剖析现实中的点击欺诈自主性
密码学与安全
2021-09-16 v2
摘要
尽管按点击付费机制的使用刺激了移动广告网络的繁荣，欺诈性广告点击却给广告主带来了巨大的财务损失。大量研究基于动态分析、依据点击/流量模式识别点击欺诈。然而，在本研究中，我们识别出一种新颖的点击欺诈，称为拟人攻击，其通过生成与正常点击相似模式的欺诈点击来规避现有检测方案。我们实现了首个工具ClickScanner，基于静态分析与变分自编码器（VAE），在有限欺诈样本知识下检测Android应用上的拟人攻击。我们定义了新颖特征以在应用字节码层面刻画拟人攻击模式。ClickScanner基于静态分析构建数据依赖图（DDG）以提取这些关键特征并形成特征向量。我们随后提出了一种仅在良性数据集上训练的分类模型，以克服拟人攻击知识有限的问题。我们利用ClickScanner对应用市场（即来自Google Play和华为应用市场的120,000个应用）进行了首次大规模测量，揭示了若干前所未见的现象。首先，即便对于排名前20,000的应用，ClickScanner仍识别出157个欺诈应用，显示了拟人攻击的普遍性。其次，观察到基于广告SDK的攻击（即欺诈代码位于第三方广告SDK中）现已成为主导攻击方式。第三，攻击方式在不同类别与热度应用间差异显著。最后，我们注意到存在若干拟人攻击的现有变体。此外，我们的测量表明所提ClickScanner准确且高效（即检测开销仅为现有方案的15.35%）。
引用
@article{arxiv.2105.11103,
title = {Dissecting Click Fraud Autonomy in the Wild},
author = {Tong Zhu and Yan Meng and Haotian Hu and Xiaokuan Zhang and Minhui Xue and Haojin Zhu},
journal= {arXiv preprint arXiv:2105.11103},
year = {2021}
}
备注
Accepted to ACM CCS 2021