🖱️ Rilevatore di frodi sui clic pubblicitari — Legge di Benford dal vivo

La Legge di Benford afferma che per molti insiemi di dati numerici naturali e multiscala, la prima cifra (iniziale) d non è distribuita uniformemente tra 1 e 9 ma segue P(d) = log₁₀(1 + 1/d) — quindi circa il 30,1% dei valori inizia con 1, il 17,6% con 2, fino a solo il 4,6% che inizia con 9. Emerge ogni volta che la grandezza sottostante copre diversi ordini di grandezza e il suo logaritmo è approssimativamente distribuito in modo uniforme, esattamente ciò che accade con i conteggi di clic pubblicitari organici aggregati su campagne di dimensioni, budget e portata molto diverse. I dati falsificati — generati scegliendo numeri in un intervallo ristretto per sembrare plausibili — non hanno questa struttura multiscala, quindi non riescono a riprodurre la proprietà log-uniforme e le loro cifre iniziali si discostano dalla curva attesa di Benford.

Per ogni fonte di traffico tabuliamo quanti dei suoi N valori di conteggio clic hanno ciascuna cifra iniziale da 1 a 9, ottenendo i conteggi osservati O(d). Calcoliamo il conteggio atteso secondo la Legge di Benford come E(d) = N × log₁₀(1 + 1/d). La statistica del chi-quadro è χ² = Σ (O(d) − E(d))² / E(d), calcolata dal vivo sui dati simulati effettivi a ogni rigenerazione — nulla è precalcolato. Con 9 categorie di cifre ci sono 8 gradi di libertà, e il valore critico standard per un livello di significatività del 5% è 15,507; le fonti la cui statistica del chi-quadro supera quella soglia vengono segnalate come statisticamente incoerenti con un traffico genuino e naturalmente scalato.

Le fonti genuine estraggono i conteggi di clic da un processo moltiplicativo log-uniforme: la scala di base è 10 elevato a un esponente uniformemente casuale tra 1 e circa 5,2 (quindi le grandezze vanno da decine a centinaia di migliaia), moltiplicato per rumore lognormale che rappresenta la variazione giornaliera della campagna. Poiché l'esponente è uniforme, le cifre iniziali risultanti seguono da vicino la Legge di Benford, rispecchiando il comportamento del traffico web reale aggregato. Le fonti fraudolente invece estraggono i conteggi in modo uniforme da una fascia numerica ristretta, ad esempio da 500 a 900 clic — uno schema tipico di click farm o bot che cercano di sembrare un volume stabile e plausibile, il che matematicamente non può riprodurre una distribuzione logaritmica delle cifre iniziali.

Il chi-quadro è sensibile alla dimensione del campione N — con dati sufficienti, anche deviazioni minime e praticamente irrilevanti diventano statisticamente significative. La deviazione assoluta media, MAD = (1/9) × Σ |frazione osservata(d) − P(d)|, misura l'entità media della deviazione stessa, indipendentemente da N. Gli analisti delle cifre (seguendo le convenzioni di contabilità forense di Nigrini) considerano un MAD inferiore a circa 0,006 come conformità stretta, 0,006–0,012 come accettabile, 0,012–0,015 come marginale, e oltre 0,015 come non conformità. Riportare entrambe le statistiche insieme — il chi-quadro per la significatività statistica e il MAD per l'entità dell'effetto — offre un quadro più completo di ciascuna presa singolarmente.

No — la Legge di Benford è un'euristica di screening, non una prova. Alcuni set di dati genuini non risultano conformi perché sono vincolati a un intervallo ristretto per motivi legittimi (ad esempio, una piccola campagna a budget fisso che acquista sempre un numero simile di clic), e alcuni dati falsificati possono essere costruiti per imitare deliberatamente una distribuzione logaritmica. Nel rilevamento reale delle frodi pubblicitarie, un risultato significativo del chi-quadro sui conteggi di clic è uno dei tanti segnali — insieme a schemi temporali dei clic, impronte digitali dei dispositivi, reputazione IP e anomalie del tasso di conversione — che gli analisti usano per stabilire quali fonti di traffico meritano un'indagine più approfondita.

Le barre osservate si animano dolcemente verso la loro nuova altezza target ogni volta che i dati sottostanti cambiano — ad esempio quando alterni una fonte tra genuina e fraudolenta, cambi la dimensione del campione, o clicchi Ricampiona. Si tratta puramente di un effetto visivo di transizione per la leggibilità; la statistica del chi-quadro e il p-value mostrati nel pannello laterale sono sempre calcolati direttamente dai dati finali e stabilizzati, non dal fotogramma animato intermedio.