CN109447701A - 应用程序反作弊方法、装置和服务端 - Google Patents
应用程序反作弊方法、装置和服务端 Download PDFInfo
- Publication number
- CN109447701A CN109447701A CN201811243039.0A CN201811243039A CN109447701A CN 109447701 A CN109447701 A CN 109447701A CN 201811243039 A CN201811243039 A CN 201811243039A CN 109447701 A CN109447701 A CN 109447701A
- Authority
- CN
- China
- Prior art keywords
- recognition result
- application program
- sensed data
- terminal device
- identification
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0225—Avoiding frauds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
- G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
- G06F21/55—Detecting local intrusion or implementing counter-measures
- G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
- G06F21/566—Dynamic detection, i.e. detection performed at run-time, e.g. emulation, suspicious activities
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computer Security & Cryptography (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Software Systems (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Computer Hardware Design (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Virology (AREA)
- Game Theory and Decision Science (AREA)
- Telephonic Communication Services (AREA)
Abstract
本申请实施例提供了一种应用程序反作弊方法和装置，以对应用程序进行作弊识别处理。该方法可以应用于终端设备，包括：监听终端设备的感应模块；基于预设采集规则采集所述感应模块输出的感应数据；基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果；基于所述识别结果对所述应用程序执行对应的处理。本申请实施例还提供了另一种应用程序反作弊方法和服务端。
Description
技术领域
本申请涉及互联网技术领域，尤其涉及一种应用程序反作弊方法、装置和服务端。
背景技术
随着互联网技术的快速发展，越来越多的用户使用应用程序(简称应用)来满足自身不同的业务需求。
为了推广应用以获取更多的用户流量，很多应用开发商使用分发渠道提供应用的安装下载，并根据渠道带来的应用安装数量进行付费，在该场景下出现了很多作弊安装行为，例如，通过刷机农场等手段进行作弊安装，给应用开发商带来了巨大损失。
另外，也有很多应用使用了现金红包、签到红包、积分奖励等方式吸引用户使用，但由于利益驱使，也出现了通过群控系统等方法来骗取红包积分的作弊行为，同样给应用开发商带来了巨大损失。
因此，有必要提供应用程序反作弊相关的技术方案，以对应用程序进行作弊识别处理。
发明内容
本申请实施例的目的是提供一种应用程序反作弊方法、装置和服务端，以对应用程序进行作弊识别处理。
为解决上述技术问题，本申请实施例是这样实现的：
第一方面，本申请实施例提供了一种应用程序反作弊方法，应用于终端设备，包括：监听终端设备的感应模块；基于预设采集规则采集所述感应模块输出的感应数据；基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果；基于所述识别结果对所述应用程序执行对应的处理。
第二方面，本申请实施例提供了一种应用程序反作弊方法，应用于服务端，包括：获取第一识别结果，所述第一识别结果是终端设备对应用程序进行作弊识别得到的；基于所述第一识别结果以及第二识别结果得到第三识别结果，其中，所述第二识别结果，是所述服务端基于感应数据对所述应用程序进行作弊识别得到的，所述感应数据是所述终端设备基于预设采集规则采集感应模块的输出得到的；基于所述第三识别结果对所述应用程序执行对应的处理。
第三方面，本申请实施例提供了一种应用程序反作弊装置，包括：监听模块，用于监听终端设备的感应模块；数据采集模块，用于基于预设采集规则采集所述感应模块输出的感应数据；识别模块，用于基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果；处理模块，用于基于所述识别结果对所述应用程序执行对应的处理。
第四方面，本申请实施例提供了一种服务端，包括：获取模块，用于获取第一识别结果，所述第一识别结果是终端设备对应用程序进行作弊识别得到的；识别模块，用于基于所述第一识别结果以及第二识别结果得到第三识别结果，其中，所述第二识别结果，是所述服务端基于感应数据对所述应用程序进行作弊识别得到的，所述感应数据是所述终端设备基于预设采集规则采集感应模块的输出得到的；处理模块，用于基于所述第三识别结果对所述应用程序执行对应的处理。
第五方面，本申请实施例提供了一种应用程序反作弊设备，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时实现如上述第一方面和第二方面所述的应用程序反作弊方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机可执行指令，所述计算机可执行指令被处理器执行时实现如上述第一方面和第二方面所述的应用程序反作弊方法的步骤。
在本申请实施例中，通过采集终端设备感应模块输出的感应数据，能够基于所述感应数据对终端设备的应用程序进行作弊识别；同时，基于识别结果对所述应用程序执行对应的处理，实现了对应用程序的作弊识别处理。
附图说明
为了更清楚地说明本申请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简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本申请实施例提供的应用程序反作弊方法的第一种流程示意图；
图2为本申请实施例提供的应用程序反作弊方法的第二种流程示意图；
图3为本申请实施例提供的应用程序反作弊装置结构示意图；
图4为本申请另一实施例提供的应用程序反作弊方法的流程示意图；
图5为本申请实施例提供的服务端结构示意图；
图6为本申请实施例提供的应用程序反作弊设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通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，都应当属于本申请保护的范围。
如图1所示，本申请的一个实施例提供一种应用程序反作弊方法，该方法可以应用于终端设备，包括如下步骤：
S102：监听终端设备的感应模块。
本申请各个实施例中提到的终端设备，包括但不限于手机、平板电脑、个人数字处理器、车载电脑、相机、音乐播放器、手提电脑、电子书阅读器或导航仪等。
通常而言，在终端设备内一般都安装有感应模块，具体例如，能够获取终端设备角速度陀螺仪、能够获取终端设备加速度的加速度传感器、能够获取终端设备温度的温度传感器，或者，能够获取终端设备实时位置的位置传感器等等。
该实施例可以对上述感应模块进行监听，实时监听感应模块状态，如果能监听到感应模块的状态，则执行步骤S104；如果监听不到感应模块的状态，则结束流程。
S104：基于预设采集规则采集所述感应模块输出的感应数据。
该步骤中提到的预设采集规则，可以是用来约束采集感应数据的采集频率，或者，用来约束采集的感应数据的取值范围。
具体例如，该步骤可以以一定的时间间隔定时执行采集感应模块输出的感应数据的操作；又例如，该实施例可以仅仅采集感应模块输出的大于预设值的感应数据；再例如，该步骤可以以一定的时间间隔定时采集感应模块输出的大于预设值的感应数据等等。
通过上述预设采集规则的限定，避免采集感应模块输出的全部感应数据，节约了需要存储采集的感应数据的存储空间，从而起到节约资源的效果；同时，采集频率可以降低，进一步起到节约资源的效果；另外，采集到的感应数据的数量少于感应模块输出的全部感应数据，便于后续步骤的分析处理，提高执行效率，进一步起到节约资源的效果。
对于该步骤中采集到的感应数据的数据类型，可以是与监听、采集的感应模块的类型相对应。
例如，如果感应模块是陀螺仪，则该步骤采集到的感应数据可以是终端设备x，y，z三个方向的角速度数据。
如果感应模块是加速度传感器，则该步骤采集到的感应数据可以是终端设备x，y，z三个方向的加速度数据。
如果感应模块是温度传感器，则该步骤采集到的感应数据可以是终端设备的温度。
如果感应模块是位置传感器，则该步骤采集到的感应数据可以是终端设备的地理位置数据。
S106：基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果。
该步骤中的识别结果可以包括操作正常和操作异常，其中，操作正常可以表示终端设备内安装的预设应用程序不存在作弊行为，或者称作是作弊的概率较低；操作异常可以表示终端设备内安装的预设应用程序存在作弊行为，或者称作是作弊的概率较高。
该步骤执行时，可以基于获取的感应数据，以及预先定义的、操作正常的应用程序所在的终端设备的感应数据规律、操作异常的应用程序所在的终端设备的感应数据规律等，对终端设备的应用程序进行作弊识别。
具体例如，如果获取的感应数据是终端设备x，y，z三个方向的角速度数据，考虑到操作正常的应用程序所在的终端设备会受到用户触摸、点击、随身携带等操作，其运动幅度较大，在使用过程中会经常输出感应数据，特别是在应用程序有一些优惠活动，比如摇一摇抢红包时；那么，可以基于在预设时长内是否获取到角速度数据，来对所述终端设备的应用程序进行作弊识别。
具体例如，在摇一摇抢红包的活动时间段内获取到的终端设备x，y，z三个方向的角速度数据，则认为应用程序操作正常；在摇一摇抢红包的活动时间段内没有获取到终端设备的角速度数据，则认为应用程序操作异常。
利用获取的加速度数据或者地理位置数据对终端设备的应用程序进行作弊识别，其识别原理与上述角速度数据类似。
具体例如，终端设备的加速度数据在预设时长内一直没有变化或者是变化幅度很小，则认为终端设备内安装的预设应用程序存在作弊行为，或者称作是作弊的概率较高；终端设备的加速度数据在预设时长内发生有规律的变化，则认为终端设备内安装的预设应用程序不存在作弊行为，或者称作是作弊的概率较低。
又例如，终端设备的位置数据在预设时长内一直没有变化或者是变化幅度很小，则认为终端设备内安装的预设应用程序存在作弊行为，或者称作是作弊的概率较高；终端设备的位置数据预设时长内发生有规律的变化，例如，在工作日的上午从A地到B地而下午从B地到A地，则认为终端设备内安装的预设应用程序不存在作弊行为，或者称作是作弊的概率较低。
利用获取的温度数据对所述终端设备的应用程序进行作弊识别时，考虑到用户每天在使用终端设备时，终端设备的温度会升高，不使用终端设备时，终端设备的温度会偏低且几乎保持恒定。
具体进行作弊识别时，例如，获取到的温度数据每天都呈有规律的起伏变化，则认为终端设备内安装的预设应用程序不存在作弊行为，或者称作是作弊的概率较低；获取到的温度数据每天都几乎是恒定不变的，则认为终端设备内安装的预设应用程序存在作弊行为，或者称作是作弊的概率较高。
S108：基于所述识别结果对所述应用程序执行对应的处理。
如前所述，识别结果可以包括操作正常和操作异常，在本实施例中，“执行对应的处理”是相对于得到的“识别结果”而言，有一次识别结果，那么将对应一次处理，这种处理可以表现为积极的响应，例如，如果所述识别结果是操作异常，则执行下述至少一种：
增加所述应用程序的安全验证操作；
发出操作异常提醒；或者，
向服务端上报操作异常的识别结果。
上述处理还可以表现为消极的响应，例如，如果所述识别结果是操作正常，则表现出一次消极的响应，也即不进行明显的处理。
当然，在本发明的其它实施例中，可以对识别结果为操作正常的应用程序进行操作正常标记记录等操作。
在本申请实施例中，通过采集终端设备感应模块输出的感应数据，能够基于所述感应数据对终端设备的应用程序进行作弊识别；同时，基于识别结果对所述应用程序执行对应的处理，实现了对应用程序的作弊识别处理。
在上述实施例中提到，如果识别结果是操作异常，基于识别结果对应用程序执行对应的处理包括下述至少一种：
增加所述应用程序的安全验证操作；
发出操作异常提醒；或者，
向服务端上报操作异常的识别结果。
通过增加应用程序的安全验证操作，比如，向应用程序绑定的手机号发送验证码，提醒用户在应用程序的输入界面输入验证码，如果验证码输入正确，则跳过安全验证，继续允许应用程序的后续操作；如果验证码输入错误或输入为空，则阻止应用程序的后续操作。
通过上述增加应用程序的安全验证操作，特别是对于群控的应用程序作弊行为，因作弊者需要大量的输入验证操作，提高作弊成本，间接上能够起到阻碍应用程序作弊行为的效果。
通过上述发出操作异常提醒的操作，同时还可以阻止应用程序的后续操作，并且对应用程序的作弊风险等级添加标签，便于结合其他的验证方式对应用程序的作弊行为作进一步识别处理。
通过上述向服务端上报操作异常的识别结果，以便服务端对所述应用程序进行作弊识别；或者是以便所述服务端基于多个终端设备的感应数据以及所述多个终端设备的应用程序的识别结果，对所述多个终端设备的应用程序进行进一步作弊识别，便于提高反作弊识别的准确度。服务端具体的识别过程在图2和图4所示的实施例再进行详细介绍。对于上述提到的多个终端设备，例如同一网段地址下的多个终端设备等。
前文几个实施例的步骤S104中提到的基于预设采集规则采集所述感应模块输出的感应数据，具体可以包括：将当前时刻输出的感应数据与多个历史时刻的感应数据进行倒序遍历对比、正序遍历对比或随机对比，得到对比结果；如果对比结果超过预设值，则采集所述当前时刻输出的感应数据。
通过上述倒序遍历对比的方式，也即将当前时刻的感应数据优先与多个历史时刻的感应数据中、距离当前时刻时间最长的感应数据进行对比，如果对比结果超出预设值，则结束对比，保存当前时刻的感应数据；如果对比结果小于预设值，则按照距离当前时刻时间间隔最长—到时间间隔最短的顺序依次进行对比，对比过程中只要有超出预设值的历史感应数据即可结束流程。通过上述操作，在进行较少的对比后即有很大概率得到超出预设值的对比结果，然后即可结束对比，相对于正序遍历、以及随机遍历对比的方式，便于提高效率，并节约消耗的资源。
可选地，前文几个实施例提供的应用程序反作弊方法可以由终端设备执行，终端设备还可以向服务端发送所述感应数据，例如周期性发送；以及在预设条件下将所述识别结果发送至服务端，以便服务端对所述应用程序进行作弊识别；或者是，以便所述服务端基于多个终端设备的感应数据以及所述多个终端设备的应用程序的识别结果，对所述多个终端设备的应用程序进行进一步的作弊识别，便于提高识的准确性。所述预设条件包括下述至少一种：预设红包领取条件；预设优惠活动条件；预设应用推广条件；或者，预设应用程序启动条件。具体在图2所示的实施例进行详细介绍。
为详细说明本申请实施例提供的应用程序反作弊方法，以下将结合一具体实施例进行介绍，以下将首先对该实施例的核心思想进行介绍。
本申请实施例可以应用在安卓android平台上，以终端设备的感应模块为陀螺仪为例进行反作弊识别处理，具体如下：用户安装完成并打开应用程序后，应用程序开始监听终端设备的陀螺仪传感器的信息，接收陀螺仪传感器变化信息，通过过滤器过滤后信息传递给存储装置，存储装置在指定周期与服务端进行数据同步，服务端对已同步数据进行统计分析，以便后续应用程序做出作弊识别。
终端设备在本地对应用程序进行作弊识别，得到识别结果，当应用程序在进行指定的业务请求时，携带当前一段时间未同步的陀螺仪数据、以及终端设备的识别结果等发送到服务端，服务端业务接口根据实时上报的陀螺仪数据以及历史上报的陀螺仪数据进行分析，同时结合终端设备的识别结果执行综合反作弊决策，具体的执行步骤如图2所示，该实施例200包括以下步骤：
S202：对终端设备的陀螺仪进行变化事件监听注册。
该步骤具体可以是在应用程序初始化时执行。当用户使用终端设备初始使用已经安装的应用时，应用进程开始启动，具体可以使用安卓系统提供的SensorManger类中的SensorEventListener监听陀螺仪输出值的改变情况，具体实现如下：
1)获得SensorManager对象，返回一个硬件设备的控制器。
2)获得特定的传感器，该实施例中以传感器为陀螺仪为例进行介绍。
3)创建SensorEventListener监听陀螺仪输出值的改变情况，变化时执行指定动作，具体执行动作可以参见后续步骤S204。
4)注册陀螺仪监听事件，以便后续实时对陀螺仪进行监听。
该实施例考虑到用户在正常使用终端设备的过程中，由于操作终端设备使用应用时需要按键或点击屏幕等操作，由此产生的移动会触发陀螺仪的输出值发生变化。
当存在作弊行为时，例如，在一个终端上通过模拟器模拟出多个应用程序的作弊行为；或者是例如手机工厂的一个作弊者同时控制多个手机的行为，上述作弊行为容易造成陀螺仪数据不发生变化，或者是获取不到陀螺仪数据，本申请实施例即可基于上述思想对应用程序进行作弊识别处理。
S204：基于预设采集规则采集陀螺仪数据。
终端设备在受到用户按键或触屏时，陀螺仪一般发生事件变化并输出陀螺仪数据，该步骤即可接收陀螺仪输出的数据，并将接收到的数据输入到过滤装置中，通过过滤装置将没有超过变化阈值的陀螺仪数据进行过滤(不采集)，未被过滤器过滤掉的陀螺仪数据进入存储器存储。
该实施例中，除了采集陀螺仪数据之外，还可以获取其他一些相关信息，具体例如，传感器类型(即陀螺仪)，采集的数据的生成时间，具体可以是陀螺仪事件发生的毫秒时间戳。
本步骤中通过提前设定预设值，用来过滤x，y，z三个方向的陀螺仪数据中变化较小的陀螺仪数据，可以避免如桌面震动、楼体震动等小幅度变化造成的采集的陀螺仪数据过多的问题，在该种场景下陀螺仪数据存入存储器频率过高而可能引起的终端设备性能问题和耗电问题，从而起到节约资源的效果。
通过上述过滤器设定的阈值的限定，避免采集陀螺仪输出的全部陀螺仪数据，从而起到节约资源的效果；同时，采集到的陀螺仪数据的数量少于陀螺仪输出的全部数据，便于后续步骤的分析处理，提高执行效率。
该步骤在实际采集陀螺仪数据时，可以将当前时刻输出的陀螺仪数据与多个历史时刻的陀螺仪数据进行倒序遍历对比、正序遍历对比或随机对比，得到对比结果；如果对比结果超过预设值，则采集所述当前时刻输出的陀螺仪数据。
具体例如，将当前时刻输出的陀螺仪数据与内存中的缓存列表进行对比，缓存列表中存储有多个距当前时刻最近的历史时刻的陀螺仪数据，该列表可以是先入先出FIFO队列，入队列在一端，出队列在另一端，在队列中维护了过滤装置收到的陀螺仪数据。
当变更信息发生时，也即当前时刻接收到陀螺仪数据，将当前时刻输出的陀螺仪数据写入队列中，入队信息包含陀螺仪x，y，z轴的变化数据，此为入队操作，队列维护指定长度，如入队后超过指定长度，则从另一端进行出队操作。对比时使用传入事件中的x，y，z信息与列表中的信息进行倒序遍历对比，每次分别对比x，y，z，任意维度的值的差超过预设值，则视为当前时刻输出的陀螺仪数据为有效数据，即可进行存储；如果三个维度的值与队列中的所有陀螺仪数据的差均小于预设值，则过滤掉当前时刻输出的陀螺仪数据。
通过上述倒序遍历对比的方式，也即将当前时刻的陀螺仪数据优先与上述队列中距离当前时刻时间最长的陀螺仪数据进行对比，如果对比结果超出预设值，则结束对比，保存当前时刻的感应数据；如果对比结果小于预设值，则按照距离当前时刻时间间隔最长—到时间间隔最短的顺序依次进行对比，对比过程中只要有超出预设值的历史陀螺仪数据即可结束流程。通过上述操作，在进行较少的对比后即有很大概率得到超出预设值的对比结果，相对于正序遍历、以及随机遍历对比的方式，便于提高效率，并节约消耗的资源。
S206：基于所述陀螺仪数据对所述终端设备的应用程序进行作弊识别，得到本地识别结果。
该步骤中的本地识别结果可以包括操作正常和操作异常，其中，操作正常可以表示终端设备内安装的预设应用程序不存在作弊行为，或者称作是作弊的概率较低；操作异常可以表示终端设备内安装的预设应用程序存在作弊行为，或者称作是作弊的概率较高。
该步骤识别时，例如，如果在预设时长内存在感应数据，且所述预设时长内的感应数据满足预设的正常操作条件，则确定所述应用程序操作正常；以及如果在预设时长内不存在感应数据，或者，所述预设时长内的感应数据不满足预设的正常操作条件，则确定所述应用程序操作异常。
可选地，该步骤具体执行时，可以基于采集的陀螺仪数据，以及预先定义的、操作正常的应用程序所在的终端设备的陀螺仪数据规律、操作异常的应用程序所在的终端设备的陀螺仪数据规律等，对终端设备的应用程序进行作弊识别。
具体例如，如果获取的陀螺仪数据是终端设备x，y，z三个方向的角速度数据，考虑到操作正常的应用程序所在的终端设备会受到用户触摸、点击、随身携带等操作，其运动幅度较大，在使用过程中会经常输出感应数据，特别是在应用程序有一些优惠活动，比如摇一摇抢红包时；那么，可以基于在预设时长内是否获取到角速度数据，来对所述终端设备的应用程序进行作弊识别。
具体例如，在摇一摇抢红包的活动时间段内获取到的终端设备x，y，z三个方向的角速度数据，则认为应用程序操作正常；在摇一摇抢红包的活动时间段内没有获取到终端设备的角速度数据，则认为应用程序操作异常。
该实施例还可以在存储器中记录采集陀螺仪数据的时间等信息，周期性地将存储的陀螺仪数据同步到服务端。
存储器底层可以使用关系型数据库sqlite进行上述数据存储。根据预设的周期阈值，建立对应的定时装置，触发同步事件时将未同步过的陀螺仪数据等信息通过服务端接口以数据形式上传到服务端，再上报服务端时还可以携带终端设备ID，如android id，服务端接收到上报请求时，将该终端设备上报的数据，设备ID等存入服务端数据库，如果存入成功，返回存入成功信息，终端设备额收到成功记录后，标记已经上报成功的本地存储数据。
S208：在预设条件下将所述本地识别结果以及预设时长内的陀螺仪数据发送至服务端。
在本步骤中，预设条件一般是需要进行反作弊验证的场景，可以为全部请求服务端的场景，所述预设条件包括下述至少一种：
预设红包领取条件；
预设优惠活动条件；
预设应用推广条件；或者，
预设应用程序启动条件。
在上述场景下发出的请求中应加入本地识别结果，该识别结果可以是与服务端约定的状态码的形式进行发送。具体可以在请求服务端时在原有的API参数中增加状态码参数。
在本步骤中，本地识别结果状态的状态码具体可以是：1，表示本地识别结果为操作正常；2，表示本地识别结果为操作异常，另外如本地无法获取到传感器信息，设置传感器状态为3，表示陀螺仪数据无法获取。
另外，终端设备还可以携带预设时长内的陀螺仪数据，例如，终端设备在执行上述预设条件的时间段内的陀螺仪数据，或者是终端设备之前未同步的陀螺仪数据等。
这样，服务端根据终端设备请求数据中的状态码、上述预设时长的陀螺仪数据、以及服务端存储的终端设备之前上报的陀螺仪数据进行综合决策，对应用程序作进一步作弊识别。
在实施例中，终端设备的请求达到服务端后，服务端进行综合决策，除本地识别结果和服务端识别结果都为操作正常时，其他都进入异常流程。如果判断该为如操作异常，则进入异常流程，具体可以是增加所述应用程序的安全验证操作，或者，发出操作异常提醒并终止应用程序的后续行为等，有效的阻止营销类作弊行的褥羊毛行为，后续详见图4所示的实施例。
另外，服务端还可以对操作异常的应用程序所在终端设备进行标记，通过对这部分终端设备进行聚合分析，可以找到操作异常占比较大的渠道，通过IP等维度辅助进行作弊识别，例如，对同网段IP下的多个终端设备进行作弊识别，便于发现刷机农场等作弊行为，针对此类渠道，可以进行推广类作弊行为的识别。
以上说明书部分详细介绍了应用程序反作弊方法实施例，如图3所示，本说明书还提供了一种应用程序反作弊装置300，该装置300包括：
监听模块302，可以用于监听终端设备的感应模块；
数据采集模块304，可以用于基于预设采集规则采集所述感应模块输出的感应数据；
识别模块306，可以用于基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果；
处理模块308，可以用于基于所述识别结果对所述应用程序执行对应的处理。
在本申请实施例中，通过采集终端设备感应模块输出的感应数据，能够基于所述感应数据对终端设备的应用程序进行作弊识别；同时，基于识别结果对所述应用程序执行对应的处理，实现了对应用程序的作弊识别处理。
可选地，作为一个实施例，所述识别结果包括操作异常，所述处理模块308基于所述识别结果对所述应用程序执行对应的处理包括：
如果所述应用程序操作异常，则所述处理模块执行下述至少一种：
增加所述应用程序的安全验证操作；
发出操作异常提醒；或者，
向服务端上报操作异常的识别结果。
可选地，作为一个实施例，所述识别结果还包括操作正常，所述识别模块306基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果包括：
如果在预设时长内存在感应数据，且所述预设时长内的感应数据满足预设的正常操作条件，则确定所述应用程序操作正常；以及
如果在预设时长内不存在感应数据，或者，所述预设时长内的感应数据不满足预设的正常操作条件，则确定所述应用程序操作异常。
可选地，作为一个实施例，所述数据采集模块304基于预设采集规则采集所述感应模块输出的感应数据包括：
将当前时刻输出的感应数据与多个历史时刻的感应数据进行倒序遍历对比、正序遍历对比或随机对比，得到对比结果；
如果对比结果超过预设值，则采集所述当前时刻输出的感应数据。
可选地，作为一个实施例，所述装置300还包括：发送模块(未图示)，用于向服务端发送所述感应数据；以及在预设条件下将所述识别结果发送至服务端，以便所述服务端对所述应用程序进行作弊识别。
可选地，作为一个实施例，上述预设条件包括下述至少一种：
预设红包领取条件；
预设优惠活动条件；
预设应用推广条件；或者，
预设应用程序启动条件。
根据本说明书实施例的上述应用程序反作弊装置300可以参照对应前文本说明书实施例图1至图2所示的应用程序反作弊方法的流程，并且，该应用程序反作弊装置300中的各个单元/模块和上述其他操作和/或功能分别为了实现应用程序反作弊方法中的相应流程，为了简洁，在此不再赘述。
如图4所示，本申请的一个实施例提供一种应用程序反作弊方法400，该方法400可以应用于服务端，与图1和图2所示的实施例200相对应，该实施例包括如下步骤：
S402：获取第一识别结果，所述第一识别结果是终端设备对应用程序进行作弊识别得到的。
该处的第一识别结果，即前文终端设备得到的本地识别结果，终端设备可以将第一识别结果发送至服务端。
S404：基于所述第一识别结果以及第二识别结果得到第三识别结果。
其中，所述第二识别结果，是所述服务端基于感应数据对所述应用程序进行作弊识别得到的，所述感应数据是所述终端设备基于预设采集规则采集感应模块的输出得到的。
在图2所示的实施例中提到，终端设备可以向服务端发送感应数据，因此，服务端同样可以基于接收到的感应数据对应用程序进行作弊识别，得到第二识别结果。
可选地，作为一个实施例，该步骤S404的执行过程可以如下：
如果所述第一识别结果是操作正常，且所述第二识别结果是操作正常，则所述第三识别结果是操作正常；或者
如果所述第一识别结果是操作异常，所述第二识别结果是操作正常，则所述第三识别结果是操作异常；或者
如果所述第一识别结果是操作正常，所述第二识别结果是操作异常，则所述第三识别结果是操作异常；或者
如果所述第一识别结果是操作异常，且所述第二识别结果是操作异常，则所述第三识别结果是操作异常。
可选地，作为一个实施例，该步骤S404的执行过程可以如下：
如果所述第一识别结果是操作正常，所述第二识别结果表征没有接收到所述终端设备的感应数据，则所述第三识别结果是操作正常；或者
如果所述第一识别结果是操作异常，所述第二识别结果表征没有接收到所述终端设备的感应数据，则所述第三识别结果是操作异常；或者
所述第一识别结果表征没有获取得到感应数据，所述第二识别结果表征所述终端设备没有感应模块，则所述第三识别结果是操作正常；
所述第一识别结果表征没有获取得到感应数据，所述第二识别结果表征所述终端设备具有感应模块，则所述第三识别结果是操作异常。
S406：基于所述第三识别结果对所述应用程序执行对应的处理。
可选地，作为一个实施例，该步骤S406的执行过程可以如下：
如果所述第三识别结果是操作异常，则执行下述至少一种：
增加所述应用程序的安全验证操作；或者，
发出操作异常提醒。
可选地，上述执行对应的处理还可以表现为消极的响应，例如，如果所述第三识别结果是操作正常，则表现出一次消极的响应，也即不进行明显的处理。
在本申请实施例中，通过采集终端设备感应模块输出的感应数据，终端设备和服务端均对应用程序进行作弊识别，最后基于汇总的识别结果对应用程序进行作弊识别；同时，基于识别结果对所述应用程序执行对应的处理，实现了对应用程序的作弊识别处理。
如图5所示，本说明书还提供了一种服务端500，该服务端500包括：
获取模块502，可以用于获取第一识别结果，所述第一识别结果是终端设备对应用程序进行作弊识别得到的；
识别模块504，可以用于基于所述第一识别结果以及第二识别结果得到第三识别结果，其中，所述第二识别结果，是所述服务端基于感应数据对所述应用程序进行作弊识别得到的，所述感应数据是所述终端设备基于预设采集规则采集感应模块的输出得到的；
处理模块506，可以用于基于所述第三识别结果对所述应用程序执行对应的处理。
在本申请实施例中，通过采集终端设备感应模块输出的感应数据，终端设备和服务端均对应用程序进行作弊识别，最后基于汇总的识别结果对应用程序进行作弊识别；同时，基于识别结果对所述应用程序执行对应的处理，实现了对应用程序的作弊识别处理。
可选地，作为一个实施例，所述识别模块504，可以用于：
如果所述第一识别结果是操作正常，且所述第二识别结果是操作正常，则所述第三识别结果是操作正常；或者
如果所述第一识别结果是操作异常，所述第二识别结果是操作正常，则所述第三识别结果是操作异常；或者
如果所述第一识别结果是操作正常，所述第二识别结果是操作异常，则所述第三识别结果是操作异常；或者
如果所述第一识别结果是操作异常，且所述第二识别结果是操作异常，则所述第三识别结果是操作异常。
可选地，作为一个实施例，所述识别模块504，可以用于：
如果所述第一识别结果是操作正常，所述第二识别结果表征没有接收到所述终端设备的感应数据，则所述第三识别结果是操作正常；或者
如果所述第一识别结果是操作异常，所述第二识别结果表征没有接收到所述终端设备的感应数据，则所述第三识别结果是操作异常；或者
所述第一识别结果表征没有获取得到感应数据，所述第二识别结果表征所述终端设备没有感应模块，则所述第三识别结果是操作正常；
所述第一识别结果表征没有获取得到感应数据，所述第二识别结果表征所述终端设备具有感应模块，则所述第三识别结果是操作异常。
可选地，作为一个实施例，所述处理模块506，可以用于：
如果所述第三识别结果是操作异常，执行下述至少一种：
增加所述应用程序的安全验证操作；或者，
发出操作异常提醒。
根据本说明书实施例的上述服务端500可以参照对应前文本说明书实施例图4所示的应用程序反作弊方法的流程，并且，该服务端500中的各个单元/模块和上述其他操作和/或功能分别为了实现应用程序反作弊方法中的相应流程，为了简洁，在此不再赘述。
本申请实施例还提供了一种应用程序反作弊设备，图6为本申请实施例提供的应用程序反作弊设备的结构示意图。如图6所示，应用程序反作弊设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器601和存储器602，存储器602中可以存储有一个或一个以上存储应用程序或数据。其中，存储器602可以是短暂存储或持久存储。存储在存储器602的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对应用程序反作弊设备中的一系列计算机可执行指令。更进一步地，处理器601可以设置为与存储器602通信，在应用程序反作弊设备上执行存储器602中的一系列计算机可执行指令。应用程序反作弊设备还可以包括一个或一个以上电源603，一个或一个以上有线或无线网络接口604，一个或一个以上输入输出接口605，一个或一个以上键盘606等。
在一个具体的实施例中，应用程序反作弊设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时实现以下流程：
监听终端设备的感应模块；
基于预设采集规则采集所述感应模块输出的感应数据；
基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果；
基于所述识别结果对所述应用程序执行对应的处理。
可选地，所述计算机可执行指令被处理器执行时，所述识别结果包括操作异常，所述基于所述识别结果对所述应用程序执行对应的处理包括：
如果所述应用程序操作异常，则执行下述至少一种：
增加所述应用程序的安全验证操作；
发出操作异常提醒；或者，
向服务端上报操作异常的识别结果。
可选地，所述计算机可执行指令被处理器执行时，所述识别结果还包括操作正常，所述基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果包括：
如果在预设时长内存在感应数据，且所述预设时长内的感应数据满足预设的正常操作条件，则确定所述应用程序操作正常；以及
如果在预设时长内不存在感应数据，或者，所述预设时长内的感应数据不满足预设的正常操作条件，则确定所述应用程序操作异常。
可选地，所述计算机可执行指令被处理器执行时，所述基于预设采集规则采集所述感应模块输出的感应数据包括：
将当前时刻输出的感应数据与多个历史时刻的感应数据进行倒序遍历对比、正序遍历对比或随机对比，得到对比结果；
如果对比结果超过预设值，则采集所述当前时刻输出的感应数据。
可选地，所述计算机可执行指令被处理器执行时，所述方法还包括：
向服务端发送所述感应数据；以及在预设条件下将所述识别结果发送至服务端，以便所述服务端对所述应用程序进行作弊识别。
可选地，所述计算机可执行指令被处理器执行时，所述预设条件包括下述至少一种：
预设红包领取条件；
预设优惠活动条件；
预设应用推广条件；或者，
预设应用程序启动条件。
通过采集终端设备感应模块输出的感应数据，能够基于所述感应数据对终端设备的应用程序进行作弊识别；同时，基于识别结果对所述应用程序执行对应的处理，实现了对应用程序的作弊识别处理。
在一个具体的实施例中，应用程序反作弊设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时实现以下流程：
获取第一识别结果，所述第一识别结果是终端设备对应用程序进行作弊识别得到的；
基于所述第一识别结果以及第二识别结果得到第三识别结果，其中，所述第二识别结果，是所述服务端基于感应数据对所述应用程序进行作弊识别得到的，所述感应数据是所述终端设备基于预设采集规则采集感应模块的输出得到的；
基于所述第三识别结果对所述应用程序执行对应的处理。
在本申请实施例中，通过采集终端设备感应模块输出的感应数据，终端设备和服务端均对应用程序进行作弊识别，最后基于汇总的识别结果对应用程序进行作弊识别；同时，基于识别结果对所述应用程序执行对应的处理，实现了对应用程序的作弊识别处理。
进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机可执行指令，所述计算机可执行指令被处理器执行时实现以下流程：
监听终端设备的感应模块；
基于预设采集规则采集所述感应模块输出的感应数据；
基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果；
基于所述识别结果对所述应用程序执行对应的处理。
可选地，所述计算机可执行指令被处理器执行时，所述识别结果包括操作异常，所述基于所述识别结果对所述应用程序执行对应的处理包括：
如果所述应用程序操作异常，则执行下述至少一种：
增加所述应用程序的安全验证操作；
发出操作异常提醒；或者，
向服务端上报操作异常的识别结果。
可选地，所述计算机可执行指令被处理器执行时，所述识别结果还包括操作正常，所述基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果包括：
如果在预设时长内存在感应数据，且所述预设时长内的感应数据满足预设的正常操作条件，则确定所述应用程序操作正常；以及
如果在预设时长内不存在感应数据，或者，所述预设时长内的感应数据不满足预设的正常操作条件，则确定所述应用程序操作异常。
可选地，所述计算机可执行指令被处理器执行时，所述基于预设采集规则采集所述感应模块输出的感应数据包括：
将当前时刻输出的感应数据与多个历史时刻的感应数据进行倒序遍历对比、正序遍历对比或随机对比，得到对比结果；
如果对比结果超过预设值，则采集所述当前时刻输出的感应数据。
可选地，所述计算机可执行指令被处理器执行时，所述方法还包括：
向服务端发送所述感应数据；以及在预设条件下将所述识别结果发送至服务端，以便所述服务端对所述应用程序进行作弊识别。
可选地，所述计算机可执行指令被处理器执行时，所述预设条件包括下述至少一种：
预设红包领取条件；
预设优惠活动条件；
预设应用推广条件；或者，
预设应用程序启动条件。
通过采集终端设备感应模块输出的感应数据，能够基于所述感应数据对终端设备的应用程序进行作弊识别；同时，基于识别结果对所述应用程序执行对应的处理，实现了对应用程序的作弊识别处理。
进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机可执行指令，所述计算机可执行指令被处理器执行时实现以下流程：
获取第一识别结果，所述第一识别结果是终端设备对应用程序进行作弊识别得到的；
基于所述第一识别结果以及第二识别结果得到第三识别结果，其中，所述第二识别结果，是所述服务端基于感应数据对所述应用程序进行作弊识别得到的，所述感应数据是所述终端设备基于预设采集规则采集感应模块的输出得到的；
基于所述第三识别结果对所述应用程序执行对应的处理。
在本申请实施例中，通过采集终端设备感应模块输出的感应数据，终端设备和服务端均对应用程序进行作弊识别，最后基于汇总的识别结果对应用程序进行作弊识别；同时，基于识别结果对所述应用程序执行对应的处理，实现了对应用程序的作弊识别处理。
其中，所述的计算机可读存储介质包括只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (14)
1.一种应用程序反作弊方法，应用于终端设备，其特征在于，包括：
监听终端设备的感应模块；
基于预设采集规则采集所述感应模块输出的感应数据；
基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果；
基于所述识别结果对所述应用程序执行对应的处理。
2.根据权利要求1所述的方法，其特征在于，所述识别结果包括操作异常，所述基于所述识别结果对所述应用程序执行对应的处理包括：
如果所述应用程序操作异常，则执行下述至少一种：
增加所述应用程序的安全验证操作；
发出操作异常提醒；或者，
向服务端上报操作异常的识别结果。
3.根据权利要求2所述的方法，其特征在于，所述识别结果还包括操作正常，所述基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果包括：
如果在预设时长内存在感应数据，且所述预设时长内的感应数据满足预设的正常操作条件，则确定所述应用程序操作正常；以及
如果在预设时长内不存在感应数据，或者，所述预设时长内的感应数据不满足预设的正常操作条件，则确定所述应用程序操作异常。
4.根据权利要求1至3任一项所述的方法，其特征在于，所述基于预设采集规则采集所述感应模块输出的感应数据包括：
将当前时刻输出的感应数据与多个历史时刻的感应数据进行倒序遍历对比、正序遍历对比或随机对比，得到对比结果；
如果对比结果超过预设值，则采集所述当前时刻输出的感应数据。
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：
向服务端发送所述感应数据；以及，在预设条件下将所述识别结果发送至服务端，以便所述服务端对所述应用程序进行作弊识别。
6.根据权利要求5所述的方法，其特征在于，所述预设条件包括下述至少一种：
预设红包领取条件；
预设优惠活动条件；
预设应用推广条件；或者，
预设应用程序启动条件。
7.一种应用程序反作弊方法，应用于服务端，其特征在于，包括：
获取第一识别结果，所述第一识别结果是终端设备对应用程序进行作弊识别得到的；
基于所述第一识别结果以及第二识别结果得到第三识别结果，其中，所述第二识别结果，是所述服务端基于感应数据对所述应用程序进行作弊识别得到的，所述感应数据是所述终端设备基于预设采集规则采集感应模块的输出得到的；
基于所述第三识别结果对所述应用程序执行对应的处理。
8.根据权利要求7所述的方法，其特征在于，所述基于所述第一识别结果以及第二识别结果得到第三识别结果包括：
如果所述第一识别结果是操作正常，所述第二识别结果是操作正常，则所述第三识别结果是操作正常；或者
如果所述第一识别结果是操作异常，所述第二识别结果是操作正常，则所述第三识别结果是操作异常；或者
如果所述第一识别结果是操作正常，所述第二识别结果是操作异常，则所述第三识别结果是操作异常；或者
如果所述第一识别结果是操作异常，所述第二识别结果是操作异常，则所述第三识别结果是操作异常。
9.根据权利要求7所述的方法，其特征在于，所述基于所述第一识别结果以及第二识别结果得到第三识别结果包括：
如果所述第一识别结果是操作正常，所述第二识别结果表征没有接收到所述终端设备的感应数据，则所述第三识别结果是操作正常；或者
如果所述第一识别结果是操作异常，所述第二识别结果表征没有接收到所述终端设备的感应数据，则所述第三识别结果是操作异常；或者
所述第一识别结果表征没有获取得到感应数据，所述第二识别结果表征所述终端设备没有感应模块，则所述第三识别结果是操作正常；
所述第一识别结果表征没有获取得到感应数据，所述第二识别结果表征所述终端设备具有感应模块，则所述第三识别结果是操作异常。
10.根据权利要求7至9任一项所述的方法，其特征在于，所述基于所述第三识别结果对所述应用程序执行对应的处理包括：
如果所述第三识别结果是操作异常，则执行下述至少一种：
增加所述应用程序的安全验证操作；或者，
发出操作异常提醒。
11.一种应用程序反作弊装置，其特征在于，包括：
监听模块，用于监听终端设备的感应模块；
数据采集模块，用于基于预设采集规则采集所述感应模块输出的感应数据；
识别模块，用于基于所述感应数据对所述终端设备的应用程序进行作弊识别，得到识别结果；
处理模块，用于基于所述识别结果对所述应用程序执行对应的处理。
12.根据权利要求11所述的装置，其特征在于，所述识别结果包括操作异常，所述处理模块基于所述识别结果对所述应用程序执行对应的处理包括：
如果所述应用程序操作异常，则所述处理模块执行下述至少一种：
增加所述应用程序的安全验证操作；
发出操作异常提醒；或者，
向服务端上报操作异常的识别结果。
13.根据权利要求11所述的装置，其特征在于，所述装置还包括：发送模块，用于向服务端发送所述感应数据；以及在预设条件下将所述识别结果发送至服务端，以便所述服务端对所述应用程序进行作弊识别。
14.一种服务端，其特征在于，包括：
获取模块，用于获取第一识别结果，所述第一识别结果是终端设备对应用程序进行作弊识别得到的；
识别模块，用于基于所述第一识别结果以及第二识别结果得到第三识别结果，其中，所述第二识别结果，是所述服务端基于感应数据对所述应用程序进行作弊识别得到的，所述感应数据是所述终端设备基于预设采集规则采集感应模块的输出得到的；
处理模块，用于基于所述第三识别结果对所述应用程序执行对应的处理。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811243039.0A CN109447701A (zh) | 2018-10-24 | 2018-10-24 | 应用程序反作弊方法、装置和服务端 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811243039.0A CN109447701A (zh) | 2018-10-24 | 2018-10-24 | 应用程序反作弊方法、装置和服务端 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109447701A true CN109447701A (zh) | 2019-03-08 |
Family
ID=65547533
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811243039.0A Pending CN109447701A (zh) | 2018-10-24 | 2018-10-24 | 应用程序反作弊方法、装置和服务端 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109447701A (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110213341A (zh) * | 2019-05-13 | 2019-09-06 | 百度在线网络技术（北京）有限公司 | 应用程序的下载检测方法及装置 |
| CN110365682A (zh) * | 2019-07-17 | 2019-10-22 | 秒针信息技术有限公司 | 一种反作弊方法及装置 |
| CN110715658A (zh) * | 2019-09-16 | 2020-01-21 | 深圳市航天华拓科技有限公司 | 应用于可穿戴设备的检测作弊方法、装置及监控系统 |
| CN112700287A (zh) * | 2021-01-11 | 2021-04-23 | 郑州阿帕斯数云信息科技有限公司 | 一种应用程序的反作弊方法和装置 |
| CN113449309A (zh) * | 2021-06-28 | 2021-09-28 | 平安银行股份有限公司 | 终端安全状态识别方法、装置、设备及介质 |
| CN117056152A (zh) * | 2023-10-13 | 2023-11-14 | 腾讯科技（深圳）有限公司 | 一种设备检测方法和相关装置 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093510A (zh) * | 2007-07-25 | 2007-12-26 | 北京搜狗科技发展有限公司 | 一种针对网页作弊的反作弊方法及系统 |
| CN103200232A (zh) * | 2013-03-04 | 2013-07-10 | 南京三埃工控股份有限公司 | 皮带秤远程支持系统及远程支持方法 |
| US20160239596A1 (en) * | 2015-02-17 | 2016-08-18 | International Business Machines Corporation | Behavioral model based on short and long range event correlations in system traces |
| CN107229557A (zh) * | 2017-06-26 | 2017-10-03 | 微鲸科技有限公司 | 异常点击检测方法及装置、点击量统计方法及装置 |
| CN107392677A (zh) * | 2017-08-24 | 2017-11-24 | 掌阅科技股份有限公司 | 基于电子书的虚拟礼品领取方法及电子设备 |
| CN107451280A (zh) * | 2017-08-07 | 2017-12-08 | 北京小度信息科技有限公司 | 数据打通方法、装置及电子设备 |
| CN108681908A (zh) * | 2018-05-17 | 2018-10-19 | 广州爱九游信息技术有限公司 | 反作弊方法、装置、计算设备及存储介质 |
-
2018
- 2018-10-24 CN CN201811243039.0A patent/CN109447701A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101093510A (zh) * | 2007-07-25 | 2007-12-26 | 北京搜狗科技发展有限公司 | 一种针对网页作弊的反作弊方法及系统 |
| CN103200232A (zh) * | 2013-03-04 | 2013-07-10 | 南京三埃工控股份有限公司 | 皮带秤远程支持系统及远程支持方法 |
| US20160239596A1 (en) * | 2015-02-17 | 2016-08-18 | International Business Machines Corporation | Behavioral model based on short and long range event correlations in system traces |
| CN107229557A (zh) * | 2017-06-26 | 2017-10-03 | 微鲸科技有限公司 | 异常点击检测方法及装置、点击量统计方法及装置 |
| CN107451280A (zh) * | 2017-08-07 | 2017-12-08 | 北京小度信息科技有限公司 | 数据打通方法、装置及电子设备 |
| CN107392677A (zh) * | 2017-08-24 | 2017-11-24 | 掌阅科技股份有限公司 | 基于电子书的虚拟礼品领取方法及电子设备 |
| CN108681908A (zh) * | 2018-05-17 | 2018-10-19 | 广州爱九游信息技术有限公司 | 反作弊方法、装置、计算设备及存储介质 |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110213341A (zh) * | 2019-05-13 | 2019-09-06 | 百度在线网络技术（北京）有限公司 | 应用程序的下载检测方法及装置 |
| CN110213341B (zh) * | 2019-05-13 | 2023-06-23 | 百度在线网络技术（北京）有限公司 | 应用程序的下载检测方法及装置 |
| CN110365682A (zh) * | 2019-07-17 | 2019-10-22 | 秒针信息技术有限公司 | 一种反作弊方法及装置 |
| CN110365682B (zh) * | 2019-07-17 | 2021-09-17 | 秒针信息技术有限公司 | 一种反作弊方法及装置 |
| CN110715658A (zh) * | 2019-09-16 | 2020-01-21 | 深圳市航天华拓科技有限公司 | 应用于可穿戴设备的检测作弊方法、装置及监控系统 |
| CN112700287A (zh) * | 2021-01-11 | 2021-04-23 | 郑州阿帕斯数云信息科技有限公司 | 一种应用程序的反作弊方法和装置 |
| CN113449309A (zh) * | 2021-06-28 | 2021-09-28 | 平安银行股份有限公司 | 终端安全状态识别方法、装置、设备及介质 |
| CN113449309B (zh) * | 2021-06-28 | 2023-10-27 | 平安银行股份有限公司 | 终端安全状态识别方法、装置、设备及介质 |
| CN117056152A (zh) * | 2023-10-13 | 2023-11-14 | 腾讯科技（深圳）有限公司 | 一种设备检测方法和相关装置 |
| CN117056152B (zh) * | 2023-10-13 | 2024-02-09 | 腾讯科技（深圳）有限公司 | 一种设备检测方法和相关装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109447701A (zh) | 应用程序反作弊方法、装置和服务端 | |
| US20230276299A1 (en) | System and method for efficient use of network bandwidth | |
| CN109672612A (zh) | Api网关系统 | |
| CN109313572A (zh) | 通用自动缩放 | |
| CN104081339B (zh) | 基于优先级和数据使用计划来管理通过网络连接的数据传输 | |
| Téllez et al. | A tabu search method for load balancing in fog computing | |
| CN103841134B (zh) | 基于api发送、接收信息的方法、装置及系统 | |
| CN108551443A (zh) | 一种应用登录方法、装置、终端设备及存储介质 | |
| US9473413B1 (en) | Dynamic throttle of network traffic | |
| CN106506670B (zh) | 一种云平台虚拟资源高速调度方法与系统 | |
| CN110830735B (zh) | 一种视频生成方法、装置、计算机设备和存储介质 | |
| US20130262891A1 (en) | Method and system for managing power of a mobile device | |
| CN108009028A (zh) | 消息处理方法、装置、设备及计算机可读存储介质 | |
| US9131374B1 (en) | Knowledge-based authentication for restricting access to mobile devices | |
| CN106547578A (zh) | 终端应用app的加载方法及装置 | |
| CN109788040A (zh) | 微服务授权与调度方法和系统 | |
| CN108920948A (zh) | 一种反欺诈流式计算装置及方法 | |
| CN101883107B (zh) | 实现上下文感知业务应用的方法和相关装置 | |
| CN110266557A (zh) | 宽带业务质量监测方法、装置及系统 | |
| CN107451147A (zh) | 一种kafka集群动态切换的方法和装置 | |
| US10305974B2 (en) | Ranking system | |
| CN105930249B (zh) | 应用监控方法和装置 | |
| CN105635124B (zh) | 流量控制方法和装置 | |
| CN110430198A (zh) | 身份验证方法、边缘服务器，和购物管理方法及系统 | |
| CN110278255A (zh) | 一种基于区块链的物联网iot设备间通信的方法及装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190308 |