本发明涉及互联网广告技术领域，尤其涉及一种广告点击的反作弊系统和方法。
背景技术：
随着互联网的广泛应用，互联网广告日益受到广告主的青睐。出钱投放广告的广告主可以向发布者(广告平台)付费，以通过网页、搜索引擎、浏览器或其它在线媒体来投放自己的广告，从而很好地推广自己的产品。目前，主流的广告收费方式之一是每次点击付费(英文：costperclick，缩写：cpc)广告。
在cpc广告模式下，广告主只需要为用户点击广告的行为付费，而不需要为广告的曝光付费，由此避免了只曝光不点击的风险。由于在每次用户点击广告时广告主就需要向发布者付费一次，因此广告主希望自己每次付费的广告点击都是真实用户的有效点击而不是作弊点击(也可称为“恶意点击”)。另外，提供用户流量的载体的流量主，例如，网站主、具有一定粉丝量的公众号，可参与广告的利润提成。在广告曝光量相同的情况下，点击率越高，流量主分到的利润也越高，因此，流量主有较强的作弊动机以提升广告点击率。
因此，如何验证cpc广告用户是否作弊非常重要。现在技术中大多依靠广告请求的ip地址进行判断。当同一ip的广告请求次数在一定时间段内达到一定的值时，则将该广告请求视为作弊请求，并将该ip地址加入到黑名单库中，从而在后续对该ip所有的广告请求进行过滤。这种技术依靠单一的ip进行作弊判断，存在误杀率和漏检率都较高的问题。
技术实现要素：
本发明所要解决的技术问题在于，提供一种广告点击的反作弊系统和方法，通过不同维度对作弊广告点击进行识别，提高识别的准确度。
在本发明中，虚假点击是指用户点击后，没有进行后续的观看、下载、安装等行为，具体根据广告内容而定。比如展示类广告只需要对应用户后续的观看；下载类应该则对应下载和安装行为。广告请求是指终端向服务器发起广告出价请求，并获得最终的广告展示机会的广告出价请求。
为了解决上述技术问题，本发明提供了一种广告点击的反作弊系统，包括获取模块、识别模块、过滤模块和记录模块；
所述获取模块，用于接收并提取广告请求中的ip地址、id信息和ua信息；
所述识别模块，用于根据广告请求的ip地址和ua信息判断所述广告请求是否是作弊请求；
所述过滤模块，用于将所述识别模块识别出的作弊请求处理为无效请求，从而进行过滤；
所述记录模块，用于将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
在上述技术方案中，id信息指设备id。可以用系统提供的telephonymanager服务来获取，具有唯一性。useragent中文名为用户代理，简称ua，它是一个特殊字符串头，使得服务器能够识别客户使用的操作系统及版本、cpu类型、浏览器及版本、浏览器渲染引擎、浏览器语言、浏览器插件等。通过这个标识，用户所访问的网站可以显示不同的排版从而为用户提供更好的体验或者进行信息统计。例如：当用户使用firefox访问下载网站时，网站通过用户代理字符串useragentstring获取到该用户的浏览器版本，发现该版本的firefox难以完美地展现网站的内容，就可以给出个性化的提示：“您可以试试最新版的firefox，这样能够展现最新的webgl和html5内容”。另外，网站还可以根据用户代理字符串useragentstring来给出不同的css文件，以保证在不同的浏览器上均能够展现出最好的效果。记录模块还将作弊请求的最后一次广告请求时间发送给黑名单库进行记录。黑名单库中记录的信息包括ip地址、id、ua信息以及该用户对应的最后一次广告请求时间。
作为上述方案的改进，所述识别模块包括：
比对单元，用于将所述ip地址、id信息分别与所述黑名单库中的ip地址、id信息进行比对；如果所述ip地址或id信息存在于黑名单库中，则将所述广告请求标记为作弊请求；
ip过滤单元，用于将同一ip在一段时间内点击次数超过阈值的广告请求标记为作弊请求；
ua过滤单元，用于比对请求ua与点击ua，并将两者不一致的比例超过阈值的广告请求标识为作弊请求。
在上述技术方案中，点击次数的阈值是由系统预告指定的一个固定数值，并且是指点击的峰值，而不是在较长时间段内的平均值。比对请求ua与点击ua可以增加识别作弊请求的维度，而不采用安装ua等信息是由于用户行为的连续性导致的，即用户下载完成后并不总是即时安装。ip过滤单元还会对匿名ip和机房ip进行过滤，其中机房ip是指所述ip属于某机房或其他各类公用的ip地址。这种方案增加了识别的准确性，同时可以过滤掉更多的作弊请求。
作为上述方案的改进，所述一种广告点击的反作弊系统，还包括跟踪模块，包括：
标记单元，用于对广告内容添加标记；其中所述广告内容既可以是图片、流媒体，也可以是视频；
接收单元，用于接收所述标记返回的用户行为数据及对应的链接；其中，所述用户行为数据包括用户对广告的点击、下载和安装数据；
核对单元，用于将所述接收单元接收到的所述链接与所述广告请求进行核对，并将虚假点击比例超过阈值的广告请求标记为作弊请求，同时将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
在上述技术方案中，跟踪模块通过对广告展示情况的跟踪，实现了对广告展示的真实性的监控，可以有效处理广告作弊中的伪造广告展示的情况。标记既可以位于图片，也可以位于视频中，涵盖了广告的主要形式，适应性广。
作为上述方案的改进，所述标记单元添加的标记为一个或若干个像素点。
在上述技术方案中，当广告内容为一张图片时，标记为一个像素点。当广告内容为流媒体时，标记可以为一个像素点，也可以为若干个像素点。当广告内容为视频时，标记可以为一个像素点，也可以为若干个像素点。对于广告内容为流媒体和视频时，需要考虑流媒体和视频的播放时间作为判断的标准。当判断标准为一个时，可以只标记一个像素点。当有多个判断标准时，就需要标记多个像素点。本方案使得标记具有高度的灵活性，针对不同的广告内容可以选择不同的标记形式，同时，由于标记为一个像素点，标记占用的资源少，并且不影响广告的展示。
作为上述方案的改进，所述核对单元核对的信息为广告请求次数与后续用户行为次数的对比，包括请求次数与展示次数、请求次数与下载次数、请求次数与安装次数。
在上述方案中，根据用户点击次数与后续行为次数的对比，可以识别出数据明显异常的用户点击。同时，通过将两者的对比的值与阈值对比，既可以过滤出作弊请求，又可以减少正常的广告点击被误判为作弊请求的机率。
作为上述方案的改进，所述的一种广告点击的反作弊系统，还包括更新模块，用于将黑名单库中较长一段时间没有再次请求广告的信息从黑名单库中剔除。
在上述方案中，考虑到任何反作弊系统必然存在的误判率，本方案通过更新模块将黑名单库中的非活跃广告请求用户信息剔除，使得被误判为作弊请求的信息更容易从黑名单库中剔除。同时，通过将非活跃广告请求用户信息从黑名单库中剔除，也防止黑名单库的无限扩大，从而造成的系统的延迟。
作为上述方案的改进，所述更新模块以所述记录模块记录的最后一次广告请求时间为基准计算所述较长一段时间。
在上述方案中，所述较长一段时间是系统指定的固定的时间，可以是7天、14天、30天等任意固定期限中的一个。更新模块以固定频率对黑名单库进行更新，可以减少对黑名单库信息的读写频率，提高系统运行速度。本方案实现了更新模块对黑名单库更新的动态化，使得对黑名单库的更新的时效性更好。
相应地，本发明还提供了一种广告点击的反作弊方法，包括如下步骤。
a.使用上述的获取模块接收并提取广告请求中的ip地址、id信息和ua信息。
在本步骤中，对所有的广告请求的上述三个信息都进行获取，以作为后续步骤的主要信息。
b.使用上述的比对单元将所述ip地址、id信息分别与所述黑名单库中的ip地址、id信息进行比对；如果所述ip地址或id信息存在于黑名单库中，则将所述广告请求标记为作弊请求。
在本步骤中，将ip地址、id信息与黑名单中的信息遍历比对，以识别存在于黑名单库中的信息。由于对所有的广告请求都需要进行遍历比对，导致本步骤中的信息处理量非常大，因此需要配备较高必备的硬件，并对检索方法进行优化。
c.使用上述的ip过滤单元将同一ip在一段时间内点击次数超过阈值的广告请求标记为作弊请求。
在本步骤中，采用的本方法是正常用户不会触发的，因此具有较高的准确性。而由于对于作弊用户存在记录功能，单一广告作弊用户的作弊收益非常有限。
d.使用上述的ua过滤单元比对请求ua与点击ua，并将两者不一致的比例超过阈值的广告请求标识为作弊请求。
在本步骤中，增加ua作为判断的标准，使得作弊用户更加容易被识别，从而可以弥补以ip为单一标准时的漏检问题。
e.使用上述的过滤模块将所述识别模块识别出的作弊请求处理为无效请求，从而进行过滤。
在本步骤中，通过将作弊请求的处理，可以有力地保障广告主的利益。
f.使用上述的记录模块将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
在本步骤中，将作弊请求的信息记录到黑名单库中，使得之后该作弊用户的所有广告请求都直接被过滤，从而使得广告作弊的收益很小，广告主的收益得到最大化。
作为上述方案的改进，所述一种广告点击的反作弊方法，还包括如下步骤。
g.使用上述的标记单元对广告内容添加标记；其中所述广告内容既可以是图片、流媒体，也可以是视频。
在本步骤中，通过对广告内容添加标记，起到了对广告展示情况的精确识别，从而可以有效防止广告作弊的虚假数据。
h.使用上述的接收单元接收所述标记返回的用户行为数据及对应的链接；其中，所述用户行为数据包括用户对广告的点击、下载和安装数据。
在本步骤中，接收上一步骤中的标记返回的用户行为数据及对应的链接，通过对后续用户行为数据的采集，可以更加全面、准确地分析判断广告请求是否是作弊请求，提高判断的准确性。
i．使用上述的核对单元将所述接收单元接收到的所述链接与所述广告请求进行核对，并将虚假点击比例超过阈值的广告请求标记为作弊请求，同时将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
在本步骤中，通过核对点击、下载和安装所对应的链接及次数，将超出阈值的广告请求筛选出来，并判定为作弊请求，通过这种用户行为的前后顺序关联对比，更加符合用户行为习惯，得出的结论也更加准确。
作为上述方案的改进，所述一种广告点击的反作弊方法，还包括如下步骤。
j.使用上述的更新模块将黑名单库中较长一段时间没有再次请求广告的信息从黑名单库中剔除。
在本步骤中，增加了黑名单库中成员的退出机制，实现了对黑名单库的动态更新，使得本方法在较长时间内都可以实现较好的适应性。
实施本发明，具有如下有益效果。
本发明通过ip地址和ua信息共同判断识别作弊请求，使得对于广告请求的判断更加立体，更加准确。本发明通过将作弊请求的多种信息保存在黑名单库中，使得同一作弊用户后续的广告请求均被标记为无效请求，从而使得广告作弊的收益严重受限，从根本上限制作弊用户的动机。
附图说明
图1是本发明一种广告点击的反作弊系统的第一实施例结构示意图。
图2是本发明一种广告点击的反作弊系统的第二实施例结构示意图。
图3是本发明一种广告点击的反作弊系统的第三实施例结构示意图。
图4是本发明一种广告点击的反作弊方法的第一实施例流程图。
图5是本发明一种广告点击的反作弊方法的第二实施例流程图。
图6是本发明一种广告点击的反作弊方法的第三实施例流程图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步地详细描述。
如图1所示的本发明第一实施例，提供了一种广告点击的反作弊系统，包括获取模块100、识别模块200、过滤模块300和记录模块400。
获取模块100，用于接收并提取广告请求中的ip地址、id信息和ua信息。
具体地说，获取模块100接收广告请求后，核验广告请求中的信息是否含有ip地址、id信息和ua信息这三种信息的全部，如果有缺失，则向发送广告请求的终端发送获取信息的请求。通常，广告请求中附加的信息还会包含以上三种信息之外的其他信息，因此获取模块100需要从终端发送过来的多种信息中提取出ip地址、id信息和ua信息这三种信息。比如，终端发送广告信息时附带的信息有：ip地址、mac地址、经纬度、ua信息、deviceid、id信息，则获取模块需要从这些信息中提取出ip地址、id信息和ua信息这三种信息。
识别模块200，用于根据广告请求的ip地址和ua信息判断所述广告请求是否是作弊请求。
具体地说，识别模块200包括比对单元201、ip过滤单元202和ua过滤单元203。比对单元201，将ip地址、id信息分别与黑名单库中的ip地址、id信息进行比对。如果ip地址或id信息存在于黑名单库中，则将所述广告请求标记为作弊请求。ip过滤单元202，将同一ip在一段时间内点击次数超过阈值的广告请求标记为作弊请求，并记录该段时间内请求的次数；并且ip过滤单元202还会把属于maxmind的country库中的匿名和机房ip的ip都过滤掉。以win_all表示终端的广告请求的总记录数，click_all表示终端发送的点击数，diff_ua表示终端的广告请求与点击总次数的差值，即diff_ua=win_all-click_all。ua过滤单元203，比对请求ua与点击ua，并将两者不一致的比例超过阈值的广告请求标识为作弊请求，即将diff_ua/win_all数值超过一定值的广告请求判断为作弊请求。
过滤模块300，用于将识别模块200识别出的作弊请求处理为无效请求，从而进行过滤。
具体地说，过滤模块300将所有作弊请求结终，使服务器上的广告出价、广告发送等系统不能接收到作弊请求，从而实现对作弊请求的无视。本系统是位于正常的广告请求响应系统之前，只有通过本系统筛选的广告请求才会被送达到响应系统。过滤模块300是本系统唯一的具有拦截功能的模块。当过滤模块300将广告请求拦截时，该广告请求无法被响应；而当过滤模块300对广告请求放行时，该广告请求会被响应。
记录模块400，用于将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
具体地说，记录模块400接收过滤模块300发送过来的作弊请求信息，并在添加当前时间信息后写入黑名单库中。如果作弊请求信息之前未在黑名单数据库中，则将ip地址、id信息、ua信息和时间信息一并写入黑名单库中。如果作弊请求信息之前已在黑名单数据库中，则将当前时间信息写入黑名单库中，并覆盖掉之前的时间信息。
如图2所示的本发明第二实施例，区别于第一实施例，还包括跟踪模块500。
具体地说，跟踪模块500对于正常投放的广告进行跟踪，识别上一实施例中遗漏的作弊广告请求。跟踪模块500包括标记单元501、接收单元502和核对单元503。广告投放中投放的广告内容通常为图片、流媒体和视频中的一种。图片是一幅单一的图片文件，而流媒体和视频均可以视为多张图片按时间序列排列形成的一种新的文件格式。标记单元501对于图片上的像素点进行标记。对于图片来说，标记单元501只标记一个像素点，即一个标记点。对于流媒体和视频来说，标记单元501在多个图片中选择性地在其中一张或多张图片上的一个或多个像素点进行标记，其中，一张图片上只标记一个像素点。当只对流媒体或视频中进行一个标记时，只需要对应的图片上选择一个像素点进行标记。当需要对流媒体或视频中进行多个标记时，需要从流媒体或视频中选择对应的多张图片，并在选择的每张图片上选择一个像素点进行标记。像素点的选择一般位于靠近边缘的位置，这样不会影响广告内容的展示。比如，需要对某一个视频第5秒进行标记时，标记单元501首先在视频中获取播放到第5秒时的图片，并在该图片上标记指定的一个像素点。再如，需要对某一个视频第5秒和第10秒进行标记时，标记单元501首先在视频中获取播放到第5秒时的图片和播放到第5秒时的图片，并在这两张图片上分别标记一个像素点。这样可以实现对流媒体或视频播放时间进行判断，从而识别有效的广告点击用户。
接收单元502接收展示中的广告的后续行为数据，即标记返回的用户行为数据及对应的链接。用户行为数据包括用户对广告的点击、下载和安装数据。在正常的用户点击行为中，最理想的情况是用户进行一次广告点击，之后进行一次下载操作，再进行一次安装操作，但也可能存在多次广告点击行为对应一次广告下载操作，或者广告下载完成后，间隔较长时间才执行安装操作。但在正常的用户行为数据中，一次下载对应的广告点击次数是有限的，而一次安装对应的下载次数也是有限的，而通过对用户行为的历史数据分析，可以分析出正常的用户行为数据的正常范围。因此核对单元503将接收单元502接收到的链接与广告请求进行核对，并将虚假点击比例超过阈值的广告请求标记为作弊请求，同时将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。核对单元503在将作弊请求信息添加到黑名单时，记录模块400会自动为写入的记录补上当前的时间信息，并将之视为该作弊请求的最后一次广告请求时间。核对单元503核对的信息为广告请求次数与后续用户行为次数的对比，包括请求次数与展示次数、请求次数与下载次数、请求次数与安装次数。
如图3所示的本发明第三实施例，区别于第二实施例，还包括更新模块600，用于将黑名单库中较长一段时间没有再次请求广告的信息从黑名单库中剔除。
具体地说，如果某一用户被劫持，则其ip和ua有可能会被用来在违背用户意愿的情况下进行广告作弊行为，而这样的用户的这种行为特征会在劫持结束后恢复到正常用户的行为特征，尤其是当用户将被劫持的漏洞补上之后。因此有必要对因为意外原因导致短时间内行为异常的用户保留一个恢复正常用户身份的机制。从用户点击行为的特征来看，当用户的被劫持情况消失后，用户对广告的点击率会恢复到正常水平。而由于正常用户对于广告的点击率通常较低，比如在5%以内，所以正常的用户会在较长一段时间内不会再对广告进行点击。基于这一规律，更新模块600以记录模块400记录的最后一次广告请求时间为基准计算，当黑名单库中的用户在预设的较长一段时间内都没有广告请求，就将该用户信息从黑名单库中删除。考虑到服务器的承受能力，更新模块600只在固定的时间间隔对黑名单库中的信息进行扫描判断。而由于广告请求具有周期性波动的特点，更新模块600在广告请求次数较少的时间段内进行。
相应地，如图4所示，本发明还提供了一种广告点击的反作弊方法，包括如下步骤。
s001.使用上述的获取模块接收并提取广告请求中的ip地址、id信息和ua信息。
在本步骤中，针对系统接收到的每一个广告请求都接收并提取ip地址、id信息和ua信息三种信息。通常广告请求会自带ip地址、id信息和ua信息，但也有部分广告请求缺失部分信息。如果广告请求缺失部分信息，则需要向终端请求所缺失的数据。本步骤中获取的这些信息是本方法中的关键数据，在本实施例中的每一步都需要根据这些数据进行相应的处理。
s002.使用上述的比对单元比对所述ip地址、id信息是否存在于黑名单库中。
在本步骤中，首先对新的广告请求与黑名单库中的信息进行比对，如果该广告请求已经被本系统识别为作弊请求，则可以在最短的时间内识别出该广告请求是作弊请求，从而可以节省后续的计算及判断过程。另一方面，相比于ip过滤需要在一定的点击次数之后才能判断为作弊请求，本方法可以在第一次广告请求时就发现作弊请求，从而节约了发现作弊请求的成本。
s003.使用上述的ip过滤单元判断同一ip在一段时间内点击次数是否超过阈值。
在本步骤中，由于同一ip用户在正常情况下在同一时间段内对同一广告的点击次数是有限的，所以通过这种方法可以过滤掉大部分的作弊请求。而由于通过ip大量点击的方法是最常见的作弊方式，因此这种方法能够应对大部分的作弊请求。
s004.使用上述的ua过滤单元比对请求ua与点击ua，并判断两者不一致的比例是否超过阈值。
在本步骤中，本方法只对同一用户有多次广告请求的情况有效。由于ua是依据用户的个性化信息，包括浏览器等特征，因此正常用户进行广告点击后，也有可能会导致浏览器跳转待行为，从而导致ua信息发生变化，故将请求ua与点击ua不一致的比例作为判断作弊请求的标准，而非出现不一致就判断为作弊请求。而对于作弊请求，由于点击及下载均为虚假信息，所以其请求ua信息与下载ua信息经常会出现不一致的情况，即不一致的比较很高，故本方法可以有效地判断出作弊请求。
s005.使用上述的过滤模块将所述识别模块识别出的作弊请求处理为无效请求，从而进行过滤。
在本步骤中，将步骤s003和s004识别出的作弊请求处理为无效请求，不将作弊请求发送给发送广告的系统，从而不响应于作弊请求。当步骤s003将广告请求识别为作弊请求时，直接跳到步骤s005。当步骤s003将广告请求识别为正常请求时，进行步骤s004，如果判断为作弊请求，进行步骤s005。如果步骤s004将广告请求识别为正常请求时，结束本方法。
s006.使用上述的记录模块将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
在本步骤中，将识别出的作弊请求信息添加到黑名单库中，可以使得来自该用户的作弊请求均被快速处理为无效请求，从而实现了对作弊请求的快速识别，并减小了服务器的运行压力。
如图5所示，作为上述方法的另一实施例，与上述方法不同的是，还包括如下步骤。
s007.使用上述的标记单元对广告内容添加标记；其中所述广告内容既可以是图片、流媒体，也可以是视频。
在本步骤中，对正常的广告展示进行监控，通过对广告展示内容的标记，可以获取最真实的广告展示效果，从而获得可信的展示数据。同时考虑到多种广告展示的需要，使用统一的标记，对于不同的广告内容可以快速标记。
s008.使用上述的接收单元接收所述标记返回的用户行为数据及对应的链接；其中，所述用户行为数据包括用户对广告的点击、下载和安装数据。
在本步骤中，通过步骤s007中的标记获得的点击、下载和安装数据可以很好地用来评判广告展示过程中的用户行为。
s009．使用上述的核对单元将所述接收单元接收到的所述链接与所述广告请求进行核对，并将虚假点击比例超过阈值的广告请求标记为作弊请求，同时将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
在本步骤中，通过对广告展示效果的分析，获得与广告请求的数据的对比数据，从而可以对广告是否是作弊广告再次进行判断。由于本步骤需要获得多次广告请求及展示数据，因此也需要在用户具有多次点击及下载数据后才可以进行。
如图6所示，作为上述方法的另一实施例，与上述方法不同的是，还包括如下步骤。
s010.使用上述的更新模块将黑名单库中较长一段时间没有再次请求广告的信息从黑名单库中剔除。
在本步骤中，通过定期地对黑名单库中的数据进行剔除，保证黑名单库中的数据都是较为活跃的作弊用户，从而实现了对黑名库中的数据释放功能，使得由于短期干扰因素而被识别为作弊请求的用户可以回归到正常用户群体，避免了黑名单库无限扩大导致的检索时间过长、响应速度变慢等问题。
以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。
1.一种广告点击的反作弊系统，其特征在于：包括获取模块、识别模块、过滤模块和记录模块；
所述获取模块，用于接收并提取广告请求中的ip地址、id信息和ua信息；
所述识别模块，用于根据广告请求的ip地址和ua信息判断所述广告请求是否是作弊请求；
所述过滤模块，用于将所述识别模块识别出的作弊请求处理为无效请求，从而进行过滤；
所述记录模块，用于将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
2.如权利要求1所述的一种广告点击的反作弊系统，其特征在于，所述识别模块包括：
比对单元，用于将所述ip地址、id信息分别与所述黑名单库中的ip地址、id信息进行比对；如果所述ip地址或id信息存在于黑名单库中，则将所述广告请求标记为作弊请求；
ip过滤单元，用于将同一ip在一段时间内点击次数超过阈值的广告请求标记为作弊请求；
ua过滤单元，用于比对请求ua与点击ua，并将两者不一致的比例超过阈值的广告请求标识为作弊请求。
3.如权利要求1所述的一种广告点击的反作弊系统，其特征在于，还包括跟踪模块，包括：
标记单元，用于对广告内容添加标记；其中所述广告内容既可以是图片、流媒体，也可以是视频；
接收单元，用于接收所述标记返回的用户行为数据及对应的链接；其中，所述用户行为数据包括用户对广告的点击、下载和安装数据；
核对单元，用于将所述接收单元接收到的所述链接与所述广告请求进行核对，并将虚假点击比例超过阈值的广告请求标记为作弊请求，同时将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
4.如权利要求3所述的一种广告点击的反作弊系统，其特征在于，所述标记单元添加的标记为一个或若干个像素点。
5.如权利要求3所述的一种广告点击的反作弊系统，其特征在于，所述核对单元核对的信息为广告请求次数与后续用户行为次数的对比，包括请求次数与展示次数、请求次数与下载次数、请求次数与安装次数。
6.如权利要求1所述的一种广告点击的反作弊系统，其特征在于，还包括更新模块，用于将黑名单库中较长一段时间没有再次请求广告的信息从黑名单库中剔除。
7.如权利要求6所述的一种广告点击的反作弊系统，其特征在于，所述更新模块以所述记录模块记录的最后一次广告请求时间为基准计算所述较长一段时间。
8.一种广告点击的反作弊方法，其特征在于，包括：
a.使用如权利要求1-7任一项所述的获取模块接收并提取广告请求中的ip地址、id信息和ua信息；
b.使用如权利要求1-7任一项所述的比对单元将所述ip地址、id信息分别与所述黑名单库中的ip地址、id信息进行比对；如果所述ip地址或id信息存在于黑名单库中，则将所述广告请求标记为作弊请求；
c.使用如权利要求1-7任一项所述的ip过滤单元将同一ip在一段时间内点击次数超过阈值的广告请求标记为作弊请求；
d.使用如权利要求1-7任一项所述的ua过滤单元比对请求ua与点击ua，并将两者不一致的比例超过阈值的广告请求标识为作弊请求；
e.使用如权利要求1-7任一项所述的过滤模块将所述识别模块识别出的作弊请求处理为无效请求，从而进行过滤；
f.使用如权利要求1-7任一项所述的记录模块将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
9.如权利要求8所述的一种广告点击的反作弊方法，其特征在于，还包括步骤：
g.使用如权利要求1-7任一项所述的标记单元对广告内容添加标记；其中所述广告内容既可以是图片、流媒体，也可以是视频；
h.使用如权利要求1-7任一项所述的接收单元接收所述标记返回的用户行为数据及对应的链接；其中，所述用户行为数据包括用户对广告的点击、下载和安装数据；
i．使用如权利要求1-7任一项所述的核对单元将所述接收单元接收到的所述链接与所述广告请求进行核对，并将虚假点击比例超过阈值的广告请求标记为作弊请求，同时将所述作弊请求的ip地址、id和ua信息添加到黑名单库中。
10.如权利要求9所述的一种广告点击的反作弊方法，其特征在于，还包括步骤：
j.使用如权利要求1-7任一项所述的更新模块将黑名单库中较长一段时间没有再次请求广告的信息从黑名单库中剔除。
技术总结