تشخیص تقلب در تبلیغات دیجیتال با هوش مصنوعی

چرا تقلب در تبلیغات دیجیتال اهمیت داره؟

تصور کنید که میلیون‌ها بودجه‌ی تبلیغاتی خرج می‌شود اما هیچ نتیجه‌ای ندارد؛ هیچ پشتوانه‌ی واقعی ندارد. برندهایی که از رقابت خودشان با یک سایه بی‌خبر هستند. این توصیف، شکلی از دنیای دیجیتالِ تبلیغاتیِ امروزِ ماست؛ دنیایی که در آن تبلیغات انجام می‌شود اما در صحت پاسخ‌گوییِ آن، هیچ اطمینانی وجود ندارد.

ما با یک تهدید روبه‌رو هستیم. بر اساس آماری که از Juniper Research منتشر شده، پیش‌بینی می‌شود که فقط در سال ۲۰۲۵، بیش از ۱۰۰ میلیارد دلار هزینه بابت تبلیغات آنلاین از بین خواهد رفت. این یک تهدید است؛ تهدیدی که نه‌تنها بر بودجه‌هایی که صرف شده تأثیر خواهد گذاشت، بلکه اعتبار یک برند را هم به چالش خواهد کشید.

اهمیت این موضوع در حدی است که جورج ریس، مدیر ارشد مالی شرکت گوگل، در سال ۲۰۰۴ در این‌باره گفت: «کلاهبرداری، بزرگ‌ترین تهدید برای اقتصاد اینترنت است.»

بنابراین، در این مقاله سعی می‌کنیم به نحوه‌ی جلوگیری و کشف تقلب با هوش مصنوعی و آمارهای متفاوت بپردازیم.

در این دنیای دیجیتالِ پُرریسک، یک سؤال کلیدی به‌وجود می‌آید:

چطور می‌توانیم این تقلب‌ها را شناسایی و متوقف کنیم؟ آیا روش‌های فعلی واقعاً کافی هستند؟

در ادامه به این سؤال پاسخ خواهیم داد.

گرفتن مچ متقلب های سنتی

به‌طور کلی، در این مقاله روش‌های جلوگیری از تقلب در تبلیغات دیجیتال را به دو دسته تقسیم می‌کنیم. ابتدا با روش‌های سنتی‌تر و قدیمی آشنا می‌شویم؛ و پس از آن، به موضوع جذاب‌مان می‌رسیم.

در روش‌های سنتی، به‌طور کلی شناسایی تقلب‌هایی که صورت می‌گرفت بیشتر با استفاده از روش‌هایی مانند فیلتر کردن IP، بررسی دستی گزارش‌ها، یا طراحی الگوریتم‌های از پیش تعیین‌شده انجام می‌شد؛ که درصد خطای بالایی داشتند.

از رایج‌ترین روش‌ها برای جلوگیری از تقلب، Frequency Capping بوده است؛ در این روش، برای هر کاربری که IP یکسانی داشت، نمایش کلیک‌ها به‌صورت محدود و کنترل‌شده انجام می‌شد. یا اگر در عرض چند ثانیه بیش از هزار کلیک دریافت می‌شد، سیستمی که بر اساس قواعدی موسوم به قواعد ایستا عمل می‌کرد، کلیک‌ها را با خطا شناسایی و گزارش می‌داد.

اما مشکل در ضعف الگوریتم‌های طراحی‌شده نبود؛ مشکل، در پیشرفت روش‌های تقلب بود. برای مثال، از IP های جعلی استفاده می‌شد یا سعی می‌کردند رفتارهایی شبیه به انسان ایجاد کنند.

طبق مطالعه‌ی GSC Online Press در سال ۲۰۲۴، سیستم‌های rule-based یا همان قواعد ایستا، حدود سه مورد از هر ده مورد تقلب را شناسایی نمی‌کردند.

انقلابی در شناسایی متقلب ها

همه‌ی برندها از این مشکل شاکی بودند؛ سیستم پیشرفته‌ای وجود نداشت که بتواند این مشکل را کم‌رنگ‌تر کند. سیستم‌های rule-based دیگر پاسخ‌گو نبودند؛ الگوریتم‌های موجود، محدود، کند، بی‌دقت و پُردردسر بودند. زمان آن فرا رسیده بود تا یک سیستم هوشمند، دقیق‌تر، سریع‌تر و منعطف پیاده‌سازی شود.

بعد از گذشت مدتی کوتاه، محققان به سمت الگوریتم‌های هوش مصنوعی نشانه رفتند؛ اتفاقی که آغاز عصری جدید در شناسایی تقلب را رقم زد.

پیش از آنکه در دنیای هوش مصنوعی غرق شویم، بیایید با هم نگاهی به تکامل این سیستم‌ها بیندازیم. طبق گزارش DataDome، مسیر تکامل سیستم‌های تشخیص تقلب از سیستم‌های معروف rule-based آغاز می‌شود؛ پس از سیستم‌های قواعد ایستا، نوبت به سیستم‌های مبتنی بر یادگیری ماشین می‌رسد.

این سیستم‌ها با تحلیل الگوهای رفتاری شروع به یادگیری رفتار بات‌های متقلب می‌کردند. در مرحله‌ی بعد، یادگیری عمیق و Advanced AI مورد استفاده قرار می‌گیرد؛ در این مرحله، پیشرفته‌ترین و دقیق‌ترین سیستم‌های تشخیص تقلب به کار گرفته می‌شوند.

در ادامه، دو تا از رایج‌ترین و قدرتمندترین روش‌های مبتنی بر هوش مصنوعی را بررسی می‌کنیم.

۱. روش Behavioral Fingerprinting:

در این روش، رفتار موس، داده‌های اسکرول و ژئومتری کلیک ثبت می‌شوند و تغییرات غیرمعمول ضبط می‌گردند. علاوه بر این روش، روش Anomaly Detection via ML نیز وجود دارد؛

این روش با الگوریتم‌هایی مثل Random Forest یا Isolation Forest کار می‌کند. در واقع، آن دسته از رفتارهایی که در میان میلیون‌ها الگوی شناخته‌شده نمی‌گنجند، ثبت می‌شوند.

۲. روش Neural Networks و Deep Learning:

ترکیب این دو روش را تشکیل می‌دهند که می‌تواند رفتار کاربر را با خطای بسیار پایین زیر نظر بگیرد و مورد بررسی قرار دهد. اما روش‌های گفته‌شده به‌تنهایی استفاده نمی‌شوند؛ بلکه با سایر روش‌ها ترکیب شده و ابزارهایی را ایجاد می‌کنند که بسیار قدرتمند و دقیق ظاهر می‌شوند. در بخش بعدی با چند مورد از این ابزارها آشنا خواهیم شد.

ابزارهای قدرتمند جدید

در کشف تقلب با هوش مصنوعی، مخصوصاً در تبلیغات، ابزارهای زیادی وجود دارند که می‌توانند نیاز افراد و شرکت‌ها را برطرف کنند. بیایید با هم با سه تا از بهترین این ابزارها و شرکت‌های پشتیبانشان آشنا شویم.

• اولین ابزاری که قرار است با آن آشنا شویم متعلق به شرکت DoubleVerify است. این ابزار به شما اطمینان می‌دهد که داده‌های شما از دست متقلب‌ها در امان هستند. این شرکت در حوزه‌های دیگر تبلیغات نیز فعالیت دارد که می‌تواند مفید باشد.
• ابزار بعدی که بسیار معروف و قدرتمند است، ابزار Human Security است که بیشتر برای جلوگیری از کلیک‌های تقلبی، نصب‌ها و تعاملات جعلی استفاده می‌شود. از این ابزار، شرکت‌هایی مثل LinkedIn و Swater استفاده می‌کنند؛ که اغلب این همکاری‌ها به صورت دوطرفه انجام می‌شود. البته باید دقت کرد که این خدمات گاهی به شکل یک قرارداد است.
• سومین ابزار تشخیص تقلب، Integral Ad Science است. این ابزار الگوریتم‌های یادگیری ماشین را با داده‌های بیش از یک تریلیون تعامل در بر می‌گیرد؛ که این موضوع تأثیر زیادی بر دقت و کیفیت ابزار دارد.

غروب تراژیک متقلب ها!

در آخر، با هم به آماری از Tatoday می‌پردازیم که بر اساس این گزارش، در سال ۲۰۲۳ صنعت تبلیغات ایالات متحده آمریکا با استفاده از استانداردهایی از نوع TAG Certified مبلغی حدود ۱۰ میلیارد دلار صرفه‌جویی کرده است.

در حال حاضر، روزبه‌روز متقلب‌ها و در پاسخ، سیستم‌های تشخیص در حال پیشرفت هستند؛ این همان چیزی است که بشر از همان ابتدا با آن دست و پنجه نرم کرده و دست و پنجه‌اش را نرم خواهد کرد.