机器学习

机器学习 (ML) 是一个广义的术语，通俗地指让计算机学习，然后运用所学知识完成任务。在流量保护方面，机器学习用于分析每个访客的特征，以将其分类为合法访客或恶意访客。只要有足够的信息来训练学习模型，就可以非常精确地完成这一任务。

机器学习是指纹检测的完美解决方案。AdCloaking采用名为 VLA™ 的专有机器学习技术，该技术经过持续训练，能够检测到远超其初始内置标准的不良流量特征。

VLA™ 代表虚拟学习设备 (Virtual Learning Appliance)。它是机器学习技术的商标，为 AdCloaking最先进的过滤功能提供支持。简而言之，它就像一台自适应数学机器，能够观察传入流量，并从其指纹（每个指纹包含数千个特征）中发现可疑的重复模式，这些模式表明存在管理员、欺诈和其他恶意活动。VLA 不断自我学习，不断发展，并适应不断涌现的新型威胁。我们相信，VLA 是我们联盟营销领域最强大的武器，因为它能够洞察我们最初投入的远超预期。人类分析师可能忽略的漏洞，在精心编程的机器的严格数学审查下，永远无法逃脱。

指纹检查几乎可以 100% 地确定某个指纹属于某个机器人（管理员、间谍服务等），而 VLA 本质上是概率性的。真正的区别在于，指纹检查只涵盖我们已知的威胁，而 VLA 可以检测之前未知的危险。它会提取指纹，检查其中编码的每一个特征，并得出一个置信度百分比，就好像在说：“我有 97% 的把握，这个指纹属于你最好过滤掉的人！”

本质上，VLA 是一个自训练离散贝叶斯分类器，它维护着广泛的全局数据集（模板）和每个流的后代数据集（专业化）。这意味着它将随着时间的推移积累特定于流的知识，以适应 AdCloaking中每个特定流量流的特点。