Google发布研究论文，披露其Ads系统已上线新型AI欺诈检测模型ALF。该模型相比此前方案实现显著突破，使关键政策检测率提升超40个百分点，特定政策精确度达99.8%。
ALF：多模态广告主大型基础模型
ALF（广告主大型基础模型）于2025年12月31日公开详情。作为一款多模态大模型，它能综合分析文本、图像、视频等创意素材，并结合账户年龄、账单信息及历史绩效等多维数据进行评估。
研究人员指出，单一因素往往难以判定账户风险，但多维度数据的交叉比对能更精准地识别广告主意图与潜在违规行为。例如，新注册账户投放知名品牌广告且支付曾被拒，单独看或许正常，组合分析则强烈暗示欺诈风险。
攻克三大技术挑战
异构与高维数据处理：有效整合结构化数据（如计费类型）与非结构化创意素材（图文视频），解决数百至数千个数据点带来的高维建模难题。
无界集创意素材分析：应对海量创意中隐藏个别恶意素材的场景，避免传统系统因负载过重而失效。
现实世界可靠性保障：生成可信置信分数以区分恶意意图与误报，确保系统在无需频繁重调的情况下稳定运行，保护合规广告主权益。
隐私安全与异常检测机制
尽管涉及账单历史等敏感信号，ALF在设计上严格执行隐私保护。所有个人身份信息（PII）在AI处理前均被剥离，确保模型仅基于行为模式而非个人隐私识别风险。
在检测逻辑上，ALF采用“样本间注意力”技术。通过对比大规模广告主批次间的交互特征，AI能够学习生态系统的正常活动基准，从而更精准地识别偏离常态的可疑异常值。
性能表现与生产落地
实验数据显示，ALF在公共基准测试及实际生产中均优于经过大量调优的基线模型。其在关键政策上的召回率提升超40个百分点，另一项政策精确率达99.8%，证明了其在真实环境下的有效性。
针对模型规模较大导致的延迟增加问题，研究人员表示当前响应时间仍在生产环境可接受范围内，且可通过硬件加速器进一步优化。鉴于ALF已在每日数百万次请求的大规模运营中提供实质性的风控提升，这种性能权衡具有合理性。
应用现状与未来展望
目前，ALF已部署于Google Ads安全系统，专门用于识别违反平台政策的广告主。未来研究或将引入时间动态因素以捕捉演变中的违规模式，并探索其在受众建模与创意优化领域的应用潜力。
相关研究成果详见论文《ALF：面向多模态广告主理解的大型广告主基础模型》。