CN109189660A - 一种基于用户鼠标交互行为的爬虫识别方法 - Google Patents
一种基于用户鼠标交互行为的爬虫识别方法 Download PDFInfo
- Publication number
- CN109189660A CN109189660A CN201811152983.5A CN201811152983A CN109189660A CN 109189660 A CN109189660 A CN 109189660A CN 201811152983 A CN201811152983 A CN 201811152983A CN 109189660 A CN109189660 A CN 109189660A
- Authority
- CN
- China
- Prior art keywords
- user
- mouse
- crawler
- sampling
- data
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
Landscapes
- Engineering & Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明涉及一种基于用户鼠标交互行为的爬虫识别方法，包括以下步骤：步骤（1）、对用户行为进行数据采样；步骤（2）、对步骤（1）中的采样数据进行抽稀加密；步骤（3）、进行轨迹分析；步骤（4）、发现用户为恶意用户后，进行封禁处理。本发明的优点是：可以有效甄别出爬虫和机器人等恶意用户，同时极大降低现有反爬虫策略的误伤率，节约公司的服务器开销，提升网站性能和用户整体访问体验，同时整个过程对用户几乎无感知，区别于向用户输出验证码等反爬虫机制，对单一用户的访问连贯性感受产生显著提升。
Description
技术领域
本发明涉及一种基于用户鼠标交互行为的爬虫识别方法。
背景技术
通过IP维度判断容易误伤到真实用户，特别是处在大局域网内的企业用户，他们的出口IP相同，很容易造成同一个写字楼或社区内的合法用户访问频次较高后被误判为机器人遭到封杀，降低用户体验。通过浏览器UA判断的有效性较低，只能用来区分明显包含spider等关键词字段的爬虫UA，恶意用户完全可以通过简单修改绕过此判断。
发明内容
为克服现有技术的缺陷，本发明提供一种基于用户鼠标交互行为的爬虫识别方法，本发明的技术方案是：
一种基于用户鼠标交互行为的爬虫识别方法，包括以下步骤：
步骤（1）、对用户行为进行数据采样；
步骤（2）、对步骤（1）中的采样数据进行抽稀加密；
步骤（3）、进行轨迹分析；
步骤（4）、发现用户为恶意用户后，进行封禁处理。
所述的步骤（1）具体为： 当用户完整加载网页后，在网页上运行一个基于javascript模块的用户行为采样脚本；该采样脚本将收集和记录用户的鼠标指针在页面上滑动及点击的轨迹，记录用户滚动页面的速度和频率。
所述的步骤（2）具体为：在用户鼠标采样过程中产生数个数据点，根据用户行为产生频次动态压缩和抽稀采样数据，最终只将对判定用户行为的关键帧传输给服务器端；同时，为避免恶意用户简单模拟鼠标的行为，对采用数据进行加密处理。
所述的步骤（3）具体为：轨迹分析步骤中进行多维度分析，包括用户鼠标移动轨迹是否平滑连续、页面在单位时间的滚动距离是否合理，每个维度设置阈值和权重值，当单个维度的采样信息突破阈值时则判定为恶意用户，或多个维度经过权重计算后的结果值低于某个阈值则判定为恶意用户。
所述的步骤（4）具体为： 在经过行为分析判定用户为恶意用户后，会采取封禁处理；封禁处理方案包括主动封禁方案和被动封禁方案，在主动封禁方案中，服务器向客户端注入特定cookie，后续访问中，服务器识别到该cookie将直接屏蔽此用户的cookie；被动封禁方案针对于不开启cookie功能的爬虫，服务器会记录下恶意用户的IP和UA，进行封禁。
所述的数据点通过动态采样频率调节算法得出，具体为：
在页面加载完成后开始执行常规采样模式，前150次采样间隔时间为20ms，当连续150次即累计3秒内的每次采样点坐标数据均与上次采样点坐标数据不同时，则认为用户数据正在连续快速移动；自151次采样开始将采样时间间隔调整为10ms一次，采样频率加倍，进入密集采样模式；当连续100次采样即累计2秒内，每次采样点的X、Y坐标均与前一坐标点一致，则认为用户进入静默状态，采样频率降低至50ms每次，进入静默采样模式；如采样算法处于静默采样模式时，新的采样点与上次采样点之间发生位移，则退出静默采样模式，回归常规采样模式；同时在采样数据上传前对采样数据进行压缩处理，剔除掉连续相同坐标采样点中第一个采样点以外的其余所有采样点，即鼠标处于停留状态时的坐标数据仅保留一个。
滚动距离是否合理是通过以下方法得出的：根据用户浏览器高度，计算用户的当前视窗中可以展示出的页面高度，当用户视窗中不能露出分页条而向服务器发送了分页请求时，则倾向于认为其是爬虫行为；另外，由于手的惯性作用，鼠标指针往往无法保持在原位，而会相应产生一定的位移，如爬虫在爬取数据时模拟发送了页面滚动信息，而没有配合发送鼠标指针位移信息，则同样倾向于判定其为爬虫行为。
所述的维度设的阈值设定为：当页面滚动时，鼠标指针往往会沿页面滚动方向在Y轴上发生相当于滚动距离的0.6%-1.5%之间的同步位移；每20ms内页面滚动距离不超过500像素，如超过则倾向于认定为爬虫行为；权重值计分公式如下：Z = B* 0.3 + C*0.4 + D*0.3 - W；B：平滑度按0-100评分，平滑度越好得分越高；C：页面滚动时的鼠标同步位移率，按0-100评分，同步率越好得分越高；D：页面单位时间滚动距离，按0-100评分，滚动距离越短评分越高；W：罚分：页面生命周期中始终没有发生过鼠标位移，罚分100；页面分页条未漏出时请求了分页数据，罚分100；鼠标指针在整个生命周期中的移动轨迹与数据库中保存的其他用户移动轨迹完全一致的，罚分100，以上罚分逐项累加计算；当Z值大于等于90分时倾向于认定为优质用户；当Z值大于等于60小于90分时认定为良性用户；当Z值低于60分时认定为疑似爬虫用户；当Z值小于0时，认定为爬虫用户，予以屏蔽。
本发明的优点是：可以有效甄别出爬虫和机器人等恶意用户，同时极大降低现有反爬虫策略的误伤率，节约公司的服务器开销，提升网站性能和用户整体访问体验，同时整个过程对用户几乎无感知，区别于向用户输出验证码等反爬虫机制，对单一用户的访问连贯性感受产生显著提升。
具体实施方式
下面结合具体实施例来进一步描述本发明，本发明的优点和特点将会随着描述而更为清楚。但这些实施例仅是范例性的，并不对本发明的范围构成任何限制。本领域技术人员应该理解的是，在不偏离本发明的精神和范围下可以对本发明技术方案的细节和形式进行修改或替换，但这些修改和替换均落入本发明的保护范围内。
本发明涉及一种一种基于用户鼠标交互行为的爬虫识别方法，包括以下步骤：
步骤（1）、对用户行为进行数据采样；
步骤（2）、对步骤（1）中的采样数据进行抽稀加密；
步骤（3）、进行轨迹分析；
步骤（4）、发现用户为恶意用户后，进行封禁处理。
所述的步骤（1）具体为： 当用户完整加载网页后，在网页上运行一个基于javascript模块的用户行为采样脚本；该采样脚本将收集和记录用户的鼠标指针在页面上滑动及点击的轨迹，记录用户滚动页面的速度和频率。
所述的步骤（2）具体为：在用户鼠标采样过程中产生数个数据点，根据用户行为产生频次动态压缩和抽稀采样数据，最终只将对判定用户行为的关键帧传输给服务器端；同时，为避免恶意用户简单模拟鼠标的行为，对采用数据进行加密处理。
所述的步骤（3）具体为：轨迹分析步骤中进行多维度分析，包括用户鼠标移动轨迹是否平滑连续、页面在单位时间的滚动距离是否合理，每个维度设置阈值和权重值，当单个维度的采样信息突破阈值时则判定为恶意用户，或多个维度经过权重计算后的结果值低于某个阈值则判定为恶意用户。
所述的步骤（4）具体为： 在经过行为分析判定用户为恶意用户后，会采取封禁处理；封禁处理方案包括主动封禁方案和被动封禁方案，在主动封禁方案中，服务器向客户端注入特定cookie，后续访问中，服务器识别到该cookie将直接屏蔽此用户的cookie；被动封禁方案针对于不开启cookie功能的爬虫，服务器会记录下恶意用户的IP和UA，进行封禁。
所述的数据点通过动态采样频率调节算法得出，具体为：
在页面加载完成后开始执行常规采样模式，前150次采样间隔时间为20ms，当连续150次即累计3秒内的每次采样点坐标数据均与上次采样点坐标数据不同时，则认为用户数据正在连续快速移动；自151次采样开始将采样时间间隔调整为10ms一次，采样频率加倍，进入密集采样模式；当连续100次采样即累计2秒内，每次采样点的X、Y坐标均与前一坐标点一致，则认为用户进入静默状态，采样频率降低至50ms每次，进入静默采样模式；如采样算法处于静默采样模式时，新的采样点与上次采样点之间发生位移，则退出静默采样模式，回归常规采样模式；同时在采样数据上传前对采样数据进行压缩处理，剔除掉连续相同坐标采样点中第一个采样点以外的其余所有采样点，即鼠标处于停留状态时的坐标数据仅保留一个。
滚动距离是否合理是通过以下方法得出的：根据用户浏览器高度，计算用户的当前视窗中可以展示出的页面高度，当用户视窗中不能露出分页条而向服务器发送了分页请求时，则倾向于认为其是爬虫行为；另外，由于手的惯性作用，鼠标指针往往无法保持在原位，而会相应产生一定的位移，如爬虫在爬取数据时模拟发送了页面滚动信息，而没有配合发送鼠标指针位移信息，则同样倾向于判定其为爬虫行为。
所述的维度设的阈值设定为：当页面滚动时，鼠标指针往往会沿页面滚动方向在Y轴上发生相当于滚动距离的0.6%-1.5%之间的同步位移；每20ms内页面滚动距离不超过500像素，如超过则倾向于认定为爬虫行为；权重值计分公式如下：Z = B* 0.3 + C*0.4 + D*0.3 - W；B：平滑度按0-100评分，平滑度越好得分越高；C：页面滚动时的鼠标同步位移率，按0-100评分，同步率越好得分越高；D：页面单位时间滚动距离，按0-100评分，滚动距离越短评分越高；W：罚分：页面生命周期中始终没有发生过鼠标位移，罚分100；页面分页条未漏出时请求了分页数据，罚分100；鼠标指针在整个生命周期中的移动轨迹与数据库中保存的其他用户移动轨迹完全一致的，罚分100，以上罚分逐项累加计算；当Z值大于等于90分时倾向于认定为优质用户；当Z值大于等于60小于90分时认定为良性用户；当Z值低于60分时认定为疑似爬虫用户；当Z值小于0时，认定为爬虫用户，予以屏蔽。
Claims (8)
1.一种基于用户鼠标交互行为的爬虫识别方法，其特征在于，包括以下步骤：
步骤（1）、对用户行为进行数据采样；
步骤（2）、对步骤（1）中的采样数据进行抽稀加密；
步骤（3）、进行轨迹分析；
步骤（4）、发现用户为恶意用户后，进行封禁处理。
2.根据权利要求1所述的一种基于用户鼠标交互行为的爬虫识别方法，其特征在于，所述的步骤（1）具体为： 当用户完整加载网页后，在网页上运行一个基于javascript模块的用户行为采样脚本；该采样脚本将收集和记录用户的鼠标指针在页面上滑动及点击的轨迹，记录用户滚动页面的速度和频率。
3.根据权利要求1所述的一种基于用户鼠标交互行为的爬虫识别方法，其特征在于，所述的步骤（2）具体为：在用户鼠标采样过程中产生数个数据点，根据用户行为产生频次动态压缩和抽稀采样数据，最终只将对判定用户行为的关键帧传输给服务器端；同时，为避免恶意用户简单模拟鼠标的行为，对采用数据进行加密处理。
4.根据权利要求1所述的一种基于用户鼠标交互行为的爬虫识别方法，其特征在于，所述的步骤（3）具体为：轨迹分析步骤中进行多维度分析，包括用户鼠标移动轨迹是否平滑连续、页面在单位时间的滚动距离是否合理，每个维度设置阈值和权重值，当单个维度的采样信息突破阈值时则判定为恶意用户，或多个维度经过权重计算后的结果值低于某个阈值则判定为恶意用户。
5.根据权利要求1所述的一种基于用户鼠标交互行为的爬虫识别方法，其特征在于，所述的步骤（4）具体为： 在经过行为分析判定用户为恶意用户后，会采取封禁处理；封禁处理方案包括主动封禁方案和被动封禁方案，在主动封禁方案中，服务器向客户端注入特定cookie，后续访问中，服务器识别到该cookie将直接屏蔽此用户的cookie；被动封禁方案针对于不开启cookie功能的爬虫，服务器会记录下恶意用户的IP和UA，进行封禁。
6.根据权利要求3所述的一种基于用户鼠标交互行为的爬虫识别方法，其特征在于，所述的数据点通过动态采样频率调节算法得出，具体为：
在页面加载完成后开始执行常规采样模式，前150次采样间隔时间为20ms，当连续150次即累计3秒内的每次采样点坐标数据均与上次采样点坐标数据不同时，则认为用户数据正在连续快速移动；自151次采样开始将采样时间间隔调整为10ms一次，采样频率加倍，进入密集采样模式；当连续100次采样即累计2秒内，每次采样点的X、Y坐标均与前一坐标点一致，则认为用户进入静默状态，采样频率降低至50ms每次，进入静默采样模式；如采样算法处于静默采样模式时，新的采样点与上次采样点之间发生位移，则退出静默采样模式，回归常规采样模式；同时在采样数据上传前对采样数据进行压缩处理，剔除掉连续相同坐标采样点中第一个采样点以外的其余所有采样点，即鼠标处于停留状态时的坐标数据仅保留一个。
7.根据权利要求4所述的一种基于用户鼠标交互行为的爬虫识别方法，其特征在于，滚动距离是否合理是通过以下方法得出的：根据用户浏览器高度，计算用户的当前视窗中可以展示出的页面高度，当用户视窗中不能露出分页条而向服务器发送了分页请求时，则倾向于认为其是爬虫行为；另外，由于手的惯性作用，鼠标指针往往无法保持在原位，而会相应产生一定的位移，如爬虫在爬取数据时模拟发送了页面滚动信息，而没有配合发送鼠标指针位移信息，则同样倾向于判定其为爬虫行为。
8.根据权利要求4所述的一种基于用户鼠标交互行为的爬虫识别方法，其特征在于，所述的维度设的阈值设定为：当页面滚动时，鼠标指针往往会沿页面滚动方向在Y轴上发生相当于滚动距离的0.6%-1.5%之间的同步位移；每20ms内页面滚动距离不超过500像素，如超过则倾向于认定为爬虫行为；权重值计分公式如下：Z = B* 0.3 + C*0.4 + D*0.3 - W；B：平滑度按0-100评分，平滑度越好得分越高；C：页面滚动时的鼠标同步位移率，按0-100评分，同步率越好得分越高；D：页面单位时间滚动距离，按0-100评分，滚动距离越短评分越高；W：罚分：页面生命周期中始终没有发生过鼠标位移，罚分100；页面分页条未漏出时请求了分页数据，罚分100；鼠标指针在整个生命周期中的移动轨迹与数据库中保存的其他用户移动轨迹完全一致的，罚分100，以上罚分逐项累加计算；当Z值大于等于90分时倾向于认定为优质用户；当Z值大于等于60小于90分时认定为良性用户；当Z值低于60分时认定为疑似爬虫用户；当Z值小于0时，认定为爬虫用户，予以屏蔽。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811152983.5A CN109189660A (zh) | 2018-09-30 | 2018-09-30 | 一种基于用户鼠标交互行为的爬虫识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811152983.5A CN109189660A (zh) | 2018-09-30 | 2018-09-30 | 一种基于用户鼠标交互行为的爬虫识别方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109189660A true CN109189660A (zh) | 2019-01-11 |
Family
ID=64908135
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811152983.5A Pending CN109189660A (zh) | 2018-09-30 | 2018-09-30 | 一种基于用户鼠标交互行为的爬虫识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109189660A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110933103A (zh) * | 2019-12-11 | 2020-03-27 | 江苏满运软件科技有限公司 | 反爬虫方法、装置、设备和介质 |
| CN111090856A (zh) * | 2020-03-23 | 2020-05-01 | 杭州有数金融信息服务有限公司 | 一种基于检测浏览器特征及事件监听的爬虫检测方法 |
| CN111831881A (zh) * | 2020-07-04 | 2020-10-27 | 西安交通大学 | 一种基于网站流量日志数据与优化谱聚类算法的恶意爬虫检测方法 |
| CN112003833A (zh) * | 2020-07-30 | 2020-11-27 | 瑞数信息技术（上海）有限公司 | 异常行为检测方法和装置 |
| CN112989158A (zh) * | 2019-12-16 | 2021-06-18 | 顺丰科技有限公司 | 一种识别网页爬虫行为的方法、装置及存储介质 |
| CN114006711A (zh) * | 2020-07-28 | 2022-02-01 | 云盾智慧安全科技有限公司 | 网络爬虫识别方法、系统、装置及计算机存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102790700A (zh) * | 2011-05-19 | 2012-11-21 | 北京启明星辰信息技术股份有限公司 | 一种识别网页爬虫的方法和装置 |
| US20140101557A1 (en) * | 2009-12-18 | 2014-04-10 | Morningside Analytics, Llc | Valence graph tool for custom network maps |
| CN104199874A (zh) * | 2014-08-20 | 2014-12-10 | 哈尔滨工程大学 | 一种基于用户浏览行为的网页推荐方法 |
| US20150052189A1 (en) * | 2013-08-16 | 2015-02-19 | Nosto Solutions Ltd | Method for providing a third party service associated with a network-accessible site using a single scripting approach |
| CN105512193A (zh) * | 2015-11-26 | 2016-04-20 | 上海携程商务有限公司 | 基于浏览器扩展的数据采集系统及方法 |
| CN105930727A (zh) * | 2016-04-25 | 2016-09-07 | 无锡中科富农物联科技有限公司 | 基于Web的爬虫识别算法 |
-
2018
- 2018-09-30 CN CN201811152983.5A patent/CN109189660A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20140101557A1 (en) * | 2009-12-18 | 2014-04-10 | Morningside Analytics, Llc | Valence graph tool for custom network maps |
| CN102790700A (zh) * | 2011-05-19 | 2012-11-21 | 北京启明星辰信息技术股份有限公司 | 一种识别网页爬虫的方法和装置 |
| US20150052189A1 (en) * | 2013-08-16 | 2015-02-19 | Nosto Solutions Ltd | Method for providing a third party service associated with a network-accessible site using a single scripting approach |
| CN104199874A (zh) * | 2014-08-20 | 2014-12-10 | 哈尔滨工程大学 | 一种基于用户浏览行为的网页推荐方法 |
| CN105512193A (zh) * | 2015-11-26 | 2016-04-20 | 上海携程商务有限公司 | 基于浏览器扩展的数据采集系统及方法 |
| CN105930727A (zh) * | 2016-04-25 | 2016-09-07 | 无锡中科富农物联科技有限公司 | 基于Web的爬虫识别算法 |
Non-Patent Citations (2)
| Title |
|---|
| 崔庆才: "[Python3 网络爬虫开发实战] 7.1-Selenium 的使用", 《HTTPS://CUIQINGCAI.COM/5630.HTML》 * |
| 张亮等: "网络用户浏览行为的分析", 《计算机系统应用》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110933103A (zh) * | 2019-12-11 | 2020-03-27 | 江苏满运软件科技有限公司 | 反爬虫方法、装置、设备和介质 |
| CN112989158A (zh) * | 2019-12-16 | 2021-06-18 | 顺丰科技有限公司 | 一种识别网页爬虫行为的方法、装置及存储介质 |
| CN111090856A (zh) * | 2020-03-23 | 2020-05-01 | 杭州有数金融信息服务有限公司 | 一种基于检测浏览器特征及事件监听的爬虫检测方法 |
| CN111831881A (zh) * | 2020-07-04 | 2020-10-27 | 西安交通大学 | 一种基于网站流量日志数据与优化谱聚类算法的恶意爬虫检测方法 |
| CN111831881B (zh) * | 2020-07-04 | 2023-03-21 | 西安交通大学 | 一种基于网站流量日志数据与优化谱聚类算法的恶意爬虫检测方法 |
| CN114006711A (zh) * | 2020-07-28 | 2022-02-01 | 云盾智慧安全科技有限公司 | 网络爬虫识别方法、系统、装置及计算机存储介质 |
| CN114006711B (zh) * | 2020-07-28 | 2023-11-24 | 云盾智慧安全科技有限公司 | 网络爬虫识别方法、系统、装置及计算机存储介质 |
| CN112003833A (zh) * | 2020-07-30 | 2020-11-27 | 瑞数信息技术（上海）有限公司 | 异常行为检测方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109189660A (zh) | 一种基于用户鼠标交互行为的爬虫识别方法 | |
| Jorgensen et al. | On mouse dynamics as a behavioral biometric for authentication | |
| US10803183B2 (en) | System, method, and computer program product for detecting and assessing security risks in a network | |
| US9680938B1 (en) | System, method, and computer program product for tracking user activity during a logon session | |
| CN105930727B (zh) | 基于Web的爬虫识别方法 | |
| CN105100032B (zh) | 一种防止资源盗取的方法及装置 | |
| CN107483488A (zh) | 一种恶意Http检测方法及系统 | |
| JP6290659B2 (ja) | アクセス管理方法およびアクセス管理システム | |
| WO2018028430A1 (zh) | 识别及辅助识别虚假流量的方法、装置及系统 | |
| CN109104456A (zh) | 一种基于浏览器指纹的用户追踪与传播统计分析方法 | |
| CN102970289A (zh) | 基于Web用户行为模式的身份认证方法 | |
| CN109274632A (zh) | 一种网站的识别方法及装置 | |
| CN108712426A (zh) | 基于用户行为埋点的爬虫识别方法及系统 | |
| CN107615706A (zh) | 持续用户认证 | |
| CN109194671A (zh) | 一种异常访问行为的识别方法及服务器 | |
| Liu et al. | Fingerprinting web browser for tracing anonymous web attackers | |
| CN105323206B (zh) | Ip防御方法 | |
| WO2020190165A1 (ru) | Способ и система идентификации пользователя по траектории движения курсора | |
| CN105915536A (zh) | 用于网络靶场的攻击行为实时跟踪分析方法 | |
| CN103209161B (zh) | 一种访问请求处理方法及装置 | |
| Raschke et al. | Uncovering canvas fingerprinting in real-time and analyzing ist usage for web-tracking | |
| Hu et al. | Deceive mouse-dynamics-based authentication model via movement simulation | |
| CN105894017A (zh) | 基于马尔可夫逻辑网络的在线活动识别方法及系统 | |
| TWI769573B (zh) | 用於疫情評估與用戶追蹤之系統、方法及電腦可讀媒介 | |
| CN105447067A (zh) | 一种社交媒体中热点微博数据的自适应取样方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190111 |
|
| WD01 | Invention patent application deemed withdrawn after publication |