2019 iFlytek 移动广告反欺诈算法挑战赛
队伍编号：人工执杖
赛事概要
一、赛题背景 讯飞AI营销云基于深耕多年的人工智能和大数据技术，赋予营销智慧创新的大脑，以健全的产品矩阵和全方位的服务，帮助广告主用AI+大数据实现营销效能的全面提升，打造数字营销新生态。
广告欺诈是数字营销面临的一个重大挑战，随着基础技术的成熟化（篡改设备信息、IPv4服务化、黑卡、接码平台等），广告欺诈呈现出规模化、集团化的趋势，其作弊手段主要包括机器人、模拟器、群控、肉鸡/后门、众包等。广告欺诈不断蚕食着营销生态，反欺诈成为数字营销领域亟待突破的关键问题。
二、赛事任务 移动广告反欺诈需要强大的数据作为支撑，本次大赛提供了讯飞AI营销云海量的现网流量数据作为训练样本，参赛选手需基于提供的样本构建模型，预测流量作弊与否。
三、评审规则
- 数据说明
本次比赛为参赛选手提供了5类数据：基本数据、媒体信息、时间、IP信息和设备信息。基本数据提供了广告请求会话sid，以及“是否作弊”的标识。媒体信息、时间、IP信息和设备信息等4类数据，提供了对作弊预估可能有帮助的辅助信息。
出于数据安全保证的考虑，所有数据均为脱敏处理后的数据。数据集提供了若干天的样本，最后一天数据用于预测，不提供“是否作弊”标识，其余日期的数据作为训练数据。
此次比赛分为初赛和复赛两个阶段，两个阶段的区别是所提供样本的量级有所不同，其他的设置均相同。
数据类别 变量 数值格式 解释
完: 基本数据 sid string 样本id/请求会话sid
完: 基本数据 label int 是否作弊
完: 媒体信息 pkgname string 包名(MD5加密)
完: 媒体信息 ver string app版本
完: 媒体信息 adunitshowid string 对外广告位ID（MD5加密）
完: 媒体信息 mediashowid string 对外媒体ID（MD5加密）
完: 媒体信息 apptype int app所属分类
完: 时间 nginxtime bigint 请求到达服务时间，单位ms
完: IP信息 ip string 客户端IP地址
完: IP信息 city string 城市
完: IP信息 province string 省份
完: IP信息 reqrealip string 请求的http协议头携带IP，有可能是下游服务器的ip
完: 设备信息 adidmd5 string Adroid ID的MD5值
完: 设备信息 imeimd5 string imei的MD5值
完: 设备信息 idfamd5 string idfa的MD5值
完: 设备信息 openudidmd5 string openudid的MD5值
完: 设备信息 macmd5 string mac的MD5值
完: 设备信息 dvctype int 设备类型 0 – 未知,1 – PC,2 – 手机, 3– 平板,4– 电视盒,5– 智能电视,6 – 可穿戴设备,7 – 智能家电,8 - 音箱,9 - 智能硬件
完: 设备信息 model string 机型
完: 设备信息 make string 厂商
完: 设备信息 ntt int 网络类型 0-未知, 1-有线网, 2-WIFI, 3-蜂窝网络未知, 4-2G, 5-3G, 6–4G
完: 设备信息 carrier string 运营商 0-未知, 46000-移动, 46001-联通, 46003-电信
完: 设备信息 os string 操作系统 : Android, iOS
完: 设备信息 osv string 操作系统版本
完: 设备信息 orientation int 横竖屏:0竖屏，1横屏
完: 设备信息 lan string 语言
完: 设备信息 h int 设备高
完: 设备信息 w int 设备宽
完: 设备信息 ppi int 屏幕密度
- 评估指标
本模型依据提交的结果文件，采用宏平均F1-score进行评价。
- 统计TP（正确预测作弊记录），FP（错将正常记录预测为作弊记录），FN（作弊记录预测为非作弊记录）；
- 通过第一步的统计值计算模型的precision和recall，计算公式如下：
- 通过第二步计算结果计算F1-score,得到最后评测结果，计算方式如下：
- 评测及排行
- 初赛和复赛均提供下载数据，选手在本地进行算法调试，在比赛页面提交结果；
- 每支团队每天最多提交3次；
- 排行按照得分从高到低排序，排行榜将选择团队的历史最优成绩进行排名；
四、作品提交要求 文件格式：按照csv格式提交； 文件大小：无要求； 提交次数限制：每支队伍每天最多3次； 文件详细说明：编码为UTF-8，第一行为表头； 不需要上传其他文件； 可点击左侧导航“赛题数据”，下载相应的提交示例文件
五、奖项设置&赛程规则
- 初赛
- 初赛截止成绩以团队在初赛时间段内最优成绩为准（不含测试排名）；
- 初赛作品提交截止日期为８月20日17:00；初赛名次公布日期为8月21日10:00；
- 复赛
- 排名前20%的团队晋级复赛，大赛官网将公示团队信息。选手通过大赛官网下载新增的训练集和开发集，本地调试算法，在线提交结果；
- 复赛成绩以参赛团队在复赛时间段内最优成绩为准；
- 复赛作品提交截止日期为９月20日17:00；复赛名次公布日期为９月21日10:00；
- 决赛
- 前三名团队将受邀参加科大讯飞全球1024开发者节并于现场进行决赛；
- 决赛以答辩（10min陈述+5min问答）的形式进行； 根据复赛成绩和答辩成绩综合评分（复赛成绩占比70%，现场答辩分数占比30%）。
- 各赛道TOP10选手将阶梯获得赛道奖金，第一名3万元、第二名2万元、第三名1万元、第四-第十名分别获得“算法菁英奖”2500元；
其他奖项
除对应奖金外，入围复赛的团队将获得定制Geek礼包、大赛入围证书、定制文化衫及科大讯飞全球1024开发者节通票等福利。
问题：
[IP信息] 一、[城市][city]
1、根据国标码，设置为编号，与省份一起提升了0.01
二、[省份][province]
1、根据国标码，设置为编号，与城市一起提升了0.01
[设备信息]
一、 [操作系统][os] 仅为：['Android' 'android']？
1、通过转换为小写，然后判断这列数据是否相同如果相同则删除掉, 否则返回.
二、 [横竖屏][orientation] 应该只能有0/1, 训练集中有 2, 测试集/训练集中有 90,
1、将90/2均转化为0, 提升幅度0.06左右.
三、 [语言][lan]
1、全部转化为小写字母
2、粗粒度
空值, 0
如果包含cn, 即为大陆 简体 1
如果包含tw, 即为台湾 繁体 2
如果包含hk, 即为香港 繁体 2
如果包含en, 则为外国 英语 3
如果包含zh, 则为大陆 简体 1
其他 4
四、[运营商][carrier]
1、 0 ‘1’
46000 ‘2’
46001 ‘3’
46003 ‘4’
-1 ‘5’