Detection of fraudulent activities in mobile display advertising
Mobil görüntüleme reklamcılığında yapılan sahtekarlık aktivitelerinin belirlenmesi
- Tez No: 519811
- Danışmanlar: YRD. DOÇ. DR. BURAK ÇAVDAROĞLU
- Tez Türü: Yüksek Lisans
- Konular: Endüstri ve Endüstri Mühendisliği, Industrial and Industrial Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2018
- Dil: İngilizce
- Üniversite: Kadir Has Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Belirtilmemiş.
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 84
Özet
Mobil reklamcılıkta pazarlama harcamalarının çoğu gerçek zamanlı ihaleler aracılığı ile gerçekleştirilmektedir. Gerçek zamanlı ihalelerde, satıcıların (reklam yayınlayıcılarının) reklam alanları, alıcıların (reklam verenlerin) mobil uygulamalarına ait reklamlarının kullanıcı tarafından görüntülenebilmesi için ihaleye çıkartılır. Gerçek zamanlı ihalelerde en çok kullanılan fiyatlandırma modeli indirme başına fiyatlandırmadır. Bu modelde en yüksek fiyatı veren reklam verenin uygulaması yayınlayıcının uygulamasında gösterilir. Yayınlayıcıya ödeme bir kullanıcının bu yayınlanan reklamı tıklayarak indirmesi şartıyla yapılır. Bu model bazı yayınlayıcıların tıklama bombardımanı (click spamming) ve tıklama enjeksiyonu (click injection) olarak bilinen sahtekâr aktivitelerde bulunmasına neden olur. Tıklama bombardımanında yayınlayıcı gerçekte kullanıcı tarafından yapılmamış birçok tıklama üretir. Bu durumdan habersiz olan kullanıcı, reklamı yapılan uygulamayı farklı bir reklam kanalı (televizyon reklamı gibi) aracılığı ile öğrenip indirirse tıklama bombardımanını yapan yayınlayıcı bu indirmeden haksız yollarla para kazanmış olur. Tıklama enjeksiyonunda ise sahtekâr bir uygulamayı indirmek üzere olan bir kullanıcıyı takip edip, indirmeyi tamamlamadan hemen önce o kullanıcı üzerinden reklama tıklama gönderebilir. Dolayısıyla da bu indirme işlemi üzerinden haksız kazanç elde etmiş olur. Bu çalışmada çoklu test etme yöntemini kullanarak bu sahtekârlıkların belirlenebileceği bir yöntem önerdik. Bu yöntemde indirme ve ilk kez uygulamanın açılması arasında geçen zaman üzerinden istatistiksel karar verme yöntemleri kullanılarak sahtekârlar tespit edilmeye çalışıldı. Kullanılan yöntemde yanlış pozitif hata oranının en kötü ihtimalle %5 olması sağlandı. Önerilen yöntem 15263 yayınlayıcının üzerinde test edildi ve 1474 tanesinin sahtekârlık yaptığı tespit edildi.
Özet (Çeviri)
Most of the marketing expenditures in mobile advertising are conducted through real- time bidding (RTB) marketplaces, in which ad spaces of the sellers (publishers) are auctioned for the impression of the buyers' (advertisers) mobile apps. One of the most popular cost models in RTB marketplaces is cost per install (CPI). In a CPI campaign, publishers place mobile ads of the highest bidders in their mobile apps and are paid by advertisers only if the advertised app is installed by a user. CPI cost model causes some publishers to conduct some infamous fraudulent activities, known as click spamming and click injection. A click spamming publisher executes clicks for lots of users who haven't made them. If one of these users hears about the advertised app organically (say, via TV commercial) and installs it, this installation will be attributed to the click spamming publisher. In click injection, the fraudulent publisher's spy app monitors the user's activities in the app market to detect when a mobile app is downloaded on her device, and triggers a click attributed to the fraudster right before the installation completes. In this study, we propose a novel multiple testing procedure which can identify click spamming and click injection activities using the data of click-to-install time (CTIT), the time difference between the click of a mobile app's ad and the first launch of the app after the installation. In a sample set of publishers, we show that our procedure has a false- positive error rate of at most 5%. Finally, we run an experiment with 15263 publishers. According to the results of the experiment, a total of 1474 fraudulent publishers are successfully detected.
Benzer Tezler
- Machine learning approach for external fraud detection
Dış saldırıların belirlenmesi için makine öğrenimi yaklaşımı
AJI MUBALAIKE
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ERTUĞRUL KARAÇUHA
PROF. DR. EŞREF ADALI
- Anomaly detection using machine learning techniques: A comparative study on first payment default prediction in retail loans
Yapay öğrenme yöntemleriyle anomali saptanması: Bireysel kredilerde ilk ödemede batma tahmini üzerine karşılaştırmalı bir çalışma
AHMET TALHA YİĞİT
Yüksek Lisans
İngilizce
2022
Bankacılıkİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- Dut, keçiboynuzu ve üzüm pekmezlerine glukoz şurubu katılarak yapılan tağşişin Fourier dönüşümlü kızılötesi (FTIR) spektroskopisi ile tespiti
Detection of fraudulent addition of glucose syrup to mulberry, carob and grape pekmez by Fourier transformed infrared (FTIR) spectroscopy
NİHAL YAMAN
Yüksek Lisans
Türkçe
2019
Gıda MühendisliğiTekirdağ Namık Kemal ÜniversitesiGıda Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SERAP DURAKLI VELİOĞLU
- Privacy and security enhancements of federated learning
Federe öğrenme uygulamalarında mahremiyet ve güvenlik geliştirmeleri
ŞÜKRÜ ERDAL
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. ENVER ÖZDEMİR
DR. FERHAT KARAKOÇ