【技术实现步骤摘要】
一种网络行为反作弊方法、装置及存储介质
本申请属于互联网
,具体涉及一种网络行为反作弊方法、装置及存储介质。
技术介绍
网络行为反作弊方法是一种通过监控网络流量、关注网上异常行为,从而提高专有网络安全性的手段。现有的反作弊方法大都是基于规则策略的方法,比如分析硬件信息国际移动设备识别码(InternationalMobileEquipmentIdentity,IMEI)是否符合标准,不符合则判断为作弊行为,或基于广告点击频次和频率,加上一些行为规则,再利用历史数据建黑库作为作弊行为识别的规则策略。但现有的基于规则策略的方法存在以下缺陷:适应性差,不能自适应新的作弊模式,当作弊方法改变,规则也需要迭代改;通用性不好,基于规则策略的方法针对不同的场景规则也不同,比如视频播放流水反作弊的规则和广告反作弊的规则必然是不同的,因此需要为每个场景开发和维护不同的规则模型;成本较高,需要花大量时间先分析数据,从数据中总结作弊方法以及反作弊的规则;覆盖率低,只能识别出初级的流量作弊方法,比如模拟器等作弊方法;误杀率高,比如有些山寨机、早期机型或者维修过主板的手机的IMEI不符合规范,但是不代表这些机型的用户所产生的流量都是作弊流量,有些IMEI参与过视频流水的作弊行为,不代表会参与广告作弊的行为。
技术实现思路
为了改善反作弊方法的适应性较差、通用性不好、覆盖率较低以及误杀率较高的问题,本申请提出一种网络行为反作弊方法、装置及存储介质。一方面,本申请提出了一种网络行为反作弊方法,所述方法包括:获取网络行为的日志记录信息;基于所述日志记录信息,获取至少一个用户账号信息和/ ...
【技术保护点】
1.一种网络行为反作弊方法,其特征在于,所述方法包括:获取网络行为的日志记录信息;基于所述日志记录信息,获取至少一个用户账号信息和/或至少一个设备标识信息;基于所述至少一个用户账号信息和/或所述至少一个设备标识信息,获取至少一个网络行为特征;将所述至少一个网络行为特征输入无监督识别模型进行作弊识别处理,得到所述网络行为属于作弊行为的第一识别结果;将所述至少一个网络行为特征输入有监督识别模型进行作弊识别处理,得到所述网络行为属于作弊行为的第二识别结果;对所述第一识别结果和所述第二识别结果进行融合分析处理,得到所述网络行为的作弊分析结果。
【技术特征摘要】
1.一种网络行为反作弊方法,其特征在于,所述方法包括:获取网络行为的日志记录信息;基于所述日志记录信息,获取至少一个用户账号信息和/或至少一个设备标识信息;基于所述至少一个用户账号信息和/或所述至少一个设备标识信息,获取至少一个网络行为特征;将所述至少一个网络行为特征输入无监督识别模型进行作弊识别处理,得到所述网络行为属于作弊行为的第一识别结果;将所述至少一个网络行为特征输入有监督识别模型进行作弊识别处理,得到所述网络行为属于作弊行为的第二识别结果;对所述第一识别结果和所述第二识别结果进行融合分析处理,得到所述网络行为的作弊分析结果。2.根据权利要求1所述的方法,其特征在于,所述基于所述至少一个用户账号信息和/或所述至少一个设备标识信息,获取至少一个网络行为特征,包括:获取所述网络行为的时间序列;基于所述至少一个用户账号信息和/或所述至少一个设备标识信息,对所述时间序列进行统计分析,得到至少一个统计特征;拟合所述时间序列中的趋势分布,得到至少一个拟合特征;提取所述时间序列中用于分类的数据,得到至少一个分类特征。3.根据权利要求2所述的方法,其特征在于,所述将所述至少一个网络行为特征输入无监督识别模型进行作弊识别处理,得到所述网络行为属于作弊行为的第一识别结果,包括:将所述至少一个统计特征、所述至少一个拟合特征和所述至少一个分类特征输入所述无监督识别模型进行作弊识别处理,得到所述网络行为属于作弊行为的第一识别结果;所述将所述至少一个网络行为特征输入有监督识别模型进行作弊识别处理,得到所述网络行为属于作弊行为的第二识别结果,包括:将所述至少一个统计特征、所述至少一个拟合特征和所述至少一个分类特征输入所述有监督识别模型进行作弊识别处理,得到所述网络行为属于作弊行为的第二识别结果。4.根据权利要求1所述的方法,其特征在于,在所述基于所述至少一个用户账号信息和/或所述至少一个设备标识信息,获取至少一个网络行为特征之后,所述方法还包括:将所述至少一个网络分析特征与黑名单进行匹配,得到所述网络行为属于作弊行为的第三识别结果;所述对所述第一识别结果和所述第二识别结果进行融合分析处理,得到所述网络行为的作弊分析结果,还包括:对所述第一识别结果、所述第二识别结果和所述第三识别结果进行融合分析处理,得到所述网络行为的作弊分析结果。5.根据权利要求1所述的方法,其特征在于,所述方法还包括获取所述无监督识别模型的步骤,所述获取所述无监督识别模型包括:获取样本网络行为的第一样本日志记录信息;基于所述第一样本日志记录信息,确定至少一个第一样本用户账号信息和/或至少一个第一样本设备标识信息;基于所述至少一个第一样本用户账号信息和/或所述至少一个第一样本设备标识信息,获取至少一个第一样本网络行为特征;将所述至少一个第一样本网络行为特征输入第一学习模型进行无监督学习训练,并将无监督学习训练得到的模型确定为所述无监督识别模型。6.根据权利要求1所述的方法,其特征在于,所述方法还包括获取所述有监督识别模型的步骤,所述获取所述有监督...
【专利技术属性】
技术研发人员:余意,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。