作弊识别方法及装置制造方法及图纸

本发明专利技术实施例提供一种作弊识别方法及装置，涉及互联网领域以及反作弊领域。其中，所述作弊识别方法包括：获取用户数据；根据作弊识别策略和基于所述用户数据确定的用户特征，进行作弊识别处理；输出所述作弊识别处理的识别结果，所述识别结果包括：用户是否为作弊用户，以及用户为作弊用户的证据数据。本发明专利技术实施例提供的技术方案能提高对于作弊用户的识别精准度，并能提供证明用户作弊的证明数据。

Cheating identification method and device

The embodiment of the invention provides a method and device for cheating identification, relating to the field of the Internet and the field of anti cheating. Among them, including the cheating identification method: access to user data; according to cheat recognition strategy and user characteristics of the user data based on the determined, cheating the recognition output; cheating recognition processing recognition results, the recognition results include: whether the user is cheating users, and user data users as evidence of cheating. The technical scheme provided by the embodiment of the invention can improve the recognition accuracy of the cheating user, and can provide the proof data for proving the user cheating.

【技术实现步骤摘要】
作弊识别方法及装置
本专利技术实施例涉及互联网领域以及反作弊领域，尤其涉及一种作弊识别方法及装置。
技术介绍
在互联网领域(例如，移动互联网领域)，通过各种渠道来获取用户是一种重要的运营方式。这也导致作弊用户(假用户)泛滥。例如，目前渠道比较流行的一些计费方式是CPM(CostPerMille，按千次展示收费)、CPC(CostPerClick，按点击付费)和CPI(CostPerInstall，按每一次安装收费)等，但是，用户在每一种计费方式下均可以进行作弊，只不过作弊难度有一定差别。因此，如何识别用户是否作弊成为互联网领域日益重要的问题。
技术实现思路
本专利技术实施例提供一种作弊识别方法及装置，用以解决现有技术难以准确识别作弊用户且无法提供作弊证据的问题。第一方面，本专利技术实施例中提供了一种作弊识别方法，包括：获取用户数据；根据作弊识别策略和基于所述用户数据确定的用户特征，进行作弊识别处理；输出所述作弊识别处理的识别结果，所述识别结果包括：用户是否为作弊用户，以及用户为作弊用户的证据数据。第二方面，本专利技术实施例提供了一种作弊识别装置，包括：数据模块，用于获取用户数据；识别模块，用于根据作弊识别策略和基于所述用户数据确定的用户特征，进行作弊识别处理；输出模块，用于输出所述作弊识别处理的识别结果，所述识别结果包括：用户是否为作弊用户，以及用户为作弊用户的证据数据。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。在一个可能的设计中，作弊识别装置的结构中包括处理器和存储器，所述存储器用于存储支持作弊识别装置执行上述作弊识别方法的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述作弊识别装置还可以包括通信接口，用于所述作弊识别装置与其他设备或通信网络通信。第三方面，本专利技术实施例提供了一种计算机存储介质，用于储存作弊识别装置所用的计算机软件指令，所述指令被执行时实现前述作弊识别方法。本专利技术实施例能够提高对于作弊用户的识别精准度，并能提供证明用户作弊的证明数据。本专利技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出了根据本专利技术一个实施例的作弊识别方法的流程示意图；图2示出了根据本专利技术另一个实施例的作弊识别方法的流程示意图；图3示出了根据本专利技术又一个实施例的作弊识别方法的流程示意图；图4示出了根据本专利技术一个实施例的确定渠道质量的方法的流程示意图；图5示出了根据本专利技术一个实施例的作弊识别装置的框图；图6示出了图5所示作弊识别装置的识别模块的框图的一例；图7示出了图6所示识别模块的第一识别子模块的框图的一例；图8示出了图6所示识别模块的第二识别子模块的框图的一例；图9示出了根据本专利技术一个实施例的作弊识别方法的逻辑处理过程示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述。在本专利技术的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1是根据本专利技术实施例的一种作弊识别方法的流程示意图，参照图1，所述方法包括：100：获取用户数据。可选地，在本实施例的一种实现方式中，处理100包括：实时监测用户的设备环境数据，所述设备环境数据包括：反应用户终端设备的状态和变化的数据。例如，在一种具体示例中，利用用户终端设备上部署的SDK(SoftwareDevelopmentKit，软件开发工具包)主动探测硬件环境的变化、操作系统环境的异常，以及各种应用接口是否被劫持，从而第一时间得到用户终端设备的状态和变化。这些数据可以上传至执行所述作弊识别方法的服务器或设备。可选地，在本实施例的一种实现方式中，处理100包括：实时获取用户的行为数据，所述行为数据用于反应用户的行为特征。例如，从第三方平台获取用户的行为数据。在一种具体示例中，从广告平台或数据分析平台获取用户的行为数据，包括：从广告展示到点击下载的时间、从点击下载到应用安装的时间等。可选地，在本实施例的一种实现方式中，处理100包括实时监测用户的设备环境数据并实时获取用户的行为数据。采用该实现方式，通过将客观的设备环境数据与主观的用户行为数据相结合，能够为后续确定用户特征提供更加全面的数据基础。102：根据作弊识别策略和基于所述用户数据确定的用户特征，进行作弊识别处理。可选地，在本实施例的一种实现方式中，基于所述用户数据确定的用户特征包括反应用户终端设备的环境的特征和/或反应用户行为的特征。可选地，在本实施例的一种实现方式中，基于实时收集的日志数据(包含用户的设备环境数据)和第三方平台数据，实时抽取用户的各种特征，比如IP、用户ID(手机号码、IMEI(InternationalMobileEquipmentIdentity，国际移动设备身份码)/IMSI(InternationalMobileSubscriberIdentificationNumber，国际移动用户识别码)、GAID(GoogleAdvertisingID，Android广告ID)、IDFA(IdentifierforAdvertising，IOS广告ID)/IDFV(IdentifierforVendor，IOS供应商ID)、MAC(物理)地址)、活跃时间、用户级别、是否支付过、国家/城市地址、时间戳、设备型号、OS版本、渠道来源、点击到安装时间等。可选地，在本实施例的一种实现方式中，所述作弊识别策略为二级作弊识别策略。例如，处理102采用下文提及的图3所示实施例中的302-304实现。可选地，在本实施例的一种实现方式中，处理102采用以下方式实现：基于所述用户特征和作弊数据库中的黑名单和/或作弊模式进行判断处理；如果判断用户落入所述黑名单和/或满足所述作弊模式，则确定用户为作弊用户，并将用户对应的黑名单和/或作弊模式确定为所述证据数据。可选地，在本实施例的一种实现方式中，处理102采用以下方式实现：将所述用户特征输入决策树模型。其中，所述决策树模型用于基于所述用户特征识别用户是否为作弊用户，并在识别用户为作弊用户的本文档来自技高网...

【技术保护点】
一种作弊识别方法，其特征在于，所述方法包括：获取用户数据；根据作弊识别策略和基于所述用户数据确定的用户特征，进行作弊识别处理；输出所述作弊识别处理的识别结果，所述识别结果包括：用户是否为作弊用户，以及用户为作弊用户的证据数据。

【技术特征摘要】
1.一种作弊识别方法，其特征在于，所述方法包括：获取用户数据；根据作弊识别策略和基于所述用户数据确定的用户特征，进行作弊识别处理；输出所述作弊识别处理的识别结果，所述识别结果包括：用户是否为作弊用户，以及用户为作弊用户的证据数据。2.根据权利要求1所述的方法，其特征在于，所述获取用户数据包括：实时监测并获取用户的设备环境数据；实时获取用户的行为数据。3.根据权利要求1所述的方法，其特征在于，所述根据作弊识别策略和基于所述用户数据确定的用户特征，进行作弊识别处理，包括：根据作弊数据库以及基于所述用户数据确定的第一用户特征，进行第一识别处理；根据所述第一识别处理的结果、决策树模型和基于所述用户数据确定的第二用户特征进行第二识别处理。4.根据权利要求3所述的方法，其特征在于，所述根据作弊数据库以及基于所述用户数据确定的第一用户特征，进行第一识别处理，包括：基于所述第一用户特征和所述作弊数据库中的黑名单和/或作弊模式进行判断处理；如果判断用户落入所述黑名单和/或满足所述作弊模式，则确定用户为嫌疑用户；否则，确定用户为正常用户。5.如权利要求3所述的方法，其特征在于，所述根据所述第一识别处理的识别结果、决策树模型和基于所述用户数据确定的第二用户特征进行第二识别处理，包括以下任意一种或多种：如果所述第一识别处理的结果为用户是嫌疑用户，则将所述第二用户特征输入所述决策树模型以确定用户是否为作弊用户，并在确定用户为作弊用户的情况下输出决策路径作为所述证据数据；如果所述第一识别处理的结果为用户是正常用户，则将所述第二用户特征输入所述决策树模型以再次确定用户是否为作弊用户，并在确定用户是作弊用户的情况下输出决策路径作为所述证据数据。6.一...

【专利技术属性】
技术研发人员：曾春，
申请(专利权)人：北京小度信息科技有限公司，
类型：发明
国别省市：北京,11