广告与营销风控：方法与实践王东旭

定　价：¥99.00

作　者：	王东旭
出版社：	机械工业出版社
丛编项：
标　签：	暂缺

购买这本书可以去

当当网 (¥83.60)

ISBN：	9787111764021	出版时间：	2024-10-01	包装：	平装-胶订
开本：	16开	页数：		字数：

内容简介

　　内容简介本书从技术和业务角度全面阐述互联网广告与营销的黑灰产业链，以及应对各种风险的风控思路和解决方案。在业务层面，结合行业发展现状以及当前AIGC技术快速爆发的背景，对广告与营销领域的黑灰产业链进行了深入剖析，特别是人、货、场之间的博弈关系，以及商家、渠道、用户、平台等不同参与方的利益链等。在技术层面，基于前置的业务剖析，深入探讨了基于概率统计、近邻算法、图分析和时序分析等异常检测方法，并结合内容风控技术，提供了一套立体的面向互联网广告与营销场景的风控解决方案。每一章都结合了理论与实践，通过丰富的案例分析，帮助读者深入理解风控技术的应用，并掌握如何应对AIGC时代广告与营销领域的新挑战。本书的读者对象包括互联网广告与营销行业的算法、工程、运营、产品从业者，既包括正向的搜索、推荐、广告业务人员，也包括负向的风险控制业务方向，以及广告报表、结算、埋点、归因等中间数据团队人员。此外，对互联网安全攻防感兴趣的爱好者、开设相关课程的在校师生也可阅读本书。通过阅读本书，你可以收获以下知识。（1）互联网广告的发展历程和演变过程，以及常见的互联网广告形态。（2）互联网广告与营销领域背后的攻防博弈和黑灰产利益链。（3）基于概率统计、近邻相似检索、图关系分析、时序序列等异常检测方法。（4）图像、文本、视频、直播等多媒体内容安全识别方法。（5）在线、近线、离线互补的风控系统架构，风控领域MLOps循环。（6）AIGC技术爆发下的新风险对抗思路。希望读者朋友在本书中，能够找到和自己业务或研究方向相匹配的内容，知行合一，把书中介绍的方法应用到自身具体的业务场景，让知识发挥更大的价值，一起“建设更安全的互联网”！

作者简介

　　王东旭毕业于北京邮电大学，师从国内著名安全组织“幻影旅团”成员luoluo，在2013年通过为多家厂商挖掘、提报安全漏洞成为WooYun社区白帽子。先后在百度垂直搜索部、第四范式先知机器学习平台任职，目前担任阿里巴巴高级技术专家，负责淘宝电商广告流量反作弊和内容风控业务的算法工程方向工作，深耕互联网广告与营销行业一线，对流量反作弊和内容风控背后的利益链条和攻防博弈有丰富的实践经验，带领团队完成了风控引擎的全面升级，打造了百亿流量规模在线、近线、离线互补的互联网电商风控系统。

图书目录

前　言
第1章　互联网广告与营销1
　1.1　营销、广告与流量1
1.1.1　营销、广告、流量的定义2
1.1.2　流量的价值3
1.1.3　流量商业化变现模式3
1.1.4　自然流量和广告流量6
1.1.5　流量质量和无效流量7
　1.2　互联网广告营销基础知识9
1.2.1　互联网广告发展史10
1.2.2　主流广告形式11
1.2.3　广告营销参与方14
1.2.4　归因分析模型17
1.2.5　计费方式和作弊风险20
　1.3　互联网广告营销形势23
1.3.1　营收发展形势24
1.3.2　新媒体创新形势25
1.3.3　监管合规形势26
　1.4　本章小结27
第2章　广告与营销黑灰产业链28
　2.1　营销的人、货、场28
2.1.1　人：用户需求29
2.1.2　货：精准获客30
2.1.3　场：流量为王30
　2.2　广告与营销的利益链31
2.2.1　商家视角的利益和风险32
2.2.2　渠道视角的利益和风险43
2.2.3　用户视角的利益和风险48
2.2.4　平台视角的利益和风险51
　2.3　黑灰产作弊上下游链路55
2.3.1　黑灰产上游55
2.3.2　黑灰产中游63
2.3.3　黑灰产下游65
　2.4　本章小结66
第3章　广告与营销领域的立体风控思路67
　3.1　广告与营销风控范畴67
3.1.1　流量反作弊67
3.1.2　内容风控68
　3.2　风控业务生命周期70
3.2.1　事前阶段71
3.2.2　事中阶段73
3.2.3　事后阶段75
　3.3　风控立体防御体系77
3.3.1　在线风控78
3.3.2　近线风控81
3.3.3　离线风控83
　3.4　风控MLOps84
3.4.1　什么是风控MLOps85
3.4.2　风控MLOps流水线85
　3.5　本章小结88
第4章　异常检测技术概述90
　4.1　什么是异常检测90
4.1.1　有监督异常检测91
4.1.2　半监督异常检测91
4.1.3　无监督异常检测92
　4.2　异常检测面临的问题和挑战92
4.2.1　异常的稀疏性92
4.2.2　异常的多样性93
4.2.3　异常的对抗性95
4.2.4　异常检测的鲁棒性96
4.2.5　异常检测的可解释性97
4.2.6　异常检测的可控制性99
　4.3　基于规则的异常检测99
4.3.1　基于名单的规则99
4.3.2　基于窗口聚合的规则100
　4.4　基于模型的异常检测101
　4.5　本章小结102
第5章　基于概率统计的异常检测103
　5.1　异常检测中的概率知识103
5.1.1　抛硬币问题103
5.1.2　独立同分布104
5.1.3　离散概率分布104
5.1.4　连续概率分布109
　5.2　拟合优度114
5.2.1　卡方检验114
5.2.2　G检验116
5.2.3　K-S检验118
　5.3　极值分析和尾概率约束119
5.3.1　马尔可夫不等式119
5.3.2　切比雪夫不等式121
5.3.3　切尔诺夫界123
5.3.4　中心极限定理124
　5.4　多维随机变量异常检测125
5.4.1　COPOD126
5.4.2　ECOD134
　5.5　集成决策方法135
5.5.1　Bagging135
5.5.2　Boosting136
5.5.3　Stacking137
　5.6　本章小结138
第6章　基于近邻的异常检测139
　6.1　LOF139
6.1.1　算法原理139
6.1.2　刷单骗补应用案例142
　6.2　KNN144
6.2.1　K近邻分类144
6.2.2　K近邻距离度量145
　6.3　ANN151
6.3.1　风险向量表示方法153
6.3.2　风险向量检索算法163
6.3.3　相似风险检索业务应用168
　6.4　近邻聚类169
6.4.1　K-Means169
6.4.2　DBSCAN172
　6.5　本章小结174
第7章　基于图的异常检测175
　7.1　什么是图175
7.1.1　图的基本概念176
7.1.2　图的分类177
7.1.3　作弊图的构建分析178
　7.2　作弊社区发现181
7.2.1　标签传播181
7.2.2　连通分量182
7.2.3　Louvain187
7.2.4　Fraudar190
　7.3　图嵌入193
7.3.1　为什么需要图嵌入193
7.3.2　图嵌入方法194
7.3.3　风控应用场景202
　7.4　本章小结207
第8章　基于时序的异常检测208
　8.1　风控中的时序特征208
8.1.1　什么是时序特征208
8.1.2　时序特征工程210
　8.2　基于时序的异常检测算法214
8.2.1　统计类算法215
8.2.2　深度学习类算法222
　8.3　CEP技术226
　8.4　本章小结228
第9章　内容风控技术229
　9.1　文本风控230
9.1.1　关键词过滤230
9.1.2　文本分类237
9.1.3　相似文本检索242
　9.2　图像风控246
9.2.1　图像分类247
9.2.2　图像检测251
9.2.3　图像检索253
9.2.4　OCR技术253
　9.3　短视频和直播风控257
9.3.1　视频抽帧257
9.3.2　关键帧提取260
9.3.3　视频相似检索263
9.3.4　直播间风控264
　9.4　本章小结268
第10章　广告与营销风控未来思考269
　10.1　业务：理解业务,服务于业务269
　10.2　数据：合规埋点和科学归因271
　10.3　算法：经验驱动和数据驱动相结合274
　10.4　系统：在线、近线、离线互补,可持续的架构277
　10.5　AIGC：带来的新挑战279
　10.6　本章小结281