Ongebegeleid leren is machine learning op gegevens zonder vooraf gedefinieerde labels. Algoritmen zoeken naar structuur: groepen van vergelijkbare records, ongebruikelijke uitschieters of samenvattingen met minder dimensies die grote datasets makkelijker te analyseren maken. Analisten interpreteren die patronen nog steeds voordat ze ze als segmenten of bedreigingen behandelen.
Veelgebruikte technieken zijn onder meer clustering (gegevens op basis van gelijkenis in groepen indelen), dimensiereductie (veel kenmerken samenvatten tot minder, terwijl belangrijke variatie behouden blijft) en anomaliedetectie (punten markeren die sterk afwijken van de norm). Voor geen van deze technieken is een kolom nodig met de tekst ‘fraude’ of ‘geen fraude’; het systeem leidt patronen af uit de invoergegevens alleen.
Wat doen onbegeleide methoden eigenlijk?
Voorbereiding blijft belangrijk. Het schalen van kenmerken, het omgaan met ontbrekende waarden en het kiezen van zinvolle invoergegevens bepalen of clusters of uitschieters zinvol zijn. Zakelijke interpretatie is nodig: een cluster is niet automatisch een klantsegment of een fraudering totdat iemand dat bevestigt.
Hoe dit aansluit bij verkeersanalyse
Ongesuperviseerde benaderingen helpen bij het opsporen van opkomende patronen wanneer er weinig labels zijn of het gedrag verandert. Zo kan het opsporen van afwijkingen plotselinge pieken of vreemde combinaties van IP-adressen, apparaten en tijdstippen aan het licht brengen die nader bekeken moeten worden, nog voordat analisten ze als verdacht gedrag bestempelen.
Deze methoden vormen vaak een aanvulling op begeleide modellen en regels. Een pijplijn kan onbegeleide scoring gebruiken om nieuwe aanvalspatronen aan het licht te brengen, waarna menselijke analisten of modellen verderop in de pijplijn labels toekennen voor toekomstige training. Die cyclus is belangrijk bij click fraud en advertentiefraude, waarbij de aanvaller zich in de loop van de tijd aanpast.
ClickPatrol evalueert verkeer met verschillende technieken, waaronder machine learning. Signalen in onbegeleide stijl kunnen helpen bij het opsporen van uitschieters die niet passen bij het normale verkeer van de site of campagne, naast scores van gelabelde modellen en heuristieken voor verdachte klikken. Wat de context betreft: het detecteren van bots op een site gaat verder dan één enkele leermethode. Voor meer achtergrondinformatie over geautomatiseerd verkeer, zie ‘Wat is een bot?’.
