123,123

內(nèi)容簡(jiǎn)介

　　內(nèi)容簡(jiǎn)介本書(shū)從技術(shù)和業(yè)務(wù)角度全面闡述互聯(lián)網(wǎng)廣告與營(yíng)銷的黑灰產(chǎn)業(yè)鏈，以及應(yīng)對(duì)各種風(fēng)險(xiǎn)的風(fēng)控思路和解決方案。在業(yè)務(wù)層面，結(jié)合行業(yè)發(fā)展現(xiàn)狀以及當(dāng)前AIGC技術(shù)快速爆發(fā)的背景，對(duì)廣告與營(yíng)銷領(lǐng)域的黑灰產(chǎn)業(yè)鏈進(jìn)行了深入剖析，特別是人、貨、場(chǎng)之間的博弈關(guān)系，以及商家、渠道、用戶、平臺(tái)等不同參與方的利益鏈等。在技術(shù)層面，基于前置的業(yè)務(wù)剖析，深入探討了基于概率統(tǒng)計(jì)、近鄰算法、圖分析和時(shí)序分析等異常檢測(cè)方法，并結(jié)合內(nèi)容風(fēng)控技術(shù)，提供了一套立體的面向互聯(lián)網(wǎng)廣告與營(yíng)銷場(chǎng)景的風(fēng)控解決方案。每一章都結(jié)合了理論與實(shí)踐，通過(guò)豐富的案例分析，幫助讀者深入理解風(fēng)控技術(shù)的應(yīng)用，并掌握如何應(yīng)對(duì)AIGC時(shí)代廣告與營(yíng)銷領(lǐng)域的新挑戰(zhàn)。本書(shū)的讀者對(duì)象包括互聯(lián)網(wǎng)廣告與營(yíng)銷行業(yè)的算法、工程、運(yùn)營(yíng)、產(chǎn)品從業(yè)者，既包括正向的搜索、推薦、廣告業(yè)務(wù)人員，也包括負(fù)向的風(fēng)險(xiǎn)控制業(yè)務(wù)方向，以及廣告報(bào)表、結(jié)算、埋點(diǎn)、歸因等中間數(shù)據(jù)團(tuán)隊(duì)人員。此外，對(duì)互聯(lián)網(wǎng)安全攻防感興趣的愛(ài)好者、開(kāi)設(shè)相關(guān)課程的在校師生也可閱讀本書(shū)。通過(guò)閱讀本書(shū)，你可以收獲以下知識(shí)。（1）互聯(lián)網(wǎng)廣告的發(fā)展歷程和演變過(guò)程，以及常見(jiàn)的互聯(lián)網(wǎng)廣告形態(tài)。（2）互聯(lián)網(wǎng)廣告與營(yíng)銷領(lǐng)域背后的攻防博弈和黑灰產(chǎn)利益鏈。（3）基于概率統(tǒng)計(jì)、近鄰相似檢索、圖關(guān)系分析、時(shí)序序列等異常檢測(cè)方法。（4）圖像、文本、視頻、直播等多媒體內(nèi)容安全識(shí)別方法。（5）在線、近線、離線互補(bǔ)的風(fēng)控系統(tǒng)架構(gòu)，風(fēng)控領(lǐng)域MLOps循環(huán)。（6）AIGC技術(shù)爆發(fā)下的新風(fēng)險(xiǎn)對(duì)抗思路。希望讀者朋友在本書(shū)中，能夠找到和自己業(yè)務(wù)或研究方向相匹配的內(nèi)容，知行合一，把書(shū)中介紹的方法應(yīng)用到自身具體的業(yè)務(wù)場(chǎng)景，讓知識(shí)發(fā)揮更大的價(jià)值，一起“建設(shè)更安全的互聯(lián)網(wǎng)”！

作者簡(jiǎn)介

　　王東旭畢業(yè)于北京郵電大學(xué)，師從國(guó)內(nèi)著名安全組織“幻影旅團(tuán)”成員luoluo，在2013年通過(guò)為多家廠商挖掘、提報(bào)安全漏洞成為WooYun社區(qū)白帽子。先后在百度垂直搜索部、第四范式先知機(jī)器學(xué)習(xí)平臺(tái)任職，目前擔(dān)任阿里巴巴高級(jí)技術(shù)專家，負(fù)責(zé)淘寶電商廣告流量反作弊和內(nèi)容風(fēng)控業(yè)務(wù)的算法工程方向工作，深耕互聯(lián)網(wǎng)廣告與營(yíng)銷行業(yè)一線，對(duì)流量反作弊和內(nèi)容風(fēng)控背后的利益鏈條和攻防博弈有豐富的實(shí)踐經(jīng)驗(yàn)，帶領(lǐng)團(tuán)隊(duì)完成了風(fēng)控引擎的全面升級(jí)，打造了百億流量規(guī)模在線、近線、離線互補(bǔ)的互聯(lián)網(wǎng)電商風(fēng)控系統(tǒng)。

圖書(shū)目錄

前　言
第1章　互聯(lián)網(wǎng)廣告與營(yíng)銷1
　1.1　營(yíng)銷、廣告與流量1
1.1.1　營(yíng)銷、廣告、流量的定義2
1.1.2　流量的價(jià)值3
1.1.3　流量商業(yè)化變現(xiàn)模式3
1.1.4　自然流量和廣告流量6
1.1.5　流量質(zhì)量和無(wú)效流量7
　1.2　互聯(lián)網(wǎng)廣告營(yíng)銷基礎(chǔ)知識(shí)9
1.2.1　互聯(lián)網(wǎng)廣告發(fā)展史10
1.2.2　主流廣告形式11
1.2.3　廣告營(yíng)銷參與方14
1.2.4　歸因分析模型17
1.2.5　計(jì)費(fèi)方式和作弊風(fēng)險(xiǎn)20
　1.3　互聯(lián)網(wǎng)廣告營(yíng)銷形勢(shì)23
1.3.1　營(yíng)收發(fā)展形勢(shì)24
1.3.2　新媒體創(chuàng)新形勢(shì)25
1.3.3　監(jiān)管合規(guī)形勢(shì)26
　1.4　本章小結(jié)27
第2章　廣告與營(yíng)銷黑灰產(chǎn)業(yè)鏈28
　2.1　營(yíng)銷的人、貨、場(chǎng)28
2.1.1　人：用戶需求29
2.1.2　貨：精準(zhǔn)獲客30
2.1.3　場(chǎng)：流量為王30
　2.2　廣告與營(yíng)銷的利益鏈31
2.2.1　商家視角的利益和風(fēng)險(xiǎn)32
2.2.2　渠道視角的利益和風(fēng)險(xiǎn)43
2.2.3　用戶視角的利益和風(fēng)險(xiǎn)48
2.2.4　平臺(tái)視角的利益和風(fēng)險(xiǎn)51
　2.3　黑灰產(chǎn)作弊上下游鏈路55
2.3.1　黑灰產(chǎn)上游55
2.3.2　黑灰產(chǎn)中游63
2.3.3　黑灰產(chǎn)下游65
　2.4　本章小結(jié)66
第3章　廣告與營(yíng)銷領(lǐng)域的立體風(fēng)控思路67
　3.1　廣告與營(yíng)銷風(fēng)控范疇67
3.1.1　流量反作弊67
3.1.2　內(nèi)容風(fēng)控68
　3.2　風(fēng)控業(yè)務(wù)生命周期70
3.2.1　事前階段71
3.2.2　事中階段73
3.2.3　事后階段75
　3.3　風(fēng)控立體防御體系77
3.3.1　在線風(fēng)控78
3.3.2　近線風(fēng)控81
3.3.3　離線風(fēng)控83
　3.4　風(fēng)控MLOps84
3.4.1　什么是風(fēng)控MLOps85
3.4.2　風(fēng)控MLOps流水線85
　3.5　本章小結(jié)88
第4章　異常檢測(cè)技術(shù)概述90
　4.1　什么是異常檢測(cè)90
4.1.1　有監(jiān)督異常檢測(cè)91
4.1.2　半監(jiān)督異常檢測(cè)91
4.1.3　無(wú)監(jiān)督異常檢測(cè)92
　4.2　異常檢測(cè)面臨的問(wèn)題和挑戰(zhàn)92
4.2.1　異常的稀疏性92
4.2.2　異常的多樣性93
4.2.3　異常的對(duì)抗性95
4.2.4　異常檢測(cè)的魯棒性96
4.2.5　異常檢測(cè)的可解釋性97
4.2.6　異常檢測(cè)的可控制性99
　4.3　基于規(guī)則的異常檢測(cè)99
4.3.1　基于名單的規(guī)則99
4.3.2　基于窗口聚合的規(guī)則100
　4.4　基于模型的異常檢測(cè)101
　4.5　本章小結(jié)102
第5章　基于概率統(tǒng)計(jì)的異常檢測(cè)103
　5.1　異常檢測(cè)中的概率知識(shí)103
5.1.1　拋硬幣問(wèn)題103
5.1.2　獨(dú)立同分布104
5.1.3　離散概率分布104
5.1.4　連續(xù)概率分布109
　5.2　擬合優(yōu)度114
5.2.1　卡方檢驗(yàn)114
5.2.2　G檢驗(yàn)116
5.2.3　K-S檢驗(yàn)118
　5.3　極值分析和尾概率約束119
5.3.1　馬爾可夫不等式119
5.3.2　切比雪夫不等式121
5.3.3　切爾諾夫界123
5.3.4　中心極限定理124
　5.4　多維隨機(jī)變量異常檢測(cè)125
5.4.1　COPOD126
5.4.2　ECOD134
　5.5　集成決策方法135
5.5.1　Bagging135
5.5.2　Boosting136
5.5.3　Stacking137
　5.6　本章小結(jié)138
第6章　基于近鄰的異常檢測(cè)139
　6.1　LOF139
6.1.1　算法原理139
6.1.2　刷單騙補(bǔ)應(yīng)用案例142
　6.2　KNN144
6.2.1　K近鄰分類144
6.2.2　K近鄰距離度量145
　6.3　ANN151
6.3.1　風(fēng)險(xiǎn)向量表示方法153
6.3.2　風(fēng)險(xiǎn)向量檢索算法163
6.3.3　相似風(fēng)險(xiǎn)檢索業(yè)務(wù)應(yīng)用168
　6.4　近鄰聚類169
6.4.1　K-Means169
6.4.2　DBSCAN172
　6.5　本章小結(jié)174
第7章　基于圖的異常檢測(cè)175
　7.1　什么是圖175
7.1.1　圖的基本概念176
7.1.2　圖的分類177
7.1.3　作弊圖的構(gòu)建分析178
　7.2　作弊社區(qū)發(fā)現(xiàn)181
7.2.1　標(biāo)簽傳播181
7.2.2　連通分量182
7.2.3　Louvain187
7.2.4　Fraudar190
　7.3　圖嵌入193
7.3.1　為什么需要圖嵌入193
7.3.2　圖嵌入方法194
7.3.3　風(fēng)控應(yīng)用場(chǎng)景202
　7.4　本章小結(jié)207
第8章　基于時(shí)序的異常檢測(cè)208
　8.1　風(fēng)控中的時(shí)序特征208
8.1.1　什么是時(shí)序特征208
8.1.2　時(shí)序特征工程210
　8.2　基于時(shí)序的異常檢測(cè)算法214
8.2.1　統(tǒng)計(jì)類算法215
8.2.2　深度學(xué)習(xí)類算法222
　8.3　CEP技術(shù)226
　8.4　本章小結(jié)228
第9章　內(nèi)容風(fēng)控技術(shù)229
　9.1　文本風(fēng)控230
9.1.1　關(guān)鍵詞過(guò)濾230
9.1.2　文本分類237
9.1.3　相似文本檢索242
　9.2　圖像風(fēng)控246
9.2.1　圖像分類247
9.2.2　圖像檢測(cè)251
9.2.3　圖像檢索253
9.2.4　OCR技術(shù)253
　9.3　短視頻和直播風(fēng)控257
9.3.1　視頻抽幀257
9.3.2　關(guān)鍵幀提取260
9.3.3　視頻相似檢索263
9.3.4　直播間風(fēng)控264
　9.4　本章小結(jié)268
第10章　廣告與營(yíng)銷風(fēng)控未來(lái)思考269
　10.1　業(yè)務(wù)：理解業(yè)務(wù),服務(wù)于業(yè)務(wù)269
　10.2　數(shù)據(jù)：合規(guī)埋點(diǎn)和科學(xué)歸因271
　10.3　算法：經(jīng)驗(yàn)驅(qū)動(dòng)和數(shù)據(jù)驅(qū)動(dòng)相結(jié)合274
　10.4　系統(tǒng)：在線、近線、離線互補(bǔ),可持續(xù)的架構(gòu)277
　10.5　AIGC：帶來(lái)的新挑戰(zhàn)279
　10.6　本章小結(jié)281