{"id":325560,"date":"2020-04-02T04:00:00","date_gmt":"2020-04-02T04:00:00","guid":{"rendered":"https:\/\/integralads.com\/insider\/desafio-ias-stop-the-bot\/"},"modified":"2025-05-18T18:19:29","modified_gmt":"2025-05-18T18:19:29","slug":"desafio-ias-stop-the-bot","status":"publish","type":"post","link":"https:\/\/integralads.com\/br\/insider\/desafio-ias-stop-the-bot\/","title":{"rendered":"Desafio IAS \u201cStop the Bot\u201d"},"content":{"rendered":"

Procurando uma an\u00e1lise t\u00e9cnica profunda? Confira nossa Metodologia para uma an\u00e1lise detalhada desses resultados.<\/span><\/span><\/span><\/span><\/p>\n

No m\u00eas passado, o IAS Threat Lab lan\u00e7ou nosso relat\u00f3rio sobre o 404bot, um bot malicioso de falsifica\u00e7\u00e3o de dom\u00ednio que pegamos com nossas sofisticadas tecnologias de detec\u00e7\u00e3o de fraudes. Estamos contentes com a descoberta do 404bot, mas, na verdade, nem todos os bots s\u00e3o maus. Alguns bots ajudam a colocar nossa tecnologia \u00e0 prova para garantir que nossa capacidade de detec\u00e7\u00e3o e mitiga\u00e7\u00e3o de bots continua a ser a melhor do setor.<\/p>\n

Conhe\u00e7a: Wombles.<\/p>\n

\"\"<\/p>\n

A equipe de Data Science da IAS vem trabalhando desde o final de 2019 para aperfei\u00e7oar o Wombles, um bot de crawling que nos permite mensurar a qualidade de tr\u00e1fego inv\u00e1lido que a tecnologia da IAS bloqueia \u2014 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 pr\u00f3pria tecnologia, sem conex\u00e3o alguma com nossos produtos de detec\u00e7\u00e3o de fraudes. Anteriormente, o Wombles era usado como um bot de treinamento para brand safety, mas nossos engenheiros perceberam que ele tamb\u00e9m dava um \u00f3timo investigador de tr\u00e1fego de bot. Pode ter certeza, o Wombles n\u00e3o \u00e9 apenas uma solu\u00e7\u00e3o perfeita que desenvolvemos para comprovar nossa teoria. Como veremos daqui a pouco, at\u00e9 mesmo nossa tecnologia n\u00e3o foi capaz de peg\u00e1-lo imediatamente, pois nossos modelos n\u00e3o tinham sido pr\u00e9-treinados para detectar o comportamento dele. No entanto, a natureza de aprendizagem din\u00e2mica da nossa tecnologia atuou rapidamente, e o Wombles n\u00e3o teve chance.<\/p>\n

Como o Wombles funciona? Ele funciona como um teste de press\u00e3o para tecnologias de verifica\u00e7\u00e3o e firewall que alimentam os produtos da IAS e dos concorrentes. Inserindo o Wombles (um bot relativamente n\u00e3o muito sofisticado) no mesmo invent\u00e1rio, e mensurando se ele sinalizou o tr\u00e1fego como v\u00e1lido ou inv\u00e1lido, podemos determinar a diferen\u00e7a entre a IAS e nossos concorrentes. (Observa\u00e7\u00e3o: toda detec\u00e7\u00e3o de tr\u00e1fego de bot deve ser avan\u00e7ada o suficiente para pegar um bot como o Wombles, cuja miss\u00e3o \u00e9 fazer coisas padr\u00e3o, como visitar e rolar p\u00e1ginas mecanicamente e usar um conjunto de IPs residenciais para exibir o comportamento humano.) Pense no Wombles como um detetive<\/strong> \u2014 ajudando-nos a combater o tr\u00e1fego de bot, desafiando constantemente nossa tecnologia de mitiga\u00e7\u00e3o de bot e tentando super\u00e1-la. A seguir, podemos ver os resultados da tecnologia da IAS para teste de press\u00e3o do Wombles, bem como esse mesmo teste de press\u00e3o para um de nossos concorrentes:<\/p>\n

\"\" \"\"<\/p>\n

\"\"<\/p>\n

Esses gr\u00e1ficos lado a lado mostram claramente que a IAS tem uma taxa de bloqueio cumulativo maior, por um caminho muito longo, o que significa mais prote\u00e7\u00e3o e menos desperd\u00edcio do investimento publicit\u00e1rio em bots que n\u00e3o compram. Por\u00e9m, bloquear mais nem sempre significa bloquear melhor: estrat\u00e9gias antifraudes pouco sofisticadas e t\u00edmidas podem fazer com que voc\u00ea perca impress\u00f5es seguras e de alto valor.<\/p>\n

\"\"<\/p>\n

Para conduzir um estudo comparativo com alta precis\u00e3o, precisamos estimar o tr\u00e1fego humano que alguns dos nossos concorrentes com excesso de zelo normalmente sinalizam incorretamente como fraude. A melhor forma de fazer essa distin\u00e7\u00e3o \u00e9 usando uma combina\u00e7\u00e3o de mitiga\u00e7\u00e3o de bot determin\u00edstica associada a t\u00e1ticas de machine learning<\/strong> din\u00e2mico, um m\u00e9todo que s\u00f3 a IAS oferece. O Wombles funciona perfeitamente para arbitrar essa competi\u00e7\u00e3o porque ele pr\u00f3prio \u00e9 uma m\u00e1quina. Por isso, ele reproduz o comportamento de bots maliciosos e fornece um controle para o tr\u00e1fego humano, que geralmente infla os resultados desses estudos. Os dados acima mostram que, como os modelos da IAS detectam e aprendem com esquemas de tr\u00e1fego de bots como o Wombles, eles podem superar drasticamente os modelos que n\u00e3o utilizam machine learning em suas t\u00e1ticas.<\/p>\n

O resultado?<\/strong> De forma generalizada, a tecnologia da IAS identificou o Wombles e come\u00e7ou a bloquear o crawler logo nas primeiras horas de implementa\u00e7\u00e3o. O concorrente B, por sua vez, nunca bloqueou o Wombles, mostrando claramente que n\u00e3o usou machine learning din\u00e2mico.<\/p>\n

Realizamos nosso estudo em 5 diferentes verticais do setor e descobrimos que, em m\u00e9dia, 90,8% mais tr\u00e1fego de bot foi identificado pela tecnologia da IAS:<\/p>\n