没有合适的资源?快使用搜索试试~ 我知道了~
大数据技术分享 Hadoop技术分享 Hadoop在反作弊中的应用 案例分享:应用MR计算用户相似度 共31页.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 179 浏览量
2022-06-09
00:15:43
上传
评论 1
收藏 7.46MB PDF 举报
温馨提示
试读
31页
大数据技术分享 Hadoop技术分享 Hadoop在反作弊中的应用 案例分享:应用MR计算用户相似度 共31页.pdf
资源推荐
资源详情
资源评论
Hadoop在反作弊中的应用
2013年4月
互联网广告作弊的经济驱动
• 结算方式
– CPD (Cost Per Day)
– CPM (Cost Per Mille)
– CPC (Cost Per Click)
– CPA (Cost Per Action)
– CPS (Cost Per Sales)
广告位
100%
展示
10%
点击
0.3%
注册
0.3%
付费
0.3%
反作弊的本质:异常(anomaly)识别
基于某种定义的距
离(Distance),
以及正常组群
(Cluster)的定
义,所产生的离群
点的检测技术。
异常检测的6个挑战
• 正常行为的定义
• 恶意行为(malicious)会对检测快速响应变化
• 正常行为也在不断演化
• 不同领域的异常检测要求差别很大(主要体现在对后
续的处理措施的影响)
• 足量、平衡、准确的标注数据(Label Data)
• 噪音数据导致异常数据无法被检测出来
异常的种类(Type of Anomaly)
• 点异常(Point Anomalies)
– 基于剩余数据(rest of data)的异常
• 上下文异常(Contextual Anomalies)
– 基于以下属性的组合:
• 下行文属性(Contextual attributes)
• 行为属性(Behavioral attributes )
• 组合异常(Collective Anomalies)
– 基于全数据(entire data set)的组合异常
剩余30页未读,继续阅读
资源评论
passionSnail
- 粉丝: 408
- 资源: 5624
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功