CN104200415A - 针对在线考场中作弊行为的实时检测方法 - Google Patents
针对在线考场中作弊行为的实时检测方法 Download PDFInfo
- Publication number
- CN104200415A CN104200415A CN201410441298.XA CN201410441298A CN104200415A CN 104200415 A CN104200415 A CN 104200415A CN 201410441298 A CN201410441298 A CN 201410441298A CN 104200415 A CN104200415 A CN 104200415A
- Authority
- CN
- China
- Prior art keywords
- examinee
- examining
- serial number
- cheating
- examination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种针对在线考场中作弊行为的实时检测方法，属于计算机应用领域，特别是计算机教育与网络技术领域。本方法能够进行作弊行为认定，并排除更换考试机、更换考生等非作弊行为。通过分析交互数据，对作弊考试机、作弊考生、作弊题目和作弊类型进行判定；同时针对作弊考生的行为进行记录，从而用于作弊行为举证。
Description
技术领域
本发明涉及一种针对在线考场中作弊行为的实时检测方法，属于计算机应用领域，特别是计算机教育与网络技术领域。
技术背景
在线考场是一种广泛应用于考试的形式，通过计算机技术和网络技术支持的在线考场，从题库中抽取题目或从试卷库中抽取试卷，考生在计算机上进行答题，并通过计算机阅卷技术辅助实现高效的考试流程。
在线考场中，考生通过传递答案或卷面抄袭的形式得以抑制。但随着在线考试系统的越来越普及，在线考场的监考出现了一些新的问题。在线考场中出现了一种通过网络技术实现的作弊方式，通过交换考生账号信息进行代答或通过网络技术进行抄袭。
该方式能够通过网络技术手段隐蔽完成，由于作弊考生没有身体动作方面的行为异常，因此通过常规的人工监考基本无法发现异常。即便通过考场中的摄像头进行视频监控，也难以实现准确高效的防范作弊。
专利《在线考场可视化监测系统》(专利申请号：201410250271.2)中提供了一种针对在线考场状态的可视化监测系统，用于监控与在线考场可视化监测系统连接的外围设备中考试机与服务器之间的数据传输状态，并进行分析，从而及时有效的发现考生作弊行为。所述在线考场可视化监测系统的外围设备包括1台以上考试服务器以及多台考试机，其中每台考试服务器与多台考试机连接。所述在线考场可视化监测系统，包括至少一个考场状态数据采集模块和一台考场状态数据可视化监测计算机。所述考场状态数据可视化监测计算机包括一个考场状态数据接收模块、一个考场状态数据可视化模块和硬盘。
考场状态采集模块安装于外围设备中的在线考场的考试服务器上，每一台考试服务器安装一个考场状态采集模块。考场状态采集模块的功能是：在考试过程中实时采集考生所使用考试机与相连接的考试服务器之间的交互数据，包括：考试服务器编号、考试操作发生时间、考生唯一身份标识、考试机IP地址、考试操作类型、所操作试题编号。考试操作类型包括登录、退出、查看试卷、查看题目、查看答案、提交答案。考场状态采集模块将采集到的交互数据发送至考场状态数据接收模块。
考场状态数据接收模块的功能是：从考场状态采集模块接收其采集到的交互数据，并对交互数据按交互数据发生时序提交给考场状态数据可视化模块，同时将交互数据保存至硬盘文件中，以备后期分析与作弊举证。
考场状态数据可视化模块的功能是：从考场状态数据接收模块接收其得到的交互数据，并对交互数据进行可视化处理，得到可视化图形，使考务人员能够从可视化图形中一目了然了解当前考生中是否存在潜在作弊行为。潜在作弊行为包括一台考试机出现多名考生考试行为或者一名考生信息在多台考试机上出现。
但目前为止，还未发现有针对在线考场作弊行为的实时检测。随着在线考场应用的增多，对在线考场的作弊防范与作弊举证方法的探讨，成为一个急需解决的问题。
因此，对于这种新的作弊形式，必须针对在线考场研制一种作弊行为实时检测方法，能够在作弊行为发生时，尽快采取措施，并能够进行作弊行为举证，以降低作弊行为的发生。
发明内容
本发明的目的是提供一种针对在线考场中作弊行为的实时检测方法。
本发明的目的是通过下述技术方案实现的。
一种针对在线考场中作弊行为的实时检测方法，包含如下步骤：
步骤1：建立一个考生信息表。所述考生信息表中包括考生唯一身份标识以及考生唯一身份标识对应的考生顺序号；考生唯一身份标识与考生顺序号一一对应。所述考试唯一身份标识包含学生学号、姓名、班级、考试科目等信息。所述考生信息表初始为空。
步骤2：建立一个考试机信息表。所述考试机信息表包括考试机IP地址以及考试机IP地址对应的考试机顺序号；所述考试机IP地址与考试机顺序号一一对应。所述考试机信息表初始为空。
步骤3：建立一个考试机-考生配对信息表。所述考试机-考生配对信息表中包括考生唯一身份标识对应的考生顺序号、考试机IP地址对应的考试机顺序号和状态属性。所述状态属性包括正常、考生异常和考试机异常三种类型。所述考试机-考生配对信息表初始为空。
步骤4：建立一个异常行为表。所述异常行为表中包括相对时间戳、考生顺序号、考试机顺序号、考试题目编号、考试操作类型。所述考试操作类型包括登录、退出、查看试卷、查看题目、查看答案、提交答案。所述考异常行为表初始为空。
步骤5：建立一个作弊行为记录表。所述作弊行为记录表包括相对时间戳、考试机顺序号、考生顺序号、作弊行为类型以及考试题目编号。所述作弊行为类型包括代答和抄袭两种。所述作弊行为记录表初始为空。
步骤6：针对考试过程中实时采集到的考生所使用考试机与相连接的考试服务器之间的每一条交互数据，执行步骤7至步骤18的操作，直至处理完全部交互数据。所述考生所使用考试机与相连接的考试服务器之间的交互数据包括：考试服务器编号、考试操作发生时间、考生唯一身份标识、考试机IP地址、考试操作类型、所操作试题编号。
步骤7：从当前交互数据中提取考试机IP地址(用符号CIP表示)和考生唯一身份标识(用符号SID表示)；然后从考试机信息表中检索考试机IP地址CIP所对应的考试机顺序号(用符号CSD表示)，从考生信息表中查询考生唯一身份标识SID所对应的考生顺序号(用符号SSD表示)。
步骤8：从考试机-考生配对信息表中检索考试机顺序号为CSD，并且考生顺序号为SSD的记录(用符号REC表示)。如检索到，则执行步骤9；否则，执行步骤10。
步骤9：判断检索到的记录REC的状态属性。如状态属性为正常，则当前考试机与服务器的交互为正常，返回步骤6进行下一条交互数据的处理；否则，执行步骤12。
步骤10：从考试机-考生配对信息表中检索考试机顺序号为CSD的记录，并分为以下两种情况处理：
情况1：如未检索到记录，则说明顺序号为CSD的考试机首次被使用，无需进一步处理。将<考试机顺序号CSD、考生顺序号SSD>作为一条配对记录添加至考试机-考生配对信息表中，并设置该条记录的状态属性为正常；然后返回步骤6进行下一条交互数据的处理。
情况2：如检索到1条以上记录，则说明有两个以上考生信息登录过该考试机。设置所有检索到的记录的状态属性为考生异常，并继续执行步骤11。
步骤11：从考试机-考生配对信息表中检索考生顺序号为SSD的记录，并分为以下两种情况处理：
情况1：如未检索到记录，则说明该考生信息首次登录系统，将<考试机顺序号CSD、考生顺序号SSD>作为一条记录添加至考试机-考生配对信息表中，并设置该条记录的状态属性为正常，然后返回步骤6进行下一条交互数据的处理。
情况2：如检索到1条以上记录，则说明该考生信息至少在两台考试机上登录过。设置所有检索到的记录的状态属性为考试机异常。将<考试机顺序号CSD、考生顺序号SSD>作为一条记录添加至考试机-考生配对信息表中，并设置该条记录的配对关系状态为正常；然后返回步骤6进行下一条交互数据的处理。
步骤12：提取当前交互数据中的考试操作发生时间、考试题目编号、考试操作类型信息。如考试操作类型为查看答案或提交答案，则执行步骤13；否则，返回步骤6进行下一条交互数据的处理。
步骤13：将考试操作发生时间通过公式(1)转换为相对时间戳。
RT＝(H-H0)*60+(M-M0) (1)
其中，RT为相对时间戳；H和M分别是当前考试操作发生时间的小时数与分钟数；H0和M0是考试起始时间的小时数与分钟数。
步骤14：将<相对时间戳、考生顺序号SSD、考试机顺序号CSD、考试题目编号、考试操作类型>作为一条记录，加入到步骤4所述的异常行为表。
步骤15：如需在发现异常行为时进行实时报警，则继续执行步骤16进行作弊考试机认定、作弊考生认定和作弊行为类型判定；否则返回步骤6进行下一条交互数据的处理。
步骤16：进行作弊考试机认定。
在异常行为表中检索考试机顺序号为CSD的记录，并将检索记录按照相对时间戳的先后顺序进行排列，提取检索记录中的考生顺序号，然后分为以下2种情况处理：
情况1：如提取到的考生顺序号仅有1个，则不存在作弊行为，返回步骤6进行下一条交互数据的处理；
情况2：如提取到的考生顺序号为1个以上，则判断不同考生顺序号的出现顺序是否存在交叉现象。
如不同考生顺序号不存在交叉出现现象，则不存在作弊行为，返回步骤6进行下一条交互数据的处理；否则，可认定当前考试机顺序号对应的考试机存在作弊行为，将该考试机顺序号用符号CCSD表示。
步骤17：进行作弊考生判定。判断方法为：
步骤17.1：在异常行为表中检索考试机顺序号为CCSD的记录，并提取检索记录中出现的所有考生顺序号；
步骤17.2：针对步骤17.1提取到的每一个考生顺序号，执行如下操作：在异常行为表中检索考生顺序号为当前考生顺序号的记录，并统计检索记录中出现的考试机顺序号的个数；
考试机顺序号个数为1的考生顺序号(用符号CSSD表示)对应的考生即为作弊考生，该考试仅在考试机顺序号为CCSD的考试机上登录过；
对每个作弊考生执行步骤18的操作，判断其作弊行为类型。
步骤18：进行作弊行为类型判定。所述作弊行为类型包括抄袭、代答。判断方法为：
步骤18.1：在异常行为表中检索考试机顺序号为CCSD的所有记录，提取检索记录中出现的考试题目；
步骤18.2：针对步骤18.1得到的每一道考试题目，在异常行为表中检索考试题目编号为当前题目编号，并且考生顺序号不为CSSD的记录；然后从检索记录中提取相对时间戳和考试操作类型，并分为以下2种情况处理：
情况1：如考试操作类型中存在提交答案操作，则判断在当前题目上考生顺序号CSSD对应的作弊考生存在代答行为；
情况2：如考试操作类型中存在查看答案操作，则在当前题目上考生顺序号CSSD对应的作弊考生存在抄袭行为。
步骤18.3：将步骤18.1和步骤18.2中所述<相对时间戳、考试机顺序号CCSD、考生顺序号CSSD、当前考试题目编号以及作弊行为类型>作为一条作弊记录，添加至作弊行为记录表，并实时通知考务人员。
有益效果
本发明提出的方法与已有技术相比较，具有如下优点：
①《在线考场可视化监测系统》(专利申请号：201410250271.2)中提出的在线考场可视化监测系统中，仅能发现潜在作弊行为，本方法能够进行作弊行为认定，并排除更换考试机、更换考生等非作弊行为。
②本方法能通过分析交互数据，对作弊考试机、作弊考生、作弊题目和作弊类型进行判定。
③本方法能针对作弊考生的行为进行记录，从而用于作弊行为举证。
附图说明
图1为本发明中作弊行为实时检测方法的流程图。
具体实施方式
下面结合附图和实施例，对本发明作进一步的说明：
本实施例是将本发明中提出的针对在线考场中作弊行为的实时检测方法与专利《在线考场可视化监测系统》(专利申请号：201410250271.2)中提供的针对在线考场状态的可视化监测系统配合使用，对在线交互数据进行实时处理，提供作弊行为认定和分析。
在线考场可视化监测系统的外围设备包括2台考试服务器以及400台考试机，其中每台考试服务器与200台考试机连接。在线考场可视化监测系统，包括：2个考场状态数据采集模块和1台考场状态数据可视化监测计算机。考场状态数据可视化监测计算机包括1个考场状态数据接收模块、1个考场状态数据可视化模块和硬盘。
考场状态采集模块安装于外围设备中的在线考场的考试服务器上，每一台考试服务器安装一个考场状态采集模块。考场状态采集模块的功能是：在考试过程中实时采集考生所使用考试机与相连接的考试服务器之间的交互数据，包括：考试服务器编号、考试操作发生时间、考生唯一身份标识、考试机IP地址、考试操作类型、所操作试题编号。考试操作类型包括登录、退出、查看试卷、查看题目、查看答案、提交答案。考场状态采集模块将采集到的交互数据发送至考场状态数据接收模块。
考场状态数据接收模块的功能是：从考场状态采集模块接收其采集到的交互数据，并对交互数据按交互数据发生时序提交给考场状态数据可视化模块，同时将交互数据保存至硬盘文件中，以备后期分析与作弊举证。
考场状态数据可视化模块的功能是：从考场状态数据接收模块接收其得到的交互数据，并对交互数据进行可视化处理，得到可视化图形，使考务人员能够从可视化图形中一目了然了解当前考生中是否存在潜在作弊行为。潜在作弊行为包括一台考试机出现多名考生考试行为或者一名考生信息在多台考试机上出现。
在上述在线考场可视化监测系统的基础上，使用本发明提出的针对在线考场中作弊行为的实时检测方法进行作弊行为分析，其操作流程如图1所示，具体处理过程如下：
步骤1：建立一个考生信息表。所述考生信息表中包括考生唯一身份标识以及考生唯一身份标识对应的考生顺序号；考生唯一身份标识与考生顺序号一一对应。所述考试唯一身份标识包含学生学号、姓名、班级、考试科目等信息。所述考生信息表初始为空。
步骤2：建立一个考试机信息表。所述考试机信息表包括考试机IP地址以及考试机IP地址对应的考试机顺序号；所述考试机IP地址与考试机顺序号一一对应。所述考试机信息表初始为空。
步骤3：建立一个考试机-考生配对信息表。所述考试机-考生配对信息表中包括考生唯一身份标识对应的考生顺序号、考试机IP地址对应的考试机顺序号和状态属性。所述状态属性包括正常、考生异常和考试机异常三种类型。所述考试机-考生配对信息表初始为空。
步骤4：建立一个异常行为表。所述异常行为表中包括相对时间戳、考生顺序号、考试机顺序号、考试题目编号、考试操作类型。所述考试操作类型包括登录、退出、查看试卷、查看题目、查看答案、提交答案。所述考异常行为表初始为空。
步骤5：建立一个作弊行为记录表。所述作弊行为记录表包括相对时间戳、考试机顺序号、考生顺序号、作弊行为类型以及考试题目编号。所述作弊行为类型包括代答和抄袭两种。所述作弊行为记录表初始为空。
步骤6：针对在线考场可视化监测系统中的考场状态数据接收模块接收到的每一条交互数据，执行步骤7至步骤18的操作，直至处理完全部交互数据。所述考生所使用考试机与相连接的考试服务器之间的交互数据包括：考试服务器编号、考试操作发生时间、考生唯一身份标识、考试机IP地址、考试操作类型、所操作试题编号。
附图1是针对全部交互数据进行处理的操作流程图，在其操作过程中，有7种处理可能性，下面分别通过7个具体实施例对各种可能性进行具体说明。图1中，①至⑦分别表示操作过程中7种可能性的处理流程。
实施例1：考试机首次开机连接考试服务器，且考生首次登录考试系统。在考试开始时，每台考试机都将发生一次该情况。
当前交互数据内容如下：
期末考试163 2013 January 10 8：41 192.168.5.43
期末_管理_12040xxxx21_张X course view
该交互数据中包含信息如下：
(1)考试服务器信息：期末考试163
(2)操作发生时间信息：2013 January 10 8：41
(3)考试机IP地址：192.168.5.43
(4)考生身份标识信息：期末_管理_12040xxxx21_张X
(5)考试操作类型：查看试卷(course view)
(6)操作试题信息：无
该情况下，处理过程如下：
步骤7：从当前交互数据中提取考试机IP地址为“CIP＝192.168.5.43”和考生唯一身份标识“SID＝期末_管理_12040xxxx21_张X”；然后从考试机信息表中检索考试机IP地址CIP所对应的考试机顺序号为“CSD＝207”，从考生信息表中查询考生唯一身份标识SID所对应的考生顺序号为“SSD＝207”。
步骤8：从考试机-考生配对信息表中检索考试机顺序号CSD＝207，并且考生顺序号SSD＝207的记录(用符号REC表示)。如检索到，则执行步骤9；否则，执行步骤10。
由于考试机为首次登录考试系统，因此检索不到记录，执行步骤10。
步骤10：从考试机-考生配对信息表中检索考试机顺序号CSD＝207的记录，由于当前交互数据为CSD＝207考试机首次登录考试系统，因此检索不到相关记录，执行情况1的处理。
情况1：如未检索到记录，则说明顺序号为CSD的考试机首次被使用，无需进一步处理。将<考试机顺序号CSD＝207、考生顺序号SSD＝207>作为一条配对记录添加至考试机-考生配对信息表中，并设置该条记录的状态属性为正常；然后返回步骤6进行下一条交互数据的处理。
当前交互数据处理完毕。
实施例2：考试机之前连接过考试服务器，但考生首次登录考试系统。
该种情况发生几率很小，但当上一场考试后，数据未清理完毕即进行本场考试时，会发生该情况。
当前交互数据内容如下：
期末考试163 2013 January 10 8：37 192.168.6.143
期末_管理_12040xxxx42_李X course view
该交互数据中包含信息如下：
(1)考试服务器信息：期末考试163
(2)操作发生时间信息：2013 January 10 8：37
(3)考试机IP地址：192.168.6.143
(4)考生身份标识信息：期末_管理_12040xxxx42_李X
(5)考试操作类型：查看试卷(course view)
(6)操作试题信息：无
该情况下，处理过程如下：
步骤7：从当前交互数据中提取考试机IP地址为“CIP＝192.168.6.143”和考生唯一身份标识“SID＝期末_管理_12040xxxx42_李X”；然后从考试机信息表中检索考试机IP地址CIP所对应的考试机顺序号为“CSD＝35”，从考生信息表中查询考生唯一身份标识SID所对应的考生顺序号为“SSD＝243”。
步骤8：从考试机-考生配对信息表中检索考试机顺序号CSD＝35，并且考生顺序号SSD＝243的记录(用符号REC表示)。如检索到，则执行步骤9；否则，执行步骤10。
步骤10：从考试机-考生配对信息表中检索考试机顺序号CSD＝35的记录，相应配对信息记录被检索到1条，内容为<CSD＝35，SSD＝35，正常>，执行情况2处理：
情况2：设置检索到的记录的状态属性为考生异常，并继续执行步骤11。
步骤11：从考试机-考生配对信息表中检索考生顺序号SSD＝243的记录，未检索到相关记录，执行情况1处理：
情况1：如未检索到记录，则说明该考生信息首次登录系统，将<考试机顺序CSD＝35、考生顺序号SSD＝243>作为一条记录添加至考试机-考生配对信息表中，并设置该条记录的状态属性为正常，然后返回步骤6进行下一条交互数据的处理。
当前交互数据处理完毕。
实施例3：交互数据中的考试机-考生没有配对记录存在，但考试机在之前连接过考试服务器，且考生信息也在其他考试机上出现过。
该种情况有两种可能，一种是上一场考试后数据未清理完毕，且本场考试中考生在监考教师的同意下临时更换考试机；另一种是该考生信息被窃用。因此，仅依靠当前交互数据无法认定是作弊行为，需对当前交互数据的情况进行记录(通过步骤11的操作，添加至考试机-考生配对信息表)。
当前交互数据内容如下：
期末考试163 2013 January 10 09：14 192.168.5.43
期末_管理_12040xxxx14_许XX course view
该交互数据中包含信息如下：
(1)考试服务器信息：期末考试163
(2)操作发生时间信息：2013 January 10 09：14
(3)考试机IP地址：192.168.5.43
(4)考生身份标识信息：期末_管理_12040xxxx14_许XX
(5)考试操作类型：查看试卷(course view)
(6)操作试题信息：无
该情况下，处理过程如下：
步骤7：从当前交互数据中提取考试机IP地址为“CIP＝192.168.5.43”和考生唯一身份标识“SID＝期末_管理_12040xxxx14_许XX”；然后从考试机信息表中检索考试机IP地址CIP所对应的考试机顺序号为“CSD＝207”，从考生信息表中查询考生唯一身份标识SID所对应的考生顺序号为“SSD＝168”。
步骤8：从考试机-考生配对信息表中检索考试机顺序号CSD＝207，并且考生顺序号SSD＝168的记录(用符号REC表示)。由于未检索到同时符合<CSD＝207，SSD＝168>的记录，执行步骤10。
步骤10：从考试机-考生配对信息表中检索考试机顺序号CSD＝207的记录，检索到的记录为<CSD＝207，SSD＝207，正常>，执行情况2处理：
情况2：设置检索到的记录的状态属性为考生异常，并继续执行步骤11。
步骤11：从考试机-考生配对信息表中检索考生顺序号为SSD＝168的记录，检索到的记录为<CSD＝167，SSD＝168，正常>，执行情况2处理：
情况2：设置所有检索到的记录的状态属性为考试机异常。将<考试机顺序号CSD＝207、考生顺序号SSD＝168>作为一条记录添加至考试机-考生配对信息表中，并设置该条记录的配对关系状态为正常；然后返回步骤6进行下一条交互数据的处理。
当前交互数据处理完毕。
实施例4：考试机与考生连接关系正常，交互数据属性状态正常。此路径是大多数交互数据的处理路径。大多数正常的考试操作交互数据，均为该情况。
当前交互数据内容如下：
期末考试163 2013 January 10 08：48 192.168.5.43
期末_管理_12040xxxx21_张X programming view 1、Test1(10分)
该交互数据中包含信息如下：
(1)考试服务器信息：期末考试163
(2)操作发生时间信息：2013 January 10 08：48
(3)考试机IP地址：192.168.5.43
(4)考生身份标识信息：期末_管理_12040xxxx21_张X
(5)考试操作类型：查看题目(programming view)
(6)操作试题信息：1、Test1(10分)
该情况下，处理过程如下：
步骤7：从当前交互数据中提取考试机IP地址为“CIP＝192.168.5.43”和考生唯一身份标识“SID＝期末_管理_12040xxxx21_张X”；然后从考试机信息表中检索考试机IP地址CIP所对应的考试机顺序号为“CSD＝207”，从考生信息表中查询考生唯一身份标识SID所对应的考生顺序号为“SSD＝207”。
步骤8：从考试机-考生配对信息表中检索考试机顺序号CSD＝207，并且考生顺序号SSD＝207的记录(用符号REC表示)。检索到的配对信息记录为<CSD＝207，SSD＝207，正常>，执行步骤9。
步骤9：判断检索到的考试机顺序号为CSD，并且考生顺序号为SSD的记录REC的状态属性。如状态属性为正常，则当前考试机与服务器的交互为正常，返回步骤6进行下一条交互数据的处理。
当前交互数据处理完毕。
实施例5：该考试机-考生配对信息出现过考生异常或考试机异常状态，当前交互数据中再次出现该配对信息。该情况是在实施例3所述的情况后出现，在实施例3所述的情况中，已将考试机和考生对应的配对信息记录状态属性修改为考生异常或考试机异常状态。
由于配对信息的状态属性，仅考试机登录过两名以上考生信息才会设置为考生异常状态，考生信息在两台以上考试机上登录过才会设置为考试机异常状态，因此可判定该考试机或考生存在配对信息交叉出现现象，可以认定为非正常操作，但还未发生实质性作弊行为。所述实质性作弊行为包括抄袭或代答行为。
当前交互数据内容如下：
期末考试163 2013 January 10 09：15 192.168.5.43
期末_管理_12040xxxx21_张X course view
该交互数据中包含信息如下：
(1)考试服务器信息：期末考试163
(2)操作发生时间信息：2013 January 10 09：15
(3)考试机IP地址：192.168.5.43
(4)考生身份标识信息：期末_管理_12040xxxx21_张X
(5)考试操作类型：查看试卷(course view)
(6)操作试题信息：无
该情况下，处理过程如下：
步骤7：从当前交互数据中提取考试机IP地址为“CIP＝192.168.5.43”和考生唯一身份标识“SID＝期末_管理_12040xxxx21_张X”；然后从考试机信息表中检索考试机IP地址CIP所对应的考试机顺序号为“CSD＝207”，从考生信息表中查询考生唯一身份标识SID所对应的考生顺序号为“SSD＝207”。
步骤8：从考试机-考生配对信息表中检索考试机顺序号CSD＝207，并且考生顺序号SSD＝207的记录(用符号REC表示)。检索到的配对信息记录为<CSD＝207，SSD＝207，考生异常>，执行步骤9。
步骤9：判断检索到的记录REC的状态属性。状态属性为考生异常，执行步骤12。
步骤12：提取当前交互数据中的考试操作发生时间、考试题目编号、考试操作类型信息。考试操作类型为“查看试卷”，未发生实质性作弊行为，返回步骤6进行下一条交互数据的处理。
当前交互数据处理完毕。
实施例6：已可认定为存在实质性作弊行为，根据系统设定，只记录其作弊行为，不实时报警。
当前交互数据内容如下：
期末考试163 2013 January 10 09：16 192.168.5.43期末_管理_12040xxxx21_张X programming submit 1、Test1(10分)
该交互数据中包含信息如下：
(1)考试服务器信息：期末考试163
(2)操作发生时间信息：2013 January 10 09：16
(3)考试机IP地址：192.168.5.43
(4)考生身份标识信息：期末_管理_12040xxxx21_张X
(5)考试操作类型：提交答案(programming submit)
(6)操作试题信息：1、Test1(10分)
该情况下，处理过程如下：
步骤7：从当前交互数据中提取考试机IP地址为“CIP＝192.168.5.43”和考生唯一身份标识“SID＝期末_管理_12040xxxx21_张X”；然后从考试机信息表中检索考试机IP地址CIP所对应的考试机顺序号为“CSD＝207”，从考生信息表中查询考生唯一身份标识SID所对应的考生顺序号为“SSD＝207”。
步骤8：从考试机-考生配对信息表中检索考试机顺序号CSD＝207，并且考生顺序号SSD＝207的记录(用符号REC表示)。检索到的配对信息记录为<CSD＝207，SSD＝207，考生异常>，执行步骤9。
步骤9：判断检索到的记录REC的状态属性，状态属性为考生异常，执行步骤12。
步骤12：提取当前交互数据中的考试操作发生时间、考试题目编号、考试操作类型信息。当前交互数据中的考试操作类型为提交答案，执行步骤13。
步骤13：将考试操作发生时间通过公式(1)转换为相对时间戳。
RT＝(9-8)*60+(16-30)＝46 (1)
其中，RT为相对时间戳；当前考试操作发生时间为9：16；考试起始时间为8：30。
步骤14：将<相对时间戳46、考生顺序号SSD＝207、考试机顺序号CSD＝207、考试题目编号1、考试操作类型＝提交答案>作为一条记录，加入到步骤4所述的异常行为表。
步骤15：根据系统设定，在发现异常行为时只记录异常行为，不实时报警，返回步骤6进行下一条交互数据的处理。
当前交互数据处理完毕。
实施例7：已可认定为存在作弊行为，根据系统设定，记录其作弊行为，并进行作弊行为深入分析，分析完毕后实时报警。所述作弊行为深入分析，包括作弊考试机认定、作弊考生认定和作弊行为类型判定。
实施例7与实施例6，区别仅在于系统设定为是否在发现异常行为时实时报警，因此采用实施例6中的交互数据。
当前交互数据内容如下：
期末考试163 2013 January 10 09：16 192.168.5.43
期末_管理_12040xxxx21_张X programming submit 1、Test1(10分)
该交互数据中包含信息如下：
(1)考试服务器信息：期末考试163
(2)操作发生时间信息：2013 January 10 09：16
(3)考试机IP地址：192.168.5.43
(4)考生身份标识信息：期末_管理_12040xxxx21_张X
(5)考试操作类型：提交答案(programming submit)
(6)操作试题信息：1、Test1(10分)
该情况下，处理过程如下：
步骤7：从当前交互数据中提取考试机IP地址为“CIP＝192.168.5.43”和考生唯一身份标识“SID＝期末_管理_12040xxxx21_张X”；然后从考试机信息表中检索考试机IP地址CIP所对应的考试机顺序号为“CSD＝207”，从考生信息表中查询考生唯一身份标识SID所对应的考生顺序号为“SSD＝207”。
步骤8：从考试机-考生配对信息表中检索考试机顺序号CSD＝207，并且考生顺序号SSD＝207的记录(用符号REC表示)。检索到的配对信息记录为<CSD＝207，SSD＝207，考生异常>，执行步骤9。
步骤9：判断检索到的记录REC的状态属性，状态属性为考生异常，执行步骤12。
步骤12：提取当前交互数据中的考试操作发生时间、考试题目编号、考试操作类型信息。当前交互数据中的考试操作类型为提交答案，执行步骤13。
步骤13：将考试操作发生时间通过公式(1)转换为相对时间戳。
RT＝(9-8)*60+(16-30)＝46 (1)
其中，RT为相对时间戳；当前考试操作发生时间为9：16；考试起始时间为8：30。
步骤14：将<相对时间戳46、考生顺序号SSD＝207、考试机顺序号CSD＝207、考试题目编号1、考试操作类型＝提交答案>作为一条记录，加入到步骤4所述的异常行为表。
步骤15：根据系统设定，在发现异常行为时进行实时报警，则继续执行步骤16进行作弊考试机认定、作弊考生认定和作弊行为类型判定。
步骤16：进行作弊考试机认定。
在异常行为表中检索考试机顺序号为CSD＝207的记录，并将检索记录按照相对时间戳的先后顺序进行排列，提取检索记录中的考生顺序号，共获得SSD＝207和SSD＝168两个考生顺序号，执行情况2。
情况2：判断不同考生顺序号之间的出现顺序为：207、207、207、168、168、207，亦即不同考生顺序号的出现顺序存在交叉现象，可认定当前考试机顺序号对应的考试机存在作弊行为，将该考试机顺序号用符号CCSD表示。
步骤17：进行作弊考生判定。判断方法为：
步骤17.1：在异常行为表中检索考试机顺序号CCSD＝207的记录，并提取检索记录中出现的所有考生顺序号，包含SSD＝207和SSD＝168；
步骤17.2：针对步骤17.1提取到的考生顺序号SSD＝207，在异常行为表中检索考生顺序号SSD＝207的记录，统计检索记录中出现的考试机顺序号包括207，个数为1。
针对步骤17.1提取到的考生顺序号SSD＝168，在异常行为表中检索考生顺序号SSD＝168的记录，统计检索记录中出现的考试机顺序号包括167、207，个数为2。
考试机顺序号个数为1的考生顺序号(用符号CSSD表示)对应的考生即为作弊考生，该考试仅在考试机顺序号CCSD＝207的考试机上登录过。
然后对考生顺序号CSSD＝207的作弊考生执行步骤18的操作，判断其作弊行为类型。
步骤18：进行作弊行为类型判定。所述作弊行为类型包括抄袭、代答。判断方法为：
步骤18.1：在异常行为表中检索考试机顺序号CCSD＝207的所有记录，提取检索记录中出现的考试题目，包含题目编号1。
步骤18.2：在异常行为表中检索考试题目编号为1，并且考生顺序号≠207的记录；然后从检索记录中提取相对时间戳和考试操作类型，包含如下记录：
(1)相对时间戳：44，考试操作类型：查看答案
(2)相对时间戳：45，考试操作类型：查看答案
执行情况2处理：
情况2：如考试操作类型中存在查看答案操作，则在题目编号为1的考试题目上考生顺序号CSSD＝207对应的作弊考生存在抄袭行为。
步骤18.3：将步骤18.1和步骤18.2中所述<相对时间戳46、考试机顺序号CCSD＝207、考生顺序号CSSD＝207、当前考试题目编号1以及作弊行为类型＝抄袭>作为一条作弊记录，添加至作弊行为记录表，并实时通知考务人员。
当前交互数据处理完毕。
Claims (3)
1.一种针对在线考场中作弊行为的实时检测方法，其特征在于：其包含如下步骤：
步骤1：建立一个考生信息表；所述考生信息表中包括考生唯一身份标识以及考生唯一身份标识对应的考生顺序号；考生唯一身份标识与考生顺序号一一对应；所述考试唯一身份标识包含学生学号、姓名、班级、考试科目等信息；所述考生信息表初始为空；
步骤2：建立一个考试机信息表；所述考试机信息表包括考试机IP地址以及考试机IP地址对应的考试机顺序号；所述考试机IP地址与考试机顺序号一一对应；所述考试机信息表初始为空；
步骤3：建立一个考试机-考生配对信息表；所述考试机-考生配对信息表中包括考生唯一身份标识对应的考生顺序号、考试机IP地址对应的考试机顺序号和状态属性；所述状态属性包括正常、考生异常和考试机异常三种类型；所述考试机-考生配对信息表初始为空；
步骤4：建立一个异常行为表；所述异常行为表中包括相对时间戳、考生顺序号、考试机顺序号、考试题目编号、考试操作类型；所述考试操作类型包括登录、退出、查看试卷、查看题目、查看答案、提交答案；所述考异常行为表初始为空；
步骤5：建立一个作弊行为记录表；所述作弊行为记录表包括相对时间戳、考试机顺序号、考生顺序号、作弊行为类型以及考试题目编号；所述作弊行为类型包括代答和抄袭两种；所述作弊行为记录表初始为空；
步骤6：针对考试过程中实时采集到的考生所使用考试机与相连接的考试服务器之间的每一条交互数据，执行步骤7至步骤18的操作，直至处理完全部交互数据；所述考生所使用考试机与相连接的考试服务器之间的交互数据包括：考试服务器编号、考试操作发生时间、考生唯一身份标识、考试机IP地址、考试操作类型、所操作试题编号；
步骤7：从当前交互数据中提取考试机IP地址CIP和考生唯一身份标识SID；然后从考试机信息表中检索考试机IP地址CIP所对应的考试机顺序号CSD，从考生信息表中查询考生唯一身份标识SID所对应的考生顺序号SSD；
步骤8：从考试机-考生配对信息表中检索考试机顺序号为CSD，并且考生顺序号为SSD的记录REC；如检索到，则执行步骤9；否则，执行步骤10；
步骤9：判断检索到的记录REC的状态属性；如状态属性为正常，则当前考试机与服务器的交互为正常，返回步骤6进行下一条交互数据的处理；否则，执行步骤12；
步骤10：从考试机-考生配对信息表中检索考试机顺序号为CSD的记录，并分为以下两种情况处理：
情况1：如未检索到记录，则说明顺序号为CSD的考试机首次被使用，无需进一步处理；将<考试机顺序号CSD、考生顺序号SSD>作为一条配对记录添加至考试机-考生配对信息表中，并设置该条记录的状态属性为正常；然后返回步骤6进行下一条交互数据的处理；
情况2：如检索到1条以上记录，则说明有两个以上考生信息登录过该考试机；设置所有检索到的记录的状态属性为考生异常，并继续执行步骤11；
步骤11：从考试机-考生配对信息表中检索考生顺序号为SSD的记录，并分为以下两种情况处理：
情况1：如未检索到记录，则说明该考生信息首次登录系统，将<考试机顺序号CSD、考生顺序号SSD>作为一条记录添加至考试机-考生配对信息表中，并设置该条记录的状态属性为正常，然后返回步骤6进行下一条交互数据的处理；
情况2：如检索到1条以上记录，则说明该考生信息至少在两台考试机上登录过；设置所有检索到的记录的状态属性为考试机异常；将<考试机顺序号CSD、考生顺序号SSD>作为一条记录添加至考试机-考生配对信息表中，并设置该条记录的配对关系状态为正常；然后返回步骤6进行下一条交互数据的处理；
步骤12：提取当前交互数据中的考试操作发生时间、考试题目编号、考试操作类型信息；如考试操作类型为查看答案或提交答案，则执行步骤13；否则，返回步骤6进行下一条交互数据的处理；
步骤13：将考试操作发生时间通过公式(1)转换为相对时间戳；
RT＝(H-H0)*60+(M-M0) (1)
其中，RT为相对时间戳；H和M分别是当前考试操作发生时间的小时数与分钟数；H0和M0是考试起始时间的小时数与分钟数；
步骤14：将<相对时间戳、考生顺序号SSD、考试机顺序号CSD、考试题目编号、考试操作类型>作为一条记录，加入到步骤4所述的异常行为表；
步骤15：如需在发现异常行为时进行实时报警，则继续执行步骤16进行作弊考试机认定、作弊考生认定和作弊行为类型判定；否则返回步骤6进行下一条交互数据的处理；
步骤16：进行作弊考试机认定；
在异常行为表中检索考试机顺序号为CSD的记录，并将检索记录按照相对时间戳的先后顺序进行排列，提取检索记录中的考生顺序号，然后分为以下2种情况处理：
情况1：如提取到的考生顺序号仅有1个，则不存在作弊行为，返回步骤6进行下一条交互数据的处理；
情况2：如提取到的考生顺序号为1个以上，则判断不同考生顺序号的出现顺序是否存在交叉现象；
如不同考生顺序号不存在交叉出现现象，则不存在作弊行为，返回步骤6进行下一条交互数据的处理；否则，可认定当前考试机顺序号对应的考试机存在作弊行为，将该考试机顺序号用符号CCSD表示；
步骤17：进行作弊考生判定，并对每个作弊考生执行步骤18的操作，判断其作弊行为类型；
步骤18：进行作弊行为类型判定；所述作弊行为类型包括抄袭、代答。
2.如权利要求1所述的一种针对在线考场中作弊行为的实时检测方法，其特征在于：步骤17中所述进行作弊考生判定的方法为：
步骤17.1：在异常行为表中检索考试机顺序号为CCSD的记录，并提取检索记录中出现的所有考生顺序号；
步骤17.2：针对步骤17.1提取到的每一个考生顺序号，执行如下操作：在异常行为表中检索考生顺序号为当前考生顺序号的记录，并统计检索记录中出现的考试机顺序号的个数；
考试机顺序号个数为1的考生顺序号CSSD对应的考生即为作弊考生，该考试仅在考试机顺序号为CCSD的考试机上登录过。
3.如权利要求1或2所述的一种针对在线考场中作弊行为的实时检测方法，其特征在于：步骤18中所述进行作弊行为类型判定的判断方法为：
步骤18.1：在异常行为表中检索考试机顺序号为CCSD的所有记录，提取检索记录中出现的考试题目；
步骤18.2：针对步骤18.1得到的每一道考试题目，在异常行为表中检索考试题目编号为当前题目编号，并且考生顺序号不为CSSD的记录；然后从检索记录中提取相对时间戳和考试操作类型，并分为以下2种情况处理：
情况1：如考试操作类型中存在提交答案操作，则判断在当前题目上考生顺序号CSSD对应的作弊考生存在代答行为；
情况2：如考试操作类型中存在查看答案操作，则在当前题目上考生顺序号CSSD对应的作弊考生存在抄袭行为；
步骤18.3：将步骤18.1和步骤18.2中所述<相对时间戳、考试机顺序号CCSD、考生顺序号CSSD、当前考试题目编号以及作弊行为类型>作为一条作弊记录，添加至作弊行为记录表，并实时通知考务人员。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410441298.XA CN104200415A (zh) | 2014-09-02 | 2014-09-02 | 针对在线考场中作弊行为的实时检测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201410441298.XA CN104200415A (zh) | 2014-09-02 | 2014-09-02 | 针对在线考场中作弊行为的实时检测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN104200415A true CN104200415A (zh) | 2014-12-10 |
Family
ID=52085701
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201410441298.XA Pending CN104200415A (zh) | 2014-09-02 | 2014-09-02 | 针对在线考场中作弊行为的实时检测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN104200415A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104735147A (zh) * | 2015-03-26 | 2015-06-24 | 梧州学院 | 一种电子座位号的实现方法 |
| CN109165134A (zh) * | 2018-07-16 | 2019-01-08 | 付坤元 | 基于区块链技术的机试数据处理方法及系统 |
| CN110688970A (zh) * | 2019-09-30 | 2020-01-14 | 广州海昇计算机科技有限公司 | 一种作弊行为检测并预警的方法及系统 |
| CN110782376A (zh) * | 2019-09-24 | 2020-02-11 | 深圳市海云天科技股份有限公司 | 一种考试防作弊方法、装置、电子装置和存储介质 |
| CN113393347A (zh) * | 2021-06-07 | 2021-09-14 | 武汉华工智云科技有限公司 | 一种在线考试防作弊的方法和装置 |
| CN116012954A (zh) * | 2023-03-23 | 2023-04-25 | 湖北易康思科技有限公司 | 行为识别方法、装置、电子设备及计算机可读存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6288753B1 (en) * | 1999-07-07 | 2001-09-11 | Corrugated Services Corp. | System and method for live interactive distance learning |
| US6431875B1 (en) * | 1999-08-12 | 2002-08-13 | Test And Evaluation Software Technologies | Method for developing and administering tests over a network |
| CN101087193A (zh) * | 2007-02-27 | 2007-12-12 | 马骏 | 使用与帐号绑定的手机号码进行身份确认的新方法 |
| CN101727544A (zh) * | 2010-01-08 | 2010-06-09 | 中国人民解放军专业技术干部考试中心 | 一种考试处理系统和方法 |
| CN101763459A (zh) * | 2009-09-01 | 2010-06-30 | 周荣华 | 一种对个体实现远程监考的方法 |
-
2014
- 2014-09-02 CN CN201410441298.XA patent/CN104200415A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US6288753B1 (en) * | 1999-07-07 | 2001-09-11 | Corrugated Services Corp. | System and method for live interactive distance learning |
| US6431875B1 (en) * | 1999-08-12 | 2002-08-13 | Test And Evaluation Software Technologies | Method for developing and administering tests over a network |
| CN101087193A (zh) * | 2007-02-27 | 2007-12-12 | 马骏 | 使用与帐号绑定的手机号码进行身份确认的新方法 |
| CN101763459A (zh) * | 2009-09-01 | 2010-06-30 | 周荣华 | 一种对个体实现远程监考的方法 |
| CN101727544A (zh) * | 2010-01-08 | 2010-06-09 | 中国人民解放军专业技术干部考试中心 | 一种考试处理系统和方法 |
Non-Patent Citations (5)
| Title |
|---|
| GENADIY BURLAK等: "Detecting cheats in online student assessments using Data Mining", 《PROCEEDING OF THE 2006 INTERNATIONAL CONFERENCE ON DATA MINING》 * |
| GENNARO COSTAGLIOLA等: "Monitoring Online Tests through Data Visualization", 《IEEE TRANSACTIONS ON KNOWLEDGE AND DATA ENGINEERING》 * |
| 刘升华等: "在线考试系统中防作弊措施的应用", 《软件导刊》 * |
| 梁振球: "计算机实验考试的防弊系统", 《实验室研究与探索》 * |
| 黄玮: "在线考试中一种基于专家系统的反作弊方法", 《现代计算机》 * |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104735147A (zh) * | 2015-03-26 | 2015-06-24 | 梧州学院 | 一种电子座位号的实现方法 |
| CN104735147B (zh) * | 2015-03-26 | 2018-11-27 | 梧州学院 | 一种电子座位号的实现方法 |
| CN109165134A (zh) * | 2018-07-16 | 2019-01-08 | 付坤元 | 基于区块链技术的机试数据处理方法及系统 |
| CN110782376A (zh) * | 2019-09-24 | 2020-02-11 | 深圳市海云天科技股份有限公司 | 一种考试防作弊方法、装置、电子装置和存储介质 |
| CN110688970A (zh) * | 2019-09-30 | 2020-01-14 | 广州海昇计算机科技有限公司 | 一种作弊行为检测并预警的方法及系统 |
| CN113393347A (zh) * | 2021-06-07 | 2021-09-14 | 武汉华工智云科技有限公司 | 一种在线考试防作弊的方法和装置 |
| CN116012954A (zh) * | 2023-03-23 | 2023-04-25 | 湖北易康思科技有限公司 | 行为识别方法、装置、电子设备及计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN104200415A (zh) | 针对在线考场中作弊行为的实时检测方法 | |
| CN109727172A (zh) | 一种人工智能机器学习实验技能评分系统 | |
| CN104077735A (zh) | 在线考场可视化监测系统 | |
| CN105354775A (zh) | 一种错题分析方法及系统 | |
| CN113240662B (zh) | 基于人工智能的内镜检查辅助系统 | |
| CN104504515A (zh) | 教学实验考试智能管理系统 | |
| CN110909035A (zh) | 个性化复习题集生成方法、装置、电子设备及存储介质 | |
| CN110782376A (zh) | 一种考试防作弊方法、装置、电子装置和存储介质 | |
| CN111754241A (zh) | 一种用户行为感知方法、装置、设备及介质 | |
| CN106846198A (zh) | 一种计算机应用考试系统 | |
| Everson et al. | Reliability of professional judgments in forensic child sexual abuse evaluations: Unsettled or unsettling science? | |
| CN117745494A (zh) | 一种多端融合的3d视频数字化osce考站系统 | |
| CN201654789U (zh) | 一种评卷机 | |
| CN107665260A (zh) | 一种基于linux系统的日志收集工具 | |
| Caliskan et al. | Capability detection and evaluation metrics for cyber security lab exercises | |
| CN112598286A (zh) | 一种众包用户作弊行为检测方法、装置及电子设备 | |
| CN111784865A (zh) | 加氢站巡检数据处理方法及加氢站巡检装置 | |
| Raspotnig et al. | Supporting failure mode and effect analysis: A case study with failure sequence diagrams | |
| CN204375216U (zh) | 电网事故防范培训考核系统 | |
| TWI524294B (zh) | 線上自動化診斷學習風格系統、線上自動化診斷學習風格方法及電腦可讀取之記錄媒體 | |
| CN106650281A (zh) | 一种数据处理方法、系统、服务器和客户端 | |
| CN113592222B (zh) | 一种基于区块链的产品检验检测系统及设备 | |
| CN103167030A (zh) | 一种用于通信系统中的关系检测和关系建立系统和方法 | |
| CN107730422A (zh) | 一种基于面部识别在线考试分析系统 | |
| Zaman et al. | Exploratory study on the operational issues faced in collection, transportation, and laboratory testing related to COVID-19 in remote areas of selected EAG states of North East and East India |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20141210 |