二作弊风险评分划分作弊风险等级，根据作弊风险等级优化流量。

优选的，上述的根据第一广告的第二作弊风险评分划分作弊风险等级包括：根据风险等级映射关系和广告的作弊风险评分确定广告的作弊风险等级。

其中，上述的作弊风险等级划分为高风险等级、中风险等级、低风险等级。

其中，风险等级映射关系为作弊风险评分区间与作弊风险等级之间的对应关系。

可选的，上述的风险等级映射关系如表1所示：

表1

由上述的表1可知，根据计算的广告的作弊风险评分，可快速查询其对应的作弊风险等级，例如，当广告的作弊风险评分为45％时，根据表4查询可知，该广告的作弊风险等级为高风险等级。

优选的，上述的根据作弊风险等级优化流量包括：上述的作弊风险等级为高风险等级时，自动停止传送流量；上述的作弊风险等级为中风险等级时，根据自定义设置，人为设置停止传送部分流量；上述的作弊风险等级为低风险等级时，继续传送流量。

为了让工作人员及时获取作弊信息、以便更好地优化装置，所述方法还包括：上述的作弊风险等级为高风险等级时，同时发送邮件和站内信通知责任组长和组员；上述的作弊风险等级为中风险等级时，发送邮件和站内信通知责任组长或组员；或上述的作弊风险等级为低风险等级时，发送站内信通知责任组员。

在本发明实施例中，对于作弊风险等级，其可通过用户根据不同的情况进行自定义设置，其包括但不限于三个等级，此处列举了三个等级，但该等级可设置为至少2个，其表达可以是数字、文字或用户定义的其他表现方式，例如，高中低等，本发明实施例对此不进行具体限制。

s207、第一广告在投放渠道的投放完成后，获取第一广告的全部广告数据。

示例性的，上述的步骤s207在实际的应用中具体可以通过接收外部设备发送的方式获取上述第一广告投放后的全部广告数据，或者可以通过直接去数据库中查找的方式获取第一广告投放后的全部广告数据。

s208、根据第一广告的全部广告数据评估第一广告的第三作弊风险评分。

示例性的，s208具体通过计算作弊风险评分的方法实现。

s209、根据第一广告的第三作弊风险评分和与第一广告有关的广告主历史扣款数据预估所述第一广告的扣款比例。

优选的，上述的步骤s209具体通过以下内容实现：

将上述的第一广告的第三作弊风险评分代入逻辑回归算法中，得到第一广告的扣款比例；上述的逻辑回归算法为：

所述y表示第一广告的扣款比例，取值范围为[0,1]，x表示第一广告的作弊风险评分，e为常数，w是通过历史广告的历史风险值和历史扣款数据采用梯度下降法得到的，w^t是通过w的初始值迭代得到的。

可选的，为了让工作人员更好的了解投放的广告数据的扣款比例，在步骤s209之后，该方法还包括：输出根据第一广告的第三作弊风险评分和使用逻辑回归算法确定第一广告的扣款比例。

可选的，为了让工作人员及时获取广告投放的费用信息，在步骤s209之后，该方法还包括：根据第一广告的扣款比例生成账单，实时输出账单信息。

以下将详细描述用于在投放第一广告前，在投放渠道的历史广告中确定与第一广告相似的第二广告的方法。

图3示出了根据本发明实施例的一种确定相似广告的方法的流程示意图，该方法包括：

s301、获取第一广告的属性数据以及设定时间段内的历史广告的属性数据。

其中，上述的广告数据的属性数据包括历史广告量化数据和历史广告标签化数据，历史广告量化数据包括：广告预算、单价设置、质量指标、以及应用安装包尺寸；历史广告标签化数据包括：应用类型、投放地区、投放平台、人群定位、以及追踪平台。

示例性的，上述的步骤s301在实际的应用中具体可以通过接收外部设备发送的方式获取上述的广告的属性数据，或者可以通过直接去数据库中查找的方式获取上述的广告的属性数据。

s302、根据第一广告的属性数据和历史广告的属性数据计算第一广告与历史广告的相似度。

优选的，相似度可以是通过欧式距离算法或余弦相似度算法确定的。

示例性的，欧式距离算法公式为：

示例性的，余弦相似度算法公式为：

其中，上述的公式一和二中，a为第一广告，b为历史广告，d(a,b)为欧式距离，cosθ(a,b)为余弦相似度；ai为第一广告的第i个指标的广告数据，i＝1,2...n；该第一广告的广告数据可以包括以下指标的至少一个：广告预算(a1)、单价设置(a2)、质量指标(a3)、应用安装包尺寸(a4)、应用类型(a5)、投放地区(a6)、投放平台(a7)、人群定位(a8)或追踪平台(a9)；bi为历史广告的第i个指标的广告数据，i＝1,2...n，该历史广告的广告数据可以包括以下指标的至少一个：广告预算(b1)、单价设置(b2)、质量指标(b3)、应用安装包尺寸(b4)、应用类型(b5)、投放地区(b6)、投放平台(b7)、人群定位(b8)或追踪平台(b9)。

可选的，当欧式距离越小时，相应的两个广告之间的相似度越高；当余弦相似度越小时，相应的两个广告之间的相似度越高。

s303、根据相似度确定第二广告。

示例性的，上述的步骤303可以通过以下内容实现：将相似度大于阈值的历史广告作为第二广告，此时可满足大于阈值的历史广告的个数可能为多个，该多个历史广告均可以作为第二广告；也可以对获取的相似度进行排序，将相似度最大的历史广告数据作为第二广告。

在本发明实施例中，对于上述的阈值，其可通过用户根据实际的情况进行自定义设置，本发明实施例对此不进行具体限制。

以下将详细描述用于计算作弊风险评分的方法。

图4示出了根据本发明实施例的一种计算作弊风险评分的方法的流程示意图，该方法包括：

s401、获取设定时间段内的相应的广告数据，上述的广告数据包括m个目标指标数据。其中，目标指标数据为与作弊风险评估相关的数据，其中：m≥2。

其中，上述的目标指标数据包括：clickhijackingrate(点击劫持率)、clickfloodrate(虚假点击率)，cr(转化率)、abnormaliprate(异常ip率)、conflictdeviceregionrate(设备地址不一致率)、conflictdeviceinforate(设备信息不一致率)、incentiveuserrate(诱导用户率)、outofstorerate(与商店版本不一致率)、以及rejectedrate(被拒率)。

其中，上述的目标指标数据的具体内容及计算方法如表2所示：

表2

s402、根据m个目标指标数据确定每个指标的权重。

可选的，上述的每个指标的权重是通过熵值法确定的。

其中，上述的熵值法计算权重具体为：

选取n个广告，m个目标指标数据，对m个目标指标数据执行归一化处理。

其中，上述的归一化处理是指将异质指标同质化，使各项目标指标数据的不同计量单位统一化。

可选的，上述的归一化处理是把每个指标数据的绝对值转化为相对值，并设置令xij＝|xij|，xij为第i个广告的第j个指标的数值(i＝1，2…，n；j＝1，2，…，m)。

正向指标和负向指标数值代表的含义不同，正向指标数值越高越好，负向指标数值越低越好。

对于正负指标使用不同的算法进行数据标准化处理，其具体方法如下:

正向指标:

负向指标:

则x′ij为第i个广告的第j个指标的数值。

归一化后的数据仍记为xij；

计算第j项指标下第i个广告占该指标的比重：

计算第j项指标的熵值：

其中，k＝1/ln(n)，满足eij≥0；

计算信息熵冗余度：

dj＝1-ej(公式八)

计算每个指标的权重：

s403、根据每个指标的权重确定算第一广告的第一作弊风险评分、第一广告的第二作弊风险评分或第一广告的第三作弊风险评分。

优选的，上述的步骤s403具体可以通过以下内容实现：将上述的每个指标的权重代入加权算法公式中，得到广告的作弊风险评分。

示例性的，上述的加权算法公式为：

上述的公式十中的wj表示第j个目标指标数据的权重，lj为第j个目标指标数据设定区间的下限值，uj为第j个目标指标数据设定区间的上限值，aj为第j个目标指标数据的实测值，fraudrisk为广告的风险评分，j＝1，2，...，m。

可选的，上述的第一广告的第一作弊风险评分、第一广告的第二作弊风险评分和第一广告的第三作弊风险评分都可使用上述方法计算得到。

下面将基于图2对应的广告反作弊的方法的实施例中的相关描述对本发明实施例提供的一种广告反作弊的装置进行介绍。以下实施例中与上述实施例相关的技术术语、概念等的说明可以参照上述的实施例，这里不再赘述。

如图5所示，为本发明实施例提供的一种广告反作弊的装置的结构示意图，该装置500包括：第一确定模块501，被配置为用于在投放第一广告前，在渠道的历史广告中确定与第一广告相似的第二广告；上述的第一确定模块501，被配置为还用于根据第二广告的广告数据评估第一广告在所述渠道的第一作弊风险评分；上述的第一确定模块501，被配置为还用于根据第一广告的第一作弊风险评分确定第一广告的投放渠道；第一获取模块502被配置为用于在第一广告在所述投放渠道的投放过程中，确定第一设定时间段内的广告数据；第二确定模块503，被配置为用于根据第一设定时间段内的广告数据确定第一广告的第二作弊风险评分；优化模块504，被配置为用于根据第一广告的第二作弊风险评分优化流量；第二获取模块505，被配置为用于第一广告在投放渠道的投放完成后，获取第一广告的全部广告数据；第三确定模块506，被配置为用于根据第一广告的全部广告数据评估第一广告的第三作弊风险评分；上述的第三确定模块506，被配置为还用于根据第一广告的第三作弊风险评分和与第一广告有关的广告主历史扣款数据预估第一广告的扣款比例。

优选的，上述的第一确定模块501，被配置为具体用于：获取第一广告的属性数据以及设定时间段内的历史广告的属性数据；根据第一广告的属性数据和历史广告的属性数据计算第一广告与历史广告的相似度；根据上述的相似度确定第二广告。

可选的，上述的第一确定模块501，被配置为还用于：通过欧式距离算法或余弦相似度算法确定的相似度。

可选的，上述的第一确定模块501，被配置为还用于：根据第二广告的历史广告数据预估第二广告的第四作弊风险评分，将第二广告的第四作弊风险评分作为第一广告的第一作弊风险评分。

优选的，上述的第三确定模块506，被配置为还用于：将第一广告的第三作弊风险评分代入逻辑回归算法中，得到第一广告的扣款比例；上述的逻辑回归算法为：

上述公式十一中的y表示第一广告的扣款比例，取值范围为[0,1]，x表示第一广告的作弊风险评分，e为常数，w是通过历史广告的历史风险值和历史扣款数据采用梯度下降法得到的，w^t是通过w的初始值迭代得到的。

可选的，上述的第二确定模块503，被配置为还用于：获取设定时间段内的相应的广告数据，上述的广告数据包括m个目标指标数据，所述目标指标数据为与作弊风险评估相关的数据，其中：m≥2；根据m个目标指标数据确定每个指标的权重；根据每个指标的权重确定第一广告的第一作弊风险评分、第一广告的第二作弊风险评分或第一广告的第三作弊风险评分。

可选的，上述的装置500还包括：输出模块507，被配置为用于输出第一广告的第一作弊风险评分和/或第二作弊风险评分。

相比于现有技术，本发明实施例提供的广告反作弊的装置，首先，在投放第一广告前，在渠道的历史广告中确定与第一广告相似的第二广告，根据第二广告的广告数据评估第一广告在渠道的第一作弊风险评分，根据第一广告的第一作弊风险评分确定第一广告的投放渠道；使得在广告投放过程中，通过根据历史的广告数据来预估广告作弊风险评分，使得在进行广告投放式有参考依据，从而能够预估广告投放效果；然后，在第一广告在投放渠道的投放过程中，确定第一设定时间段内的广告数据，根据第一设定时间段内的广告数据确定第一广告的第二作弊风险评分，根据第一广告的第二作弊风险评分优化流量；由于本方案中通过根据设定时间段内的广告数据来提前预估作弊风险评分，进而根据该作弊风险评分进行优化流量，从而使得广告投放过程中流量优化的比较及时，从而避免长时间等待广告主反馈质量报告无法及时进行优化流量；最后，在第一广告在投放渠道的投放完成后，获取第一广告的全部广告数据，根据第一广告的全部广告数据评估第一广告的第三作弊风险评分，根据第一广告的第三作弊风险评分和与第一广告有关的广告主历史扣款数据预估第一广告的扣款比例，从而能够提前确定广告投放的费用。

如图6所示，为本发明实施例提供的一种电子设备的结构示意图，电子设备600包括中央处理单元(cpu)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储部分608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有电子设备600操作所需的各种程序和数据。cpu601、rom602以及ram605通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

以下部件连接至i/o接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(crt)、液晶显示器(lcd)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如lan卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至i/o接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

本发明实施例提供一种计算机存储介质，包括计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机执行如上所述的方法流程。示例性的，计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是磁性介质，(例如，软盘，硬盘、磁带)、光介质(例如，dvd)或者半导体介质(例如固态硬盘solidstatedisk(ssd))等。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本发明所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)或处理器(英文：processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(英文：read-onlymemory，简称：rom)、随机存取存储器(英文：randomaccessmemory，简称：ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。