چگونه Google Maps از یادگیری ماشینی برای مبارزه با مشارکت‌های جعلی استفاده می‌کند

بیش از یک میلیارد نفر هر ماه برای پیمایش و کاوش در جهان به Google Maps متکی هستند. یکی از راه‌هایی که Maps را مفید و به روز نگه می‌داریم، محتوای ارائه‌شده است – چیزهایی مانند ویدیوها، نظرات و رتبه‌بندی‌ها – که می‌تواند به شما کمک کند بهترین رستوران شهر را پیدا کنید یا حتی یک لوله‌کش پیدا کنید. محتوای مشارکتی می‌تواند فوق‌العاده مفید باشد، اما گاهی اوقات کلاهبرداران محتوای تقلبی را برای سود پولی ارسال می‌کنند. امروز، ما به دو نمونه جدید از نحوه استفاده از فناوری در کنار تحلیلگران خبره خود خواهیم پرداخت تا محتوای جعلی را اغلب قبل از انتشار از Maps دور نگه داریم. همچنین پیشرفتی را که در سال 2022 انجام دادیم به اشتراک خواهیم گذاشت تا Maps برای همه ایمن نگه داشته شود.

چگونه یادگیری ماشینی به کاهش محتوای بد کمک می کند

  • کشف الگوهای سوء استفاده سریعتر: ما مدت‌هاست که از هوش ماشینی برای کمک به شناسایی الگوهای سوء استفاده احتمالی استفاده می‌کنیم و به تکامل فناوری خود ادامه می‌دهیم. سال گذشته، به‌روزرسانی قابل‌توجهی را برای مدل‌های یادگیری ماشینی خود راه‌اندازی کردیم که به ما کمک کرد روند سوء استفاده جدید را چندین برابر سریع‌تر از سال‌های گذشته شناسایی کنیم. برای مثال، سیستم‌های خودکار ما یک افزایش ناگهانی در نمایه‌های کسب‌وکار با وب‌سایت‌هایی که به .design یا .top â € ختم می‌شدند شناسایی کردند، چیزی که تشخیص دستی آن در میلیون‌ها نمایه دشوار است. تیم تحلیلگران ما به سرعت تأیید کردند که این وب سایت ها جعلی هستند – و ما توانستیم آنها را حذف کنیم و حساب های مرتبط را به سرعت غیرفعال کنیم.
  • حذف تصاویر تقلبی: در برخی مکان‌ها، کلاهبرداران شروع به پوشاندن شماره‌های تلفن نادرست روی عکس‌های ارسالی کردند، به این امید که قربانیان ناآگاه را فریب دهند تا به جای تجارت واقعی، با کلاهبردار تماس بگیرند. برای مبارزه با این مشکل، ما یک مدل یادگیری ماشین جدید را به کار بردیم که می‌توانست اعدادی را که روی تصاویر ارائه شده با تجزیه و تحلیل جزئیات بصری خاص و طرح‌بندی عکس‌ها پوشانده شده‌اند، تشخیص دهد. با استفاده از این مدل، اکثریت قریب به اتفاق این تصاویر جعلی و خط‌مشی را قبل از انتشار با موفقیت شناسایی و مسدود کردیم.

پیشرفت ما در سال 2022

در سال 2022، مدل‌های جدید یادگیری ماشینی همراه با تکنیک‌های پیشرفته خودکار و دستی ما به ما کمک کرد تا محتوای جعلی بیشتری را حذف کنیم. در اینجا چند روش دیگر برای مبارزه با محتوای جعلی در طول سال آورده شده است:

  • ما مسدود یا حذف شد 115 میلیون بررسی ناقض سیاست، با اکثریت آنها قبل از دیده شدن گرفتار شده اند. به لطف مدل های به روز شده خود، بیش از 20٪ بیشتر از سال 2021 نظرات جعلی را حذف کردیم.
  • تکنیک‌های ما مسدود یا حذف شدند 200 میلیون عکس و 7 میلیون ویدیو تار، با کیفیت پایین یا خط‌مشی‌های محتوای ما را نقض می‌کردند.
  • همانطور که بازیگران بد به توسعه استراتژی خود ادامه می دهند، ما متوقف شدیم 20 میلیون تلاش برای ایجاد نمایه های کسب و کار جعلی، که 8 میلیون بیشتر از سال 2021 است. ما همچنین محافظت هایی را برای بیش از بیش از 185000 کسب و کار پس از شناسایی فعالیت های مشکوک و سوء استفاده.

علاوه بر این، ما برای مبارزه با عوامل مخربی که خط‌مشی‌های ما را نقض می‌کنند، اقدامات قانونی انجام دادیم و بهترین شیوه‌های خود را با سازمان‌های دولتی به اشتراک می‌گذاریم تا راه‌حل‌های پایدار برای کل صنعت پیدا کنیم.

  • ما شکایتی تنظیم کردیم که با موفقیت گروهی از کلاهبرداران را که از طریق تماس های بازاریابی تلفنی جعل هویت گوگل را جعل می کردند و سعی می کردند نظرات جعلی را به صورت آنلاین بفروشند، از بین بردیم. این بر اساس اقدامات قانونی قبلی ما علیه کلاهبرداران اینترنتی و عملیات بدافزار است.
  • ما همچنین بینش خود را با FTC و نهادهای دولتی در سراسر جهان به اشتراک می گذاریم تا با بررسی های جعلی و سایر تأییدیه های فریبنده در سراسر صنعت مقابله کنیم.

در حالی که ما در این زمینه پیشرفت زیادی کرده‌ایم، می‌دانیم که کلاهبرداران به تکامل خود ادامه می‌دهند و ما نیز خواهیم کرد. تیم‌های ما به کار شبانه روزی و سرمایه‌گذاری بر روی جدیدترین فناوری ادامه می‌دهند تا محتوای ارائه شده در Google Maps را معتبر، ایمن و قابل اعتماد نگه دارند.

سئو PBN | خبر های جدید سئو و هک و سرور