用于Unity游戏引擎中欺诈检测的图技术

欺诈无处不在，甚至在游戏行业也是如此。在Graph+AI 2022 春季全球峰会上，来自游戏平台开发商Unity Technologies的高级数据科学家 Jiang Lun，为大家分享了用于Unity游戏引擎中欺诈检测的图技术。本次随身听，我们将为大家进行详细解读。

在游戏广告领域里，既有供应方（游戏发行商），也有需求方（广告商）。Unity广告通过统一竞拍将两者联系起来。从游戏发行商来看，欲出售广告位的源游戏将向Unity广告服务端提交请求，然后，来自需求方的广告商将对这些位置出价以展示他们的广告。因此中标者将能够提交他们的广告创意、添加展示位置并触发事件，尤其是广告事件。接着，当特定的广告事件被触发后，广告商将向游戏发行商支付费用。基本上，这就是游戏开发者在游戏广告领域赚钱的方式。

1

会出现什么问题呢？

有这样一个问题我们必须重点谈谈。在现实中，并非所有发行商在游戏广告方面都是“诚实的”，他们中的一些人，我们称为欺诈者，总想不劳而获，大多数欺诈是游戏发行商实施的。而调查此类欺诈，有专门的欺诈检测部门。他们的目标是保护广告商免受“无效广告”的侵害。

2

欺诈到底是什么？

欺诈有很多种，根据Unity的政策，游戏行业中存在非常多的欺诈，我们每天都能看到新类型的欺诈出现，这确实让人火大。根据以往的经验，有几种常见的欺诈类型，比如设备农场、SDK伪造、垃圾点击、机器人、滥用激励和其他类型的诈骗。所以在游戏广告的领域里欺诈无所不在，这就是为什么我们需要使用图技术。

3

如何检测欺诈

正如之前提到的广告事件，对于那些广告事件而言，它们在游戏中的某个广告时刻出现，而且不是单独出现。它们成群结队，按顺序排列，形成广告事件和模式。我们可以看到它们的模式，而模式又有许多不同的组合和不同的形状。

现在，我们处理此类欺诈的方式是这样的：收集并分析这些广告事件，以发现潜在的欺诈模式，再根据不同的实体聚合不同类型的广告事件。例如，我们知道实体有游戏发行商、游戏、玩家，我们可以将这些聚合结果与在其它地方得到的实体特征及其嵌入相结合。

来看看一个Unity正在做的案例。正如您在上图中看到的，首先他们有多个渠道，分别对应于发行商，游戏本身，还有玩家。除了都使用相同的来源和事件以外，它们彼此互相独立，然后我们聚合这些广告事件，并从不同的聚合层面将它们与不同类型的特征连接起来。例如，这里有一些发行商特征，和发行商嵌入，将它们与发行商层级的事件聚合连接起来。整个特征向量将通过机器学习管道，将不同类型的模型组合在一起，在每个聚合层面进行预测。

在这三条管道运行之后，会有三种不同的预测，一个在发行商层面，一个在游戏层面，还有一个在用户层面。这就是我们在不使用图技术的情况下检测欺诈的方式。

现在的问题是，这些结果彼此之间不一定相符，或者说不一定总相符。而且它们不一定真的彼此独立。例如，如果我们预测某个发行商存在欺诈行为，有没有可能，这个发行商旗下的所有游戏都是无辜的？这在现实世界中不太可能发生。在现实世界中，我们所编织的，是这样一张错综复杂的关系网。所以在真实的游戏广告网络中，彼此之间都是有联系的。这就是我们面临的现实问题。我们可以从这些关系模式中，看到很多诸如此类的例子，这就是我们的初衷和原因，我们试着利用图来解决欺诈问题。

那么这张图中什么是重要的？其中之一是邻域拓扑。我们可以看到游戏、发行商和玩家这三个实体，它们相互联系，形成社区和集群。两个实体之间也有许多共享信息。

4

基于图技术检测欺诈方法

►示例一：利用标签传播侦测欺诈信息的传播方法

基于图技术来检测欺诈的方法之一，是侦测欺诈信息的传播方式。比如刚才提到的，有多个独立的管道用于不同聚合层面的预测，现在如何结合这些信息，全面了解每个实体的欺诈可能性？一种方法是通过消息传递算法传递和聚合节点特征及其各自的预测。例如，标签传播，是最常见的算法之一，而且它也很简单。因此，聚合来自邻居结点的信息，然后利用这些信息更新中心结点，从而更新预测，并且还可以更新其特征。然后在调整或消息传递阶段完成后，我们可以全面了解每个实体，然后将此实体用于后续的业务操作。同时也可以将这些情况一起报告给客户，使其更可信，更全面。

►示例二：利用社区检测算法（如Louvain算法）进行欺诈社区检测

我们使用的另一种方法是欺诈社区检测。正如我们从下图中看到的，欺诈类游戏和非欺诈类游戏，通常不会单独出现，它们往往成群聚集在一起，或者形成一个社区。欺诈类游戏往往与其它欺诈游戏是关联的，而非欺诈类游戏往往与其它非欺诈类的游戏是关联的。当然也有例外，我们可以在中心集群中看到。另外，非欺诈类游戏社区与一个欺诈类游戏相关联，这个欺诈类游戏混合在了无辜社区中。这就很难被侦测出来。

容易发现的是…非欺诈实体和欺诈实体的孤立节点，还有一个小集群，一个小社区，一个欺诈类游戏。这就是Unity正在做的一个欺诈社区检测，他们试图找到欺诈团伙，通过社区检测算法，比如Louvain算法。

►示例三：基于图技术，在游戏广告网络中生成节点嵌入

除了这些技术，Unity还尝试基于图技术，在游戏广告网络中生成节点嵌入。这里有很多方法可以创建嵌入，以前没有使用基于图技术的方法，直到他们意识到，游戏广告网络中的一切都是相互关联的。因此，使用基于图技术的嵌入方法，将能够创建包含实体邻域拓扑信息的嵌入，尤其是在一些特定的问题上，比如特定游戏的费用分析。

例如，我们可以看到在游戏广告网络中，发行商会有他们的源游戏（Source Game），广告商有他们的目标游戏（Target Game），这意味着每当用户打开源游戏点击上面的广告时，广告商希望在源游戏中显示广告，然后他们的目标游戏将被推广给用户。然后广告商将不得不为这些广告事件向发行商付费，并在每个源游戏中投钱。计划在不同源游戏中投入的资金、发行商或目标游戏的数量被称之为目标游戏的画像，这个画像对于创建嵌入非常有用。这些嵌入可以用于许多不同的地方，例如欺诈检测、营收优化和其他用例，这就是基于图技术的嵌入方法可以发挥重要作用的地方。

以上就是我们关于Unity基于图技术的欺诈检测的案例分享。

案例分享

Unity Technologies

Unity是一家视频游戏软件开发公司，专门为游戏开发者提供实时3D开发平台。此外，Unity还帮助游戏开发者通过向广告商出售游戏内广告位来实现变现。手游是目前全球来看表现最好的行业之一，其2021年收入超过850亿美元，复合年均增长率超过18%，所以到2023年，游戏行业的大部分收入将来自手游。2020年第四季度的报告中显示，Unity每月服务的广告超过了230亿，玩家每周花在Unity手游上的平均时间为2小时22分钟。此外，50%的新手游都是由Unity提供技术支持，所以这是一个相当有前景的行业。

审核编辑 ：李倩