Как Google использует историю поисковых запросов на платформе для выявления пиратского контента, обходящего автоматические фильтры (Content ID)

Термины и определения

Candidate Media Item (Кандидатный медиа-элемент)

Медиа-элемент, найденный в тех же результатах поиска, что и ранее удаленный элемент. Рассматривается как потенциально совпадающий с эталоном.

Circumventing Actions (Действия по обходу)

Намеренные модификации контента пользователем (например, обрезка, добавление рамок) с целью обмануть систему автоматического анализа контента.

Content Matching Classifier (Классификатор совпадения контента)

Компонент, выполняющий сравнение контента кандидата с эталоном. Может использоваться для вторичной проверки с более низким порогом совпадения (Content Matching Threshold).

Factors / Additional Factors (Факторы / Дополнительные факторы)

Неконтентные сигналы, используемые для оценки вероятности того, что кандидат является модифицированной копией. Включают возраст канала, историю удалений, индикаторы спама и т.д.

Factor Analyzer (Анализатор факторов)

Компонент, оценивающий вероятность совпадения на основе Factors.

Media Hosting Platform (Медиа-хостинговая платформа)

Платформа для обмена контентом (например, YouTube).

Media Matching Engine (Система сопоставления медиа)

Основная система, описанная в патенте, которая выполняет анализ поисковых запросов для поиска совпадающего контента.

Reference Media Item (Эталонный медиа-элемент)

Оригинальный медиа-элемент, предоставленный владельцем, используемый для сравнения.

Removed Media Item / First Media Item (Удаленный / Первый медиа-элемент)

Медиа-элемент, который ранее был удален с платформы из-за совпадения с эталоном. Служит отправной точкой для анализа.

Search History (История поиска)

Данные, содержащие выполненные поисковые запросы, полученные результаты поиска и количество просмотров (Viewcount) этих результатов пользователями.

Ключевые утверждения (Анализ Claims)

Claim 1 (Независимый пункт): Описывает основной метод обнаружения контента, обходящего фильтры.

1. Идентификация первого медиа-элемента, который был удален с платформы, так как анализ контента показал его совпадение с эталонным элементом.
2. Идентификация признака того, что один или несколько дополнительных медиа-элементов не были идентифицированы как совпадения из-за действий по обходу (circumventing actions). Этот шаг включает:
   1. Идентификацию поискового запроса, связанного с первым (удаленным) элементом на основе истории поиска.
   2. Определение того, что дополнительные медиа-элементы также присутствовали в результатах этого поискового запроса.
3. Анализ этих дополнительных медиа-элементов на основе дополнительных факторов (additional factors) для выявления подмножества, которое, вероятно, было подвергнуто действиям по обходу.
4. Предоставление этого подмножества правообладателю для принятия решений.

Критически важно, что Claim 1 явно перечисляет additional factors: возраст канала (channel age), владелец канала, количество связанных каналов, трафик канала, количество подписчиков, активность канала, спам-индикатор (spam indicator), история удалений медиа-элементов (media item removal history) или соотношение аудио к видео.

Claim 4 (Зависимый от 1): Уточняет метод выбора поискового запроса.

Запрос выбирается, если общее количество связанных с ним медиа-элементов, которые были удалены с платформы (по любым запросам на удаление), превышает первый порог. Это позволяет фокусироваться на запросах с высоким «пиратским потенциалом».

Claim 5 (Зависимый от 1): Уточняет альтернативный метод выбора поискового запроса.

Запрос выбирается, если количество пользователей, просмотревших первый (удаленный) медиа-элемент именно из результатов этого запроса, превышает второй порог. Это позволяет фокусироваться на популярных путях доступа к нарушающему контенту.

Claim 8 (Зависимый от 1): Уточняет процесс идентификации подмножества.

Выполняется сравнение контента дополнительного медиа-элемента с эталонным. Элемент добавляется в подмножество, если уровень совпадения контента превышает заданный порог (specified match threshold). Патент предполагает, что этот порог может быть ниже стандартного.

Claim 9 (Независимый пункт): Описывает систему, аналогичную Claim 1, но с автоматическим выполнением действий.

Система выполняет те же шаги анализа, что и в Claim 1 (идентификация удаленного элемента, анализ истории поиска, анализ факторов риска), но вместо предоставления результатов владельцу для ручной проверки, она автоматически выполняет действие в отношении выявленного подмножества в соответствии с правилами (rules), указанными владельцем.

Где и как применяется

Этот патент не относится к архитектуре веб-поиска Google (Web Search). Он описывает систему модерации и защиты авторских прав, работающую на медиахостинговой платформе (например, YouTube) и использующую данные ее внутреннего поиска и систем аналитики.

INDEXING – Индексирование (В рамках платформы)
На этом этапе платформа индексирует контент и, что важно для этого патента, извлекает и сохраняет неконтентные сигналы (Factors) для каждого медиа-элемента и канала (возраст, активность, история нарушений).

RANKING / QUNDERSTANDING (В рамках платформы)
Поисковая система платформы обрабатывает запросы и ранжирует результаты. В процессе этой работы генерируется и сохраняется детальная Search History (логи запросов, результатов и просмотров).

Система Модерации (Вне основного потока поиска)
Описанный Media Matching Engine работает асинхронно или по расписанию, анализируя данные, собранные на предыдущих этапах.

• Входные данные:
  • База данных удаленных медиа-элементов (Removed Media Item).
  • База данных эталонных медиа-элементов (Reference Media Item).
  • История поисковых запросов платформы (Search History).
  • Неконтентные факторы (Factors).
• Выходные данные:
  • Список кандидатных медиа-элементов (Candidate Media Item) для проверки.
  • Автоматические действия (удаление, блокировка) согласно Owner Rules.

На что влияет

• Конкретные типы контента: Медиаконтент, подверженный пиратству и часто искомый пользователями: фильмы, музыкальные клипы, ТВ-шоу, спортивные трансляции.
• Конкретные ниши или тематики: Киноиндустрия, музыка, спорт.
• Специфические запросы: Запросы, которые часто используются для поиска нелегального контента (например, содержащие "смотреть онлайн", "полный фильм", "бесплатно").

Когда применяется

• Триггеры активации: Идентификация медиа-элемента, который был удален с платформы (Removed Media Item). Анализ может быть ограничен временным окном (Time Threshold, например, последние 3 месяца), чтобы обеспечить актуальность поисковых трендов.
• Условия применения: Наличие достаточного количества данных в истории поиска, связанных с удаленным объектом.
• Пороговые значения: Применяются пороги для определения значимости поискового запроса (Порог 1 по количеству удалений, Порог 2 по количеству просмотров).

Пошаговый алгоритм

Процесс работы Media Matching Engine:

1. Идентификация удаленного элемента: Система идентифицирует первый медиа-элемент, удаленный с платформы из-за совпадения с эталоном.
2. Идентификация релевантных поисковых запросов: Query Analyzer анализирует Search History и находит поисковые запросы, в результатах которых присутствовал удаленный элемент.
3. Фильтрация поисковых запросов (Валидация): Выбранные запросы проверяются по критериям значимости:
   • Критерий 1 (Популярность): Превышает ли количество пользователей, просмотревших удаленный элемент через этот запрос, заданный порог (Claim 5).
   • Критерий 2 (Токсичность): Превышает ли общее количество ранее удаленных элементов, связанных с этим запросом, заданный порог (Claim 4).
4. Получение кандидатов: Candidate Media Determiner получает список других медиа-элементов (кандидатов), которые также присутствовали в результатах валидированных запросов.
5. Фильтрация кандидатов (Отбор подмножества): Система отбирает подмножество кандидатов для дальнейших действий, используя комбинацию методов:
   • Фильтр исключений (Exclusion Filter): Исключение элементов, принадлежащих доверенным владельцам.
   • Анализ факторов (Factor Analyzer): Оценка вероятности обхода защиты с помощью неконтентных сигналов (Factors): возраст канала, история нарушений, индикаторы спама и т.д.
   • Контент-анализ (Content Matching Classifier) (Опционально): Сравнение контента кандидата с эталоном с использованием заданного (возможно, пониженного) порога совпадения (Claim 8).
6. Выполнение действий: Actions Module выполняет одно из действий:
   • Предоставление отобранного подмножества владельцу эталона для ручной проверки (Claim 1).
   • Автоматическое выполнение действий (удаление, блокировка) в соответствии с правилами владельца (Owner Rules) (Claim 9).

Какие данные и как использует

Данные на входе

Патент фокусируется на использовании логов поиска и метаданных платформы.

• Поведенческие факторы (Критические):
  • Search History: Журналы поисковых запросов на платформе.
  • Viewcount: Количество просмотров медиа-элемента, полученных непосредственно из результатов конкретного поискового запроса.
• Метаданные и Факторы (Additional Factors): Система использует широкий спектр неконтентных сигналов для оценки риска (перечислены в Claim 1):
  • Возраст канала (channel age).
  • Владелец канала (channel owner) и количество связанных каналов у владельца.
  • Трафик канала (channel traffic) и количество подписчиков.
  • Активность канала (channel activity).
  • Индикатор спама (spam indicator).
  • История удалений медиа-элементов (media item removal history).
• Мультимедиа/Технические факторы:
  • Размер медиа-элемента (size of media item).
  • Соотношение аудио к видео (audio to video ratio).

Какие метрики используются и как они считаются

• Первый порог (Threshold 1, Claim 4): Минимальное количество уже удаленных медиа-элементов, связанных с поисковым запросом, чтобы считать его значимым.
• Второй порог (Threshold 2, Claim 5): Минимальное количество пользователей, которые просмотрели удаленный элемент, придя из результатов поиска по запросу.
• Вероятность совпадения (Likelihood of match): Оценка, рассчитываемая Factor Analyzer на основе Factors. Патент упоминает, что факторам могут присваиваться веса для расчета общего балла.
• Порог совпадения контента (Content Matching Threshold): Процент совпадения контента, используемый для дополнительной валидации. Может быть ниже стандартного порога.

1. Борьба с обходом фильтров с помощью поведения пользователей: Патент описывает конкретный механизм для борьбы с модификацией контента (circumventing actions). Система использует "мудрость толпы" в поиске: если пользователи ищут определенный контент (например, фильм), то результаты поиска с высокой вероятностью будут содержать этот контент, даже если он технически модифицирован.
2. Использование неконтентных сигналов для классификации: Система опирается на метаданные (Factors) и поведенческие сигналы (Search History), когда анализ самого контента неэффективен или был обойден.
3. Критерии оценки надежности канала/автора: Патент явно перечисляет факторы (additional factors), используемые для идентификации подозрительной активности: возраст канала, история спама, история удалений и т.д. Это ценный список сигналов, которые Google ассоциирует с низким качеством или манипулятивным поведением на платформе.
4. Адаптивные пороги сопоставления: Система может использовать более низкие пороги Content Matching для контента, который уже помечен как подозрительный на основе неконтентных сигналов, что повышает эффективность обнаружения.
5. Инфраструктурный характер: Это инструмент для внутренних нужд платформы (модерация, защита авторских прав), а не алгоритм, влияющий на ранжирование в поиске для пользователей.

ВАЖНО: Патент является инфраструктурным и описывает внутренние процессы модерации на медиахостинговой платформе (например, YouTube). Он не дает прямых рекомендаций для традиционного веб-SEO. Анализ ниже сфокусирован на YouTube SEO (VSEO) и стратегиях создания контента на платформе.

Best practices (это мы делаем)

• Построение авторитетности и надежности канала: Перечисленные additional factors (возраст канала, история, активность) напрямую связаны с доверием к каналу. Долгосрочная стратегия развития канала и поддержание «чистой» истории (media item removal history) снижает вероятность ложных срабатываний и подтверждает легитимность контента в глазах системы классификации.
• Создание оригинального контента: Это критически важно. Патент показывает, что даже если чужой контент был модифицирован и прошел первичную автоматическую проверку (Content ID), он все равно может быть обнаружен позже через анализ поискового поведения.
• Мониторинг поисковых запросов (YouTube Analytics): Понимание того, по каким запросам пользователи находят ваш контент, важно. Убедитесь, что ваш контент не ассоциируется с запросами, которые массово используются для поиска спама или пиратского контента.

Worst practices (это делать не надо)

• Загрузка модифицированного чужого контента (Серый контент, Пиратство): Использование тактик обхода (обрезка, изменение звука) не гарантирует безопасность. Эта система специально разработана для обнаружения такого контента.
• Массовое создание новых каналов (Churn and Burn): Система использует возраст канала (channel age) и количество связанных каналов у одного владельца как индикаторы риска. Стратегии, основанные на быстром создании и забрасывании каналов, помечаются как подозрительные.
• Оптимизация под "пиратские" запросы: Использование заголовков и метаданных, нацеленных на запросы, связанные с нелегальным контентом (например, "Full Movie Free"), увеличивает вероятность того, что ваш контент попадет под анализ этой системы, особенно если он появляется в выдаче рядом с уже удаленным контентом.

Стратегическое значение

Патент подтверждает стратегию Google по использованию комплексного анализа поведения пользователей и репутации сущностей (каналов, авторов) для оценки контента. Для создателей контента стратегический приоритет должен отдаваться созданию оригинального контента и построению долгосрочной репутации канала. Он также демонстрирует сложность и многоуровневость систем модерации, которые выходят за рамки простого анализа содержимого файлов.

Практические примеры

Сценарий: Выявление серого канала с фильмами на YouTube

1. Эталонный контент: Правообладатель загружает фильм "Tiger Queen" в систему управления правами (Reference Media Item).
2. Нарушение 1 (Обнаружено): Пользователь А загружает прямую копию. Content ID обнаруживает совпадение, и видео удаляется (становится Removed Media Item).
3. Анализ поиска: Media Matching Engine анализирует логи и видит, что 5000 пользователей нашли удаленное видео по запросу "смотреть фильм Tiger Queen полностью". Система помечает этот запрос как значимый (порог превышен).
4. Нарушение 2 (Обход фильтра): Пользователь Б загружает "T1ger Qu33n Movie (HD)". Видео обрезано, добавлена рамка. Content ID не срабатывает.
5. Обнаружение кандидата: Система видит, что видео Пользователя Б также показывается в результатах поиска по значимому запросу "смотреть фильм Tiger Queen полностью".
6. Анализ рисков: Factor Analyzer проверяет факторы. Канал Пользователя Б создан вчера (малый channel age) и имеет индикаторы спама. Видео помечается как высокорискованное.
7. Действие: Видео Пользователя Б добавляется в список кандидатов и отправляется правообладателю на ручную проверку или блокируется автоматически (согласно Claim 9), несмотря на то, что оно обошло автоматический фильтр.