Resumen

La publicidad móvil en línea juega un papel vital en el ecosistema de aplicaciones móviles. Las fraudes en publicidad móvil causados por clics fraudulentos u otras acciones en los anuncios se consideran uno de los problemas más críticos en los sistemas de publicidad móvil. Para combatir los fraudes en evolución en la publicidad móvil, se han aplicado con éxito métodos de aprendizaje automático para identificar fraudes publicitarios en datos tabulares, distinguiendo operaciones de fraude publicitario sospechosas de las normales. Sin embargo, tales enfoques pueden sufrir de una ingeniería de características intensiva en mano de obra y de la robustez de los algoritmos de detección, ya que los grandes datos de publicidad en línea y las complejas acciones fraudulentas de publicidad generadas por códigos maliciosos, botnets y clic-farms están en constante cambio. En este documento, proponemos un nuevo enfoque de detección de fraudes basado en la incrustación de gráficos heterogéneos ponderados y aprendizaje profundo, denomin

• Materias:Seguridad informática Comunicación inalámbrica Internet de las cosas Ataques de denegación distribuida de servicio
• Subjects:Computer security Wireless communication Internet of things Distributed denial of service attacks
• Palabras claves:Publicidad móvil; Detección de fraudes; Aprendizaje automático; Incrustación de grafos; Aprendizaje profundo; Aplicaciones fraudulentas
• Keywords:Mobile advertising; Fraud detection; Machine learning; Graph embedding; Deep learning; Fraudulent apps