#7-Новая AI-модель для выявления мошеннических рекламодателей. Правка

Google объяснил ошибку «Индекс без контента»

На главную

Идентификатор ссылки (англ.)	google-explains-page-indexed-without-content-error
Время создания:	11-01-2026 в 11:59:36
Время обновления:	12-01-2026 в 16:54:26
Статус:	Черновик

Описание

'#15. Новости : news';

'Seo_NewsController_actionUpdate_';

'#seo_news_update_';

Новая AI-модель для выявления мошеннических рекламодателей. Правка

Черновик

Почистить кэш новостей Экспресс-правка Разметка ред. Summernote ред. Quill ред. CKEditor ред. Trumbowyg ред. Imperavi ред. Jodit

Общая информация

Название

id (статус)	203 (1)
Идентификатор ссылки (англ.)	google-ads-using-new-ai-model-to-catch-fraudulent-advertiser
Сайт (ID сайта)	. #3
Смотреть на сайте	https://panel.kb77.ru/news/google-ads-using-new-ai-model-to-catch-fraudulent-advertiser/
Время последнего обновления	12-01-2026 в 16:57:50
Ссылка в БД	https://shopnseo.ru/news/google-ads-using-new-ai-model-to-catch-fraudulent-advertiser/

Ссылка на чужой ресурс при необходимости. Не обязательно.

Картинка для новости с чужого ресурса при необходимости. Не обязательно.

Полный текст < > & " ' « » – — … • · ← → ↑ ↓ ↔

Юридические: © ® ™

Валюты: € £ ¥ ¢

Типографика: § ¶ ° ± × ÷

Дроби: ½ ⅓ ⅔ ¼ ¾ ⅛ ⅜ ⅝ ⅞

Греческие: α β γ δ ε λ μ π σ ω Δ Σ Ω

Математические: ≈ ≠ ≤ ≥ ∞ √ ∑ ∫ ∂ ∇

Google Ads незаметно внедрил новую мощную AI-модель, которая значительно эффективнее выявляет нарушения правил и вредоносную активность в рекламной системе.
Google опубликовал исследовательскую работу, посвящённую новой модели искусственного интеллекта для обнаружения мошенничества в Google Ads. Согласно документу от 31 декабря 2025 года, модель уже используется в продакшене. Результаты впечатляющие: рост показателя выявления нарушений более чем на 40 процентных пунктов и точность до 99,8% по отдельным политикам.
ALF &mdash; Advertiser Large Foundation Model
Новая модель получила название ALF (Advertiser Large Foundation Model). Это мультимодальная foundation-модель, которая анализирует текст, изображения и видео, а также дополнительные сигналы &mdash; возраст аккаунта, платёжные данные и исторические показатели эффективности.
Исследователи подчёркивают, что по отдельности такие сигналы могут не указывать на проблему. Однако их совместный анализ позволяет гораздо точнее понять поведение и намерения рекламодателя.
Как отмечается в исследовании, ключевая задача рекламной экосистемы &mdash; корректно и эффективно определять намерения и поведение рекламодателей. Это важно как для показа релевантной рекламы, так и для выявления мошенничества и нарушений правил. Для решения задачи требуется комплексный подход, учитывающий структурированные данные аккаунта, креативы разных форматов и контент целевых страниц.
В качестве примера приводится ситуация, когда у рекламодателя недавно созданный аккаунт, реклама крупного известного бренда и один отказ по банковской карте. Каждый из этих факторов по отдельности может быть безобиден, но их совокупность с высокой вероятностью указывает на мошенническую схему.
Проблемы, которые не решали прежние системы
Разработчики выделили три ключевых ограничения предыдущих моделей:
<ol>
<li>
Разнородные и высокоразмерные данные Данные рекламодателей представлены в разных форматах &mdash; от структурированной информации об аккаунте до неструктурированных креативов. Кроме того, каждый рекламодатель описывается сотнями или тысячами параметров, что усложняет анализ для традиционных моделей.
</li>
<li>
Неограниченное количество креативов Рекламодатели могут загружать тысячи изображений или видео, скрывая вредоносные материалы среди большого объёма &laquo;чистого&raquo; контента. Старые системы плохо справлялись с такими сценариями.
</li>
<li>
Надёжность и доверие в реальных условиях Модель должна выдавать точные и надёжные оценки риска, поскольку ложные срабатывания вредят добросовестным рекламодателям. Система также должна стабильно работать без постоянной ручной перенастройки.
</li>
</ol>
Приватность и безопасность данных
Хотя ALF анализирует чувствительные сигналы, такие как платёжная история и данные аккаунта, Google подчёркивает строгие меры защиты приватности. Перед обработкой все персональные данные удаляются, и модель оценивает риски исключительно на основе поведенческих паттернов.
Как модель выявляет подозрительных рекламодателей
Одной из ключевых технологий ALF является Inter-Sample Attention. Вместо анализа каждого рекламодателя изолированно модель сравнивает большие группы аккаунтов между собой. Это позволяет лучше понимать, какое поведение считается нормальным в экосистеме, и точнее выявлять аномалии и подозрительные отклонения.
ALF превосходит предыдущие решения
По результатам тестов ALF значительно превзошёл тщательно настроенные продакшен-модели:
В рабочей среде ALF показал одновременный рост точности и полноты, увеличив recall более чем на 40 процентных пунктов по одной из ключевых политик и достигнув 99,8% precision по другой.
Хотя из-за большего размера модели увеличилась задержка обработки запросов, она остаётся в допустимых пределах для продакшена и может быть дополнительно оптимизирована с помощью аппаратных ускорителей. ALF уже обслуживает миллионы запросов ежедневно.
Где используется ALF сейчас
На данный момент ALF внедрён в систему безопасности Google Ads для выявления рекламодателей, нарушающих правила. Нет признаков того, что модель используется в поиске или Google Business Profiles. В будущем Google планирует развивать модель с учётом временных факторов, а также применять её для моделирования аудиторий и оптимизации креативов.

Скопировано в буфер!

Вставлено из буфера!

Новая AI-модель для выявления мошеннических рекламодателей. Правка

Дополнительные символы