來源|量江湖 ID:adwujialiang

這篇是基于成本考量的分享內容——關于效果與成本兼顧的APP反作弊策略分享。

APP反作弊是一個實踐性很強的業務。在現實的環境中，沒有絕對有效的反作弊方法，這里有一個核心底線，就是成本。

你要投入的成本跟收獲的價值相比，合算嗎？畢竟這是一個生意，而不是一個學識研究，或探究真理。

說到底，反作弊最后算的還是經濟賬，是一個效率問題。

量江湖在實踐中摸索出一套經濟高效的反作弊策略。關于高效，大家已經比較清楚了，我們現在回答另外一個問題——如何做到經濟的。

針對行業現狀，量江湖的反作弊處理策略是：

1） 錨定原點：數字DNA指紋技術，標識硬件設備，是構成量江湖整套作弊防護體系中的參照系、坐標系；

2） 分層過濾：多層獨立防護技術，能在初層解決的問題，就在初層解決，不用增加處理后續的處理成本，同時，針對疑難雜癥，加深作弊的防護深度和精細度，確保萬無一失；

3） 軟硬兼施：硬件信息和軟件環境綜合考慮，全面考慮各種因素、各項指標；

4） 模式識別：建立如同殺毒軟件一樣的病毒庫——異常行為特征庫技術是量江湖的獨門秘籍，不僅覆蓋全部的作弊手段，還提供實時的更新機制，把作弊殲滅在信息源頭，降低機器計算的開銷和處理成本；

（一）多層獨立識別技術

先說分成過濾。作弊識別是一個極其復雜的工程，有的作弊特征非常明顯，有的則隱藏很深，還有少量情況是特征不夠明顯，甚至是個概率事件。為此，量江湖在識別作弊行為上采用了多層防護、多維判定、獨立識別、綜合評定的全套作弊識別解決方案。目的在于提高防范強度和精度的同時，兼顧方案的時效性和實用性：對于70%以上的作弊行為，可以在10分鐘內給出判斷；剩余下的大約20%高度仿真作弊行為，可以在3小時內給出判定；但其余大概5%左右的疑似作弊但特征不明顯的行為，則需要2天的時間給出判定（跟版本有關），并對最終所有結果給出最終的判定：

1.1：初濾識別層

硬件設備異常嗅探技術：

第一步是判斷設備本身、app、以及工作環境，是否處于被調試狀態，當處于調試狀態，系統會啟動更加嚴格的設備驗證算法，可識別目前所有通過調試方式刷量的行為；

第二步是判斷設備的OS是否被劫持。一旦操作系統被劫持，就可以通過軟件方式篡改設備信息。而量江湖的嗅探技術，不依賴操作系統接口的方式，而是獨立獲取設備信息，不受任何劫持木馬或程序的干擾，通過對比得到準確的判斷。

第三步是判斷模擬器作假。量江湖對模擬器的作假判斷有豐富的經驗與獨特技術，可以100%識別基于模擬器技術的作弊。

軟硬件信息一致性校驗技術

量江湖還對所取得關鍵設備信息、軟件信息，如制造商ID、CPU、Mac地址、IMEI、操作系統版本、機型版本等各種進行一致性的校驗，并與數據庫中的用戶數據進行比對校驗，進行雙保險的一致性校驗比對。加深了對作假的審查深度。

1.2再濾識別層

IP甄別：對其IP地址的來源、性質、分布進行全面的審查判斷；

大數據比對：量江湖擁有5億以上的用戶畫像，對所取得硬件關鍵設備ID進行合規校驗以及數據庫行為校驗，分析其異常概率；

群體行為分析：包括接入網絡類型、運營商分布、操作系統分布、機型分布、地理位置分布等特征，逐個與先驗數據所構建的行為分布模型進行模式校驗比對；

1.3終濾識別層

對上兩層還不能確定的疑似情況作最后的審查，一方面綜合評定所有的指標，另一方面與異常行為特征庫所有的特征進行一一Match，并計算其匹配度。從而對這些疑難案例給出最終的結論。

（二）模式識別——異常行為特征庫技術

再說模式識別。原理介紹每一種作假手段制造出來的，實際上是用戶行為，通過機器學習對海量用戶行為的洞察，抽象出這些異常用戶或者異常來源的行為特征，這種行為特征稱之為異常行為特征。這些各種各樣的異常行為特征就構成了量江湖反作弊異常行為特征庫，類似于殺毒軟件中的“病毒庫”。

量江湖目前已經收集、識別和記錄存儲了當前所有流量作弊方式的行為特征。

實時更新：量江湖密切關注任何一種新的作弊手段，發現，收集，學習，并輸出更新異常行為特征庫。確保客戶在第一時間發現作假行為。

（三）錨定原點——數字DNA指紋技術

量江湖采用獨特的數字DNA指紋技術，而不是使用IMEI、MAC、設備SN、藍牙地址、ICCID等設備標識，以防止篡改。對于通過動態修改設備參數如MAC、IMEI、IMSI、ICCID、藍牙地址等核心硬件的作弊行為，量江湖通過以數字DNA指紋技術為中心，參考硬件多維度參數檢測，綜合網絡側技術的風險評估以及異常行為特征庫的匹配度評估，給出最終的判定。

（四）底層技術——機器學習及大數據技術

4.1機器學習技術

機器學習的優勢就是能從海量數據中抽象出更加系統、更加深刻、更加完整的智慧、模式、特征；

機器學習不僅學習的更加深入透徹，還學習的非常快，在數據充分的情況下，對一種新作弊方法的學習可以在1小時內完成；

機器學習可以在人類的監督下自動學習，也就是說他不僅24小時在干活，而且還24小時在學習和進步，換句話說，其學習的速度不僅遠超人類，而其學習的加速度更加令人生畏，實在是防作弊制勝之法寶。

4.2大數據

大數據：5億以上的用戶數據是量江湖做用戶識別準確率的基礎：

基本參考：5億以上的用戶量已經涵蓋了半數以上的移動互聯網用戶，活生生的數據就是硬邦邦的證據；

機器學習的基礎，機器學習的一個關鍵是有多少數據和多少種數據可以給機器喂，這個量級的數據，已經基本上涵蓋了所有的用戶行為類型；

姑婆那些事兒推廣服務 點擊 :http://www.3377on.com/news/4585.html

大家都愛搜:ASM 互聯網資訊類類有話說App推廣運營經驗線下推廣活動推薦微信營銷姑婆專題姑婆圈ASO校園推廣地推ASO100渠道刷量校園運營團隊

姑婆那些事兒(www.3377on.com)是互聯網推廣運營知識分享平臺,關注移動推廣(android,ios)運營,網站推廣運營、校園推廣及互聯網領域最新動態 。歡迎關注我們的微信(gupo520),新浪微博(姑婆那些事兒)。

版權聲明:本文來源于互聯網,僅作分享學習之用,姑婆那些事兒負責整理推薦。文章僅代表原作者獨立觀點,不代表本平臺運營者觀點與立場。如有版權問題,請聯系姑婆那些事兒—小秘書(微信號:gpxms001)協商解決