为了处理令人厌恶的虚假程序,Google 拿出了自己的杀手锏

摘要

数量已经足够丰富的当下,人们需要的恰恰就是更优质的筛选,AI 技术恰好能做的更好。

《旅行青蛙》风靡国内之后,不论苹果应用商店 App Store 还是谷歌的 Google Play,都出现了不少山寨应用。

如果你曾留意过,会发现它们往往披着原版游戏的外衣,做着诱骗你付费下载(或者窃取隐私)的勾当,在被骗钱骗时间之外,其实是对正版开发者和用户双方的共同伤害。不止《旅行青蛙》,很多现象级应用都曾出现过类似的情况。


通常情况下,在官方审核通过,上线市场之后,一款 App 究竟是不是和介绍中一样是很难判断的。人们往往只有下载使用之后才会发现自己上了当,这就给不少图谋不轨的开发商一个「捞一票就走」的机会。现在,Google 尝试利用 AI 技术来解决这一顽疾。

在 1 月 30 日 Google 开发者博客中,Google 公布了他们在 2017 年利用新的机器学习技术来改变 Google Play 存在的问题。其中最重要的一方面,就是在用户尚未下载之前,提前发现一些不良 App 并做出处理。

不论是 Google 还是苹果,每天都有大量 App 进入商店,在过去的规则之下,难免会有一些钻空子的 App 进去商城,利用机器学习技术,可以直接对下面几种类型应用做出判断:

首先是山寨应用。这或许是最被大家熟悉并且讨厌的类型。一般而言,这种应用会在关键字上做出一些很「鸡贼」的设定从而获取到第时间搜索的流量,并引诱大家安装。利用机器学习技术,在对 App 图标和内容描述进行甄别后,Google 在 2017 年识别检测出 25 万个山寨 App。


第二大类就是不健康应用。有大量涉及血腥、极端暴力以及反社会非法内容,在人工审核的状态下难以发现,利用机器学习模型,可以帮助发现这些应用,并发现开发者相关信息,从而在上线之前即时有效的标记出这些内容。


第三种则是潜在有害应用。如果说前两类是在内容上让用户可感知的危害,那么潜在有害应用的危害用户不易觉察,类似于木马和钓鱼程序,它们往往会在用户使用之后损害设备,比如进行 SMS 欺诈,偷偷传输设备数据等。尽管这类程序数量并不算多,但鼓秋为了发现他们需要花很多时间,通过机器学习的算法,针对一些相关信息的过滤,Google 在 2017 年对 PHA 的拦截效率提升了 50%。


根据 statista 的数据,2017 年度,Google Play 应用数量超过 350 万个,App Store 也有 220 万个,无论对 Google 还是苹果而言,当下应用商店繁荣背后,对用户来说是既丰富却不友好的体验。

一方面,用户在海量 App 中发现自己需要的东西需要耗费大量时间,另一方面,充斥低质量的 App 也会另优秀开发者失去信心,损害不少开发者的利益。Google 利用机器学习技术要解决的也正是这些问题,如 Google Play 产品经理 Andrew Ahn 所说,新技术不仅删除了更多不好的 App,也更早识别并采取行动。有 99% 的不合格 App 如今都能在安装之前被发现并拒绝上架。

iPhone 实际上也在尝试解决这些方面的问题,在 iOS 10 更新中,对 App Sotre 的改版不但增加了每日推荐的卡片式内容,同时在推荐时也尝试进行更加精细化介绍,防止出现上边的情况。但这样的人工干预如果能够进一步配合机器学习的过滤,更能让用户产生良好体验。

至于国内用户,在 iPhone 之外的大量 Android 用户。第三方应用市场是否会有相应的办法提高上架应用质量,同时降低潜在风险,恐怕需要做的还很多。(编辑:Rubberso)

头图来自视觉中国,文图来自 android-developers

最新文章

极客公园

用极客视角,追踪你最不可错过的科技圈。

极客之选

新鲜、有趣的硬件产品,第一时间为你呈现。

顶楼

关注前沿科技,发表最具科技的商业洞见。