下面介绍Google Adsense系统如何从系统角度出发防止点击欺骗，希望对其它的在线广告系统防止虚假点击能有很好的指导作用：

  1] 点击率 ＝ 点击次数／共浏览的次数。
  点击率是一个判断是否有无fraud clicks的关键的方法，可以想像一个网站上的广告的点击率超过10%将意味这什么。
  #of Click/# of Viewed

  2] 点击覆盖率／独立IP ，这个分布里如果有；单个IP 的（点击／浏览）＝点击覆盖率超出了3倍的系统误差范围内将有作弊的嫌疑。
  例子，例如来自 129.119.200.1 的用户浏览了 16个网页，点击了4个广告，而整个广告的点击率「从[1]里计算的到」是5%，那么计算得到： %5 X 16 =~ 1，方差为Sqrt(1) = 1，点击覆盖率＝4/1 = 4 ，根据数学上高斯分布，这种概率小于万分之一。
  Ratio VS IP distribution ND

  3] 点击率『点击覆盖率』／IP／时间
  根据时间序列对点击率进行分析，如果在某一个时间段上有明显的峰值，那么这将以为着有潜在的欺骗点击的可能。
  Ratio VS time O

  4] 网页load的时间和 广告点击时间差的分析，以及每两次click之间时间差序列的分析 妳核徘鲀o?
[网页load的时间和 广告点击时间差] 应该是一个泊松分布 possion distribution，而每两次click之间的时间差也应该是一个Possion distribution，如果这个时间用秒记，大于25秒的话基本上呈现高斯分布的形状。
  [time of loading - time of click] distribution VS Possion 4$
  [time difference of two clicks] distribution VS Possion/Gaussion

  5] 针对Proxy点鞯姆治?
  改变IP进行点击可以说在以往是最难以解决最难以发现作弊方式，大概国人进行Alexa的Boost时就多半采用了Proxy进行虚假点击的方法，可是这里只要通过反向监查IP的来源是否是带有Proxy功能的服务器就可以知道了。
Reverse Proxy check

  6] 针对 http_agent的分析
  Http_agent／时间 的时间序列的分析，峰值超过3方差需要审查

  7] 针对 http_referral 的分析
  referral／时间 的时间序列的分析 ，峰值超过3方差需要审查

  8] 整体效果上还有一个非常有用的量：
  所有用户的有效的每千次展示费用的均值／独立IP
  这个将能更加直接找到spam clicking 的运行计算机并且予以封杀。