Der Grund für das Schreiben dieser kurzen Artikelserie über die. Analyse von Mausbewegungen mithilfe von maschinellem Lernen war. Dass wir bei Clickfraud im Rahmen unserer Arbeit an einem Schutzsystem gegen automatisierte Bots begannen. Mausbewegung nach neuen Schutzmethoden zu suchen. In diesem Artikel analysieren wir Methoden zur Identifizierung automatisierter Bots.
In letzter Zeit nutzen Angreifer
Zunehmend automatisierte Bots. Die unter dem Deckmantel normaler Benutzer auf die Website gelangen und böswillige genaue liste der mobiltelefonnummern ausführen . Eine Art solcher Aktivitäten ist beispielsweise Klickbetrug . Bots wiederholen menschliche Aktionen, imitieren Mausbewegungen, klicken auf Werbung und Mausbewegung verursachen dadurch finanziellen Schaden für Werbetreibende. In diesem Zusammenhang ist für Website-Besitzer der Bedarf an Tools zur Erkennung von Bots bei normalen Website-Besuchern gestiegen.
Die eigentliche AufgabeMausbewegung
Automatisierte Bots im allgemeinen Verkehrsfluss zu identifizieren, ist sehr schwierig. Es gibt zwei Arten von Bot-Erkennungsmethoden:
- Identifizieren von Bots durch Lösen von Tests. Das heißt, der Algorithmus bestimmt, ob der Benutzer ein Mensch ist, Mausbewegung nachdem er ein Problem ( CAPTCHA oder Captcha) auf der Website gelöst hat .
- Bots im Hintergrund erkennen . Dabei analysieren Algorithmen eine Reihe von Benutzerparametern, während diese mit einer Website interagieren.
Die Identifizierung von Bots durch das
Lösen von Tests hat ihre Grenzen. Einerseits können Captcha-Systeme selbst für Menschen komplex sein, andererseits werden einfache Captcha-Systeme durch automatisierte Bots durch maschinelles Lernen gelöst.
Für die Hintergrunderkennung von Bots werden üblicherweise Parameter wie das Vorhandensein der IP-Adresse des Benutzers in Blacklists. die Verwendung bestimmter Browserversionen durch automatisierte Mausbewegung Bots für Softwaretests und viele andere verwendet. Aber auch solche Methoden zur Identifizierung von Bots machen oft Fehler . Beispielsweise bedeutet das Vorhandensein der IP-Adresse eines Benutzers auf der Blacklist nicht immer. dass es sich um eine Bot-Sitzung handelt. und die Version des Webbrowsers wird nicht immer korrekt erkannt.
Unter Berücksichtigung der
Festgestellten Mängel sowie der bestehenden Forschung im Bereich der Bot-Erkennung mittels Verhaltensbiometrie haben wir von Clickfraud beschlossen. eine Software zu entwickeln , die Bots anhand von Informationen über die Mausbewegungen der Benutzer erkennt. Wir haben die Tatsache zugrunde gelegt. dass die Verhaltensmuster von normalen Benutzern und automatisierten Bots unterschiedlich sind.
Daher haben wir uns im Rahmen des Anti- Machen Sie Ihr eigenes Content-Marketing (und machen Sie mehr mit dem, was Sie lieben) -Projekts entschieden, maschinelle Lernalgorithmen zur Identifizierung von Bots einzusetzen. Die Ausgangsdaten stammen aus Informationen über Benutzersitzungen, die während der Softwareentwicklung und Leistungstests gesammelt wurden.
Nachdem wir statistische Daten über die
Mausbewegungen und Sitzungsqualitätsparameter jedes Benutzers erhalten hatten . trainierten wir bei Clickfraud ein neuronales Netzwerk, um Bots unter normalen Menschen zu identifizieren. Wir haben auch die Wirksamkeit der Erkennung von Bots auf Benutzerseiten bewertet und konnten eine Genauigkeit bei der Identifizierung automatisierter Bots aus dem gesamten analysierten Datenverkehr von mehr als 90 % der analysierten Benutzersitzungen erreichen. Mausbewegung Als Testmethoden verwendeten wir Testläufe des ML-Modells mit verschiedenen Algorithmen. bei denen die Genauigkeit des Algorithmus und der Prozentsatz der Identifizierung „guter“ und „schlechter“ Sitzungen gemessen wurden.
Wir bei Clickfraud gehen davon aus
dass das entwickelte Programm zur Erkennung von Mausbewegungen bei denjenigen Nutzern gefragt sein wird, die Anzeigen schalten und unerwünschten Traffic auf ihren Anzeigen verfolgen möchten, und beabsichtigen außerdem , Mausbewegung Werbebudgets durch die Unterbindung falscher atv-Verzeichniseffektiv zu sparen .
In den folgenden Artikeln werden wir detaillierter auf Algorithmen zur Identifizierung von Bots anhand von Mausbewegungen eingehen.
