Desafio IAS “Stop the Bot”

02 de abril Pela IAS Team

Procurando uma análise técnica profunda? Confira nossa Metodologia para uma análise detalhada desses resultados.

No mês passado, o IAS Threat Lab lançou nosso relatório sobre o 404bot, um bot malicioso de falsificação de domínio que pegamos com nossas sofisticadas tecnologias de detecção de fraudes. Estamos contentes com a descoberta do 404bot, mas, na verdade, nem todos os bots são maus. Alguns bots ajudam a colocar nossa tecnologia à prova para garantir que nossa capacidade de detecção e mitigação de bots continua a ser a melhor do setor.

Conheça: Wombles.

A equipe de Data Science da IAS vem trabalhando desde o final de 2019 para aperfeiçoar o Wombles, um bot de crawling que nos permite mensurar a qualidade de tráfego inválido que a tecnologia da IAS bloqueia — e como a tecnologia de nosso maior concorrente se comporta. Na verdade, o Wombles reside inteiramente fora do IAS Threat Lab, como um mecanismo de teste adicional para nossa própria tecnologia, sem conexão alguma com nossos produtos de detecção de fraudes. Anteriormente, o Wombles era usado como um bot de treinamento para brand safety, mas nossos engenheiros perceberam que ele também dava um ótimo investigador de tráfego de bot. Pode ter certeza, o Wombles não é apenas uma solução perfeita que desenvolvemos para comprovar nossa teoria. Como veremos daqui a pouco, até mesmo nossa tecnologia não foi capaz de pegá-lo imediatamente, pois nossos modelos não tinham sido pré-treinados para detectar o comportamento dele. No entanto, a natureza de aprendizagem dinâmica da nossa tecnologia atuou rapidamente, e o Wombles não teve chance.

Como o Wombles funciona? Ele funciona como um teste de pressão para tecnologias de verificação e firewall que alimentam os produtos da IAS e dos concorrentes. Inserindo o Wombles (um bot relativamente não muito sofisticado) no mesmo inventário, e mensurando se ele sinalizou o tráfego como válido ou inválido, podemos determinar a diferença entre a IAS e nossos concorrentes. (Observação: toda detecção de tráfego de bot deve ser avançada o suficiente para pegar um bot como o Wombles, cuja missão é fazer coisas padrão, como visitar e rolar páginas mecanicamente e usar um conjunto de IPs residenciais para exibir o comportamento humano.) Pense no Wombles como um detetive — ajudando-nos a combater o tráfego de bot, desafiando constantemente nossa tecnologia de mitigação de bot e tentando superá-la. A seguir, podemos ver os resultados da tecnologia da IAS para teste de pressão do Wombles, bem como esse mesmo teste de pressão para um de nossos concorrentes:

Esses gráficos lado a lado mostram claramente que a IAS tem uma taxa de bloqueio cumulativo maior, por um caminho muito longo, o que significa mais proteção e menos desperdício do investimento publicitário em bots que não compram. Porém, bloquear mais nem sempre significa bloquear melhor: estratégias antifraudes pouco sofisticadas e tímidas podem fazer com que você perca impressões seguras e de alto valor.

Para conduzir um estudo comparativo com alta precisão, precisamos estimar o tráfego humano que alguns dos nossos concorrentes com excesso de zelo normalmente sinalizam incorretamente como fraude. A melhor forma de fazer essa distinção é usando uma combinação de mitigação de bot determinística associada a táticas de machine learning dinâmico, um método que só a IAS oferece. O Wombles funciona perfeitamente para arbitrar essa competição porque ele próprio é uma máquina. Por isso, ele reproduz o comportamento de bots maliciosos e fornece um controle para o tráfego humano, que geralmente infla os resultados desses estudos. Os dados acima mostram que, como os modelos da IAS detectam e aprendem com esquemas de tráfego de bots como o Wombles, eles podem superar drasticamente os modelos que não utilizam machine learning em suas táticas.

O resultado? De forma generalizada, a tecnologia da IAS identificou o Wombles e começou a bloquear o crawler logo nas primeiras horas de implementação. O concorrente B, por sua vez, nunca bloqueou o Wombles, mostrando claramente que não usou machine learning dinâmico.

Realizamos nosso estudo em 5 diferentes verticais do setor e descobrimos que, em média, 90,8% mais tráfego de bot foi identificado pela tecnologia da IAS:

  • Veículos 
  • Bens de Consumo Embalados (BCE) 
  • Financeiro
  • Farmacêutico
  • Varejo

Graças ao bom trabalho do Wombles, a IAS está sinalizando para o setor um futuro mais transparente e mais protegido.

Se você estiver interessado em rever a metodologia completa do estudo, preencha o formulário abaixo.

BAIXAR METODOLOGIA