Предотвращение мошенничества: стандарты и решения по борьбе с фродом

В этой статье Мобио расскажет о предотвращении мошенничества и наглядно продемонстрирует стандарты и решения по борьбе с фродом…

Широкий доступ пользователей к приложениям и разным форматам мультимедиа с различных устройств и операционных систем предложил богатые возможности для мобильных рекламодателей, однако это в свой черед многократно увеличило количество точек соприкосновения с мошенниками и атак со стороны потенциальных воров. В этой статье команда мобильного маркетинга Мобио рассмотрела современные решения для борьбы с мошенничеством таких стандартов, как App-ads.txt и механизмы работы как автономных, так и встроенных антифрод-систем, которые стали ключевыми стратегиями для создания более безопасной рекламной экосистемы.

Рекламное мошенничество представляет собой значительную часть (хотя и не всю) явления, которое на многих рынках получило название недействительного трафика (IVT). В целом это мошенничество с показами онлайн-рекламы, кликами, конверсиями или другими событиями с целью получения дохода (статистику по возрастающей угрозе фрода можно посмотреть в нашей статье). Разделяют General Invalid Traffic (GIVT) и Sophisticated Invalid Traffic (SIVT):

Как правило, это автоматический трафик, генерируемый поисковыми роботами, законные боты, прокси-сервера с трафиком, поступающим через виртуальные частные сети (VPN), и многое другое, что не имитирует поведение человека. Это делает его относительно легко обнаруживаемым. Однако такой недействительный трафик не является на 100% безвредным. Например, это может привести к всплескам трафика, не вызванным реальными пользователями, которые могут исказить данные измерения аудитории. Такой невалидный трафик можно обнаружить с помощью стандартной фильтрации списка или проверки параметров.

Это трафик, который позволяет создавать поддельные просмотры или клики для получения большего дохода. Мошенники генерируют SIVT различными способами: спуфинг домена, захват устройства, вставка файлов cookie и тому подобное (более подробно мы рассматривали виды мошенничества в своей статье). Этот тип трафика трудно обнаружить, поскольку он имитирует поведение человека и не бросается в глаза. Для обнаружения SIVT нужна глубокая аналитика и надежный поставщик технологий с хорошим опытом деятельности в рекламной среде.

Проблемы, связанные с IVT, выходят за рамки потери денег в виде потраченных впустую показов. Влияние такого трафика на количество обслуживаемых показов сказывается и на других показателях, включая просматриваемость, подъем бренда и продажи. При отсутствии контроля различные уровни IVT в разных кампаниях подрывают результаты, а также делают бенчмаркинг и оптимизацию по другим показателям неактуальными и практически невозможными.

В ответ на это бренды и агентства используют передовые технологии для мониторинга и предотвращения мошенничества во всех сферах digital рынка.

Однако огромные инвестиции в меры по борьбе с фродом не служат гарантией 100% защиты и полной безопасности — мошенники также совершенствуют свои схемы и используют новейшие технологии для преступной деятельности. Громким примером может служить скандал с участием известной платформы защиты от цифровых угроз HUMAN. Преступной группе VASTFLUX удалось подделать около 1700 приложений, настроить таргетинг на 120 издателей и запустить рекламу на 11 миллионах устройств. В итоге на потраченные рекламодателями более 327 миллиардов долларов на таргетинг пользователей, взаимодействующих с популярными мобильными приложениями, приходилось более 12 миллиардов мошеннических рекламных запросов в день.

Ряд отраслевых рабочих групп и организаций, таких как Interactive Advertising Bureau (IAB), Media Rating Council (MRC), Trustworthy Accountability Group (TAG) аккредитуют определенные решения и поставщиков для борьбы с рекламным мошенничеством и выпускают отраслевые стандарты и программы, созданные для защиты от фрода и сконцентрированные в основном на секторе программатик-рекламы. Так для очистки цепочки поставок онлайн-рекламы и повышения прозрачности в мобильной среде был разработан проект ads.txt от IAB.

Ads.txt — это текстовый файл, который издатели могут использовать для авторизации тех, кто может продавать свое рекламное пространство в цифровом виде. Указывая исходный авторизованный реселлер ресурсов издателя, Ads.txt устраняет спуфинг домена и арбитраж, при которых показы покупаются, заново упаковываются и перепродаются третьей стороной по более высокой цене.

Поскольку в мобильных приложениях нет веб-домена для хранения списка авторизованных продавцов, то для них был создан App-ads.txt, который помогает приложениям принимать запросы ставок от рекламных сетей и SSP, перечисленных в файле. Appsflyer утверждает, что «правильная реализация app-ads.txt избавляет издателей от необходимости беспокоиться о потере дохода из-за плагиата приложений или поддельного инвентаря. Вместо этого они могут получить в свои руки каждый доллар, который рекламодатель тратит на их инвентарь». Внедрение app-ads.txt, призванного помочь рекламодателям приобретать мобильное рекламное пространство только у законных и авторизованных поставщиков, происходит быстрыми темпами:

Также позволяет проверять источники рекламного инвентаря, прямых издателей и реселлеров трафика на рекламных технологических платформах, SSP и рекламных сетях еще один стандарт IAB Tech Lab — файл sells.json, размещаемый на бирже, чтобы предоставить рекламодателям большую прозрачность процесса покупки.

Внедрение рекламы и другие изощренные виды мошенничества помогает обнаруживать и техническая спецификация Ads.cert, которая добавляет дополнительный уровень аутентификации и прозрачности за счет криптографической подписи запросов ставок от издателей.

При нынешних объемах цифрового взаимодействия отследить вручную каждую операцию на предмет мошенничества нереально. Подключение антифрод-систем становится насущной необходимостью. Практически во все инструменты и программное обеспечение для борьбы с мошенничеством в рекламе включены основные стандартные функции:

Системы собирают различные типы данных, связанных с мобильными транзакциями, включая поведение пользователя, информацию об устройстве, данные о местоположении, историю транзакций и многое другое. Эти данные служат основой для выявления отклонений от нормальных закономерностей. Сбор данных может происходить в режиме реального времени или в пакетном режиме.

Собранные данные хранятся в базах данных или хранилищах данных для дальнейшей обработки и анализа. Для обработки больших объемов и разнообразия данных используются как реляционные, так и NoSQL базы данных.

Собранные данные очищаются, систематизируются и стандартизируются для обеспечения согласованности и точности. Этот шаг включает в себя нормализацию, преобразование и фильтрацию данных, чтобы сделать их пригодными для анализа.

Из предварительно обработанных данных извлекаются соответствующие признаки или атрибуты. Эти функции могут включать время входа пользователя в систему, суммы транзакций, данные геолокации, идентификаторы устройств и многое другое.

Модели машинного обучения обучаются с использованием исторических данных, которые включают как законные, так и мошеннические транзакции. Эти модели учатся различать нормальные и аномальные шаблоны на основе извлеченных признаков.

Во время работы системы отслеживают входящие мобильные транзакции. Они сравнивают наблюдаемые шаблоны с изученными моделями для выявления аномалий или отклонений.

Обнаруженным аномалиям присваивается оценка риска, указывающая на вероятность мошенничества. Эта оценка помогает определить приоритет предупреждений и ответов в зависимости от серьезности потенциального мошенничества.

В зависимости от оценки риска и предопределенных пороговых значений система предпринимает соответствующие действия. Это может включать блокировку транзакции, отправку предупреждений администраторам, требование дополнительных шагов аутентификации или пометку операции для проверки вручную.

Пользовательский интерфейс позволяет администраторам отслеживать производительность системы, просматривать оповещения, настраивать правила и создавать отчеты о тенденциях мошенничества и эффективности системы.

Ручные проверки помеченных транзакций способствуют повышению производительности системы, ее точности и эффективности.

Основные антифрод-системы имеют общую типичную архитектуру:

Существует два разных подхода к реализации механизмов обнаружения и предотвращения мошенничества в различных контекстах — самостоятельные (автономные) и встроенные антифрод-системы.

Под автономными системами защиты от мошенничества понимаются специализированные и независимые программные или аппаратные решения, разработанные специально для обнаружения и предотвращения фрода. Эти системы работают независимо от основных приложений или процессов, для защиты которых они предназначены.

Платформа по обнаружению мошенничества в сфере интернет-рекламы устанавливает прямой контакт в режиме реального времени с более чем 1 миллиардом уникальных устройств по 300 миллионам URL-адресов и приложений. Выявляет более 40 различных аномалий, которым присваивается вес в зависимости от типа и серьезности для выявления трафика, исходящего от ботов, скриптов и захваченных устройств (например, несогласованные сеансы браузера, несоответствие гео, плохая репутация устройства, использование прокси и т.д.).

Одна из самых известных и высокоточных многофункциональных платформ для борьбы с мошенничеством. Обнаруживает широкий спектр партнерского мошенничества, включая ClickSpam, VPN и прокси-серверы, повторяющиеся IP-адреса, поощрительный трафик и многое другое. В зависимости от используемой платформы и типа кампании можно выбрать интеграцию Postback, API, Pixel или JStag. Все свои данные из FraudScore можно использовать в собственных инструментах бизнес-аналитики с помощью Data API.

Платформа управления мошенничеством, проверки личности и онлайн-аутентификации, расширяет возможности цифрового бизнеса и онлайн-продавцов по проверке транзакций электронной торговли. Используется в основном для определения того, является ли транзакция мошеннической или нет, чтобы снизить общий риск возврата и уменьшить общий объем операций поддержки клиентов.

Также поставщиками программного обеспечения для обнаружения мошенничества являются ComplyAdvantage, Featurespace, Feedzai, Unit21, Sardine, Hawk:AI.

Встроенные системы защиты от мошенничества интегрируются непосредственно в существующие приложения, платформы или процессы, тесно вплетаясь в их структуру и функции. Эта интеграция обеспечивает беспрепятственный пользовательский интерфейс, поскольку меры по борьбе с мошенничеством невидимы для конечных пользователей и происходят за кулисами.

Основные встроенные антифрод-системы (с рейтингом G2):

Широко используемая платформа с сильным фокусом на мобильную атрибуцию и возможности борьбы с мошенничеством. Интегрируется с различными рекламными сетями и обеспечивает защиту от мошенничества в режиме реального времени. AppsFlyer использует запатентованные алгоритмы и машинное обучение для выявления и фильтрации мошеннических действий, таких как поддельные установки, спам по кликам и эмуляторы устройств. Для выявления аномалий сервис анализирует шаблоны и несоответствия в поведении пользователей.

Сервис известен своими функциями предотвращения мошенничества, которые дополняют услуги по мобильным измерениям и атрибуции. Предлагает подробную отчетность и настраиваемые правила борьбы с фродом, использует алгоритмы реального времени и обнаружения аномалий для выявления подозрительных действий.

Специализируется на проверке рекламы и обеспечении безопасности бренда путем предотвращения мошеннических размещений рекламы, особенно в программной рекламе, используя алгоритмы, основанные на AI, для анализа моделей вовлечения, поведения пользователей и контекстной информации.

Система минимизирует поддельный трафик автоматически в режиме реального времени с помощью групп негативной аудитории на всех каналах, таких как Google Ads, Facebook*, Instagram*, TikTok, LinkedIn.

Сервис предназначен для предотвращения недействительных кликов и показов в цифровых рекламных кампаниях на различных платформах, использует машинное обучение для анализа моделей трафика, поведения кликов и данных о конверсии.

Предоставляет комплексные возможности мобильной атрибуции, аналитики и борьбы с мошенничеством в рамках единой платформы. Решение Singular Fraud Prevention Suite использует машинное обучение для выявления аномалий и закономерностей, включая мошенничество с атрибуцией и поддельные установки.

Развитие цифровой рекламы дало огромные преимущества компаниям, стремящимся установить связь со своей целевой аудиторией на мобильных платформах. Удобство и доступность мобильных устройств позволяют рекламодателям привлекать пользователей, где бы они ни находились. Однако с расширением возможностей появляются и новые мошеннические тактики, которые наносят вполне ощутимый вред всем сторонам рекламного процесса.

В поисках комплексной защиты на первый план выходит концепция предотвращения мошеннических действий — от решений, специализирующихся на выявлении фрода, до легко интегрируемых сервисов, дополняющих существующие платформы. Борьба с мошенничеством в мобильной рекламе требует коллективных усилий рекламодателей, издателей, платформ и поставщиков технологий.

Команда мобильного маркетинга Мобио внимательно следит за появляющимися тактиками мошенничества и использует самые передовые технологии для защиты своих партнеров. И хотя 100% защиты от фрода не существует, вместе мы можем создать среду, где риски мошеннических действий будут минимизированы.

*Facebook и Instagram принадлежат компании Meta, чья деятельность признана экстремистской и запрещена на территории России.

Переходите в наш Telegram-канал и будьте в курсе всех digital-новостей.