CN111833064A - 一种作弊检测方法及装置 - Google Patents
一种作弊检测方法及装置 Download PDFInfo
- Publication number
- CN111833064A CN111833064A CN201910308448.2A CN201910308448A CN111833064A CN 111833064 A CN111833064 A CN 111833064A CN 201910308448 A CN201910308448 A CN 201910308448A CN 111833064 A CN111833064 A CN 111833064A
- Authority
- CN
- China
- Prior art keywords
- input
- behavior
- comparison result
- cheating
- pages
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 55
- 230000033764 rhythmic process Effects 0.000 claims abstract description 84
- 238000000034 method Methods 0.000 claims abstract description 66
- 230000006399 behavior Effects 0.000 claims description 260
- 238000011156 evaluation Methods 0.000 claims description 33
- 238000004590 computer program Methods 0.000 claims description 22
- 238000012790 confirmation Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001788 irregular Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/40—Authorisation, e.g. identification of payer or payee, verification of customer or shop credentials; Review and approval of payers, e.g. check credit lines or negative lists
- G06Q20/401—Transaction verification
- G06Q20/4014—Identity check for transactions
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Computer Security & Cryptography (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本发明提供一种作弊检测方法及装置，该方法包括：获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。通过本发明提供的作弊检测方法，可以提高作弊检测的有效性和准确性。
Description
技术领域
本发明涉及信息处理技术领域，尤其涉及一种作弊检测方法及装置。
背景技术
随着互联网技术的不断发展，涌现了大量的互联网应用，例如，互联网购物、互联网金融(例如，信贷、理财、支付等)等。通常，为了保证安全性，用户需要先注册账户或是填写相关申请信息等以进行身份认证，进而才可以使用对应的服务。
然而，实际情况中存在一些用户利用作弊行为进行页面信息输入，例如，利用作弊机器自动完成批量账户的注册或是申请信息的填写等。目前，通常是基于账户注册或是申请信息填写等对应的IP地址检测作弊行为，例如，若检测到基于某个IP地址注册了大量的账户，则可确定存在账户注册的作弊行为。然而这种作弊行为检测方式较为容易被规避，有效性较差。
可见，现有技术中存在页面信息输入作弊检测的有效性较低的问题。
发明内容
本发明实施例提供一种作弊检测方法及装置，以解决现有技术中页面信息输入作弊检测的有效性较低的问题。
为了解决上述技术问题，本发明是这样实现的：
第一方面，本发明实施例提供了一种作弊检测方法。该方法包括：
获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；
根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。
第二方面，本发明实施例还提供一种作弊检测装置。该作弊检测装置包括：
获取模块，用于获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；
确定模块，用于根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。
第三方面，本发明实施例还提供一种作弊检测装置，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现上述的作弊检测方法的步骤。
第四方面，本发明实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的作弊检测方法的步骤。
本发明实施例中，获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。由于人工输入行为和机器输入行为通常存在较大差异，因此，基于N个页面的各个字段的输入时长和输入节奏信息中的至少一项确定针对所述待检测对象的输入行为是否属于作弊行为，可以提高作弊检测的有效性和准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例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发明的一些实施例，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是本发明实施例提供的作弊检测方法的流程图；
图2是本发明又一实施例提供的作弊检测方法的流程图；
图3是本发明实施例提供的作弊检测装置的结构图；
图4是本发明又一实施例提供的作弊检测装置的结构图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，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，都属于本发明保护的范围。
本发明实施例提供一种作弊检测方法。参见图1，图1是本发明实施例提供的作弊检测方法的流程图，如图1所示，包括以下步骤：
步骤101、获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项。
本发明实施例中，上述待检测对象可以包括一个或多个页面，例如，上述待检测对象可以包括某一线上业务(例如，线上账户注册业务、线上贷款申请业务等)的一个或多个业务流程的页面。
实际应用中，一个线上业务通常可以包括一个或多个业务流程，每个业务流程可以包括一个或多个页面。例如，对于线上贷款申请业务，可以包括实名认证流程、信用信息搜集流程和贷款信息确认流程，其中，上述实名认证流程包括实名认证页面，上述信用信息搜集流程包括个人信息填写页面，上述贷款信息确认流程包括阅读协议并确认协议页面和阅读并确认贷款信息页面。
上述N个页面中每个页面可以包括一个或多个可输入的字段，其中，上述字段可以包括但不限于如下至少一项：姓名、出生年月、身份证号、预留手机、验证码、学历、地址、婚姻状况和职业等。
上述字段的输入时长可以是基于该字段从获得焦点到失去焦点的时长确定，例如，对于超文本标记语言(HyperText Markup Language，HTML)页面，可以记录各个字段触发onfocus事件的时刻和触发onblur事件的时刻之间的时长，并将该时长作为对应字段的输入时长。
上述字段的输入节奏信息可以包括输入字符的频率和输入字符之间的时间间隔等中的一项或是多项。实际情况中，用户在输入字符的过程中，通常具有一定的输入节奏。例如，对于银行卡号或是身份证等包含较多位的信息的输入，通常是均匀输入多位后，停顿一下再均匀输入多位；对于姓名、性别等包含较少位数的信息的输入，通常是一次输入；对于地址的输入，通常是基于联想输入法一次输入多位，停顿一下再一次输入多位。
需要说明的是，本发明实施例可以预先在待检测对象中埋入检测代码，这样可以在加载该待检测对象中的页面的情况下，通过预先埋入的检测代码获取针对待检测对象的输入行为特征信息。
步骤102、根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。
本发明实施例中，在获取到针对待检测对象的输入行为特征信息之后，可以基于针对待检测对象的输入行为特征信息确定针对待检测对象的输入行为是否属于作弊行为(如确定针对待检测对象的输入行为是否属于机器自动触发的)。
可选的，可以将针对待检测对象的输入行为特征信息和预设设置的人工输入行为特征信息进行匹配，若两者匹配，则确定针对待检测对象的输入行为不属于作弊行为，若两者不匹配，则确定待检测对象的输入行为属于作弊行为。其中，上述预设设置的人工输入行为特征信息可以是基于统计的多个正常用户(也即非作弊用户)的输入行为特征信息确定的。
本发明实施例中，获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。由于人工输入行为和机器输入行为通常存在较大差异，因此，基于N个页面的各个字段的输入时长和输入节奏信息中的至少一项可以较为准确的辨识针对待检测对象的输入行为是否为作弊行为，可以提高作弊检测的有效性和准确性。
参见图2，图2是本发明又一实施例提供的作弊检测方法的流程图。本发明实施例与上一实施例的区别主要在于对上述步骤102进行进一步限定。本发明实施例中，所述根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：分别将所述N个页面的各个字段的输入时长和该字段对应的第一预设时长进行比较，得到第一比较结果；根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
如图2所示，本发明实施例提供的作弊检测方法包括以下步骤：
步骤201、获取针对待检测对象的输入行为特征信息,所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长。
步骤202、分别将所述N个页面的各个字段的输入时长和该字段对应的第一预设时长进行比较，得到第一比较结果。
本发明实施例中，上述字段对应的第一预设时长可以是字段对应的最小时长。实际应用中，可以结合各个字段的类型和字符数量等设置该字段对应的第一预设时长。例如，一些字段对应的第一预设时长，也即最小时长，可以如表1所示：
表1
| 字段类型 | 字段举例 | 最小时长(秒) |
| 单选-RadioBox模式 | 性别 | 0.05 |
| 单选-下拉列表模式-有默认值 | 最高学历 | 0.2 |
| 单选-下拉列表模式-无默认值 | 职业 | 0.1 |
| 多选 | 关注领域 | 0.2 |
| 数字输入框-手机号 | 手机 | 2 |
| 短文字输入框 | 姓名 | 0.3 |
| 中文字输入框 | 工作单位 | 2 |
| 长文字输入框 | 地址 | 3 |
| 纯数字输入框 | 金额 | 0.15*字符数量 |
| 小写英文字符 | 校验码 | 0.20*字符数量 |
| 大小写混合英文字符+特殊字符 | 密码 | 0.30*字符数量 |
可选的，所述字段对应的第一预设时长是基于所述字段中输入字符对应的预设输入频率和输入字符数量确定的。这样可以提高设置的各个字段对应的第一预设时长的合理性。
例如，在某一字段中所有字符均为小写字母的情况下，该字段对应的第一预设时长可以为：0.15*字符数量，单位为秒；在某一字段中包括数字和小写字母的情况下，该字段对应的第一预设时长可以为：0.15*数字字符数量+0.20*小写字母字符数量，单位为秒。
该步骤202中，将上述N个页面的各个字段的输入时长和该字段对应的第一预设时长进行比较，得到第一比较结果。例如，将字段A1的输入时长和字段A1对应的第一预设时长进行比较，将字段A2的输入时长和字段A2对应的第一预设时长进行比较，将字段A3的输入时长和字段A3对应的第一预设时长进行比较，以此类推。上述第一比较结果可以包括输入时长小于其对应的第一预设时长的字段，以及输入时长大于或等于其对应的第一预设时长的字段。
步骤203、根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
在一实施方式中，所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：根据所述第一比较结果，统计第一目标字段的数量，其中，所述第一目标字段为所述N个页面的字段中输入时长大于或等于其对应的第一预设时长的字段；根据所述第一目标字段的数量和所述N个页面的字段总数量计算所述待检测对象对应的第一目标评估值；在所述第一目标评估值小于第一目标预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为，否则确定针对所述待检测对象的输入行为不属于作弊行为。
本实施方式中，上述第一目标评估值可以是所述第一目标字段的数量和所述N个页面的字段总数量的比值。上述第一目标预设值可以根据实际需求进行合理设置，例如，0.7、0.65等。
在另一实施方式中，所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：根据所述第一比较结果，获取所有的第一目标字段，其中，所述第一目标字段为所述N个页面的字段中输入时长大于或等于其对应的第一预设时长的字段；根据所有第一目标字段对应的权重计算所述待检测对象对应的第二目标评估值；在所述第二目标评估值小于第二目标预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为，否则确定针对所述待检测对象的输入行为不属于作弊行为。
本实施方式中，上述第二目标评估值可以是各个目标字段对应的权重之和。上述第二目标预设值可以根据实际需求进行合理设置。
实际情况中，由于机器输入的输入时长通常远低于人工输入时长，因此，本实施例通过设置各个字段对应的第一预设时长，并基于所述N个页面的各个字段的输入时长和该字段对应的第一预设时长的比较结果，确定针对所述待检测对象的输入行为属于作弊行为，不但检测结果较为准确，而且实现较为简便。
可选的，所述输入行为特性信息还包括所述N个页面中每个页面的输入时长；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，所述方法还可以包括：
分别将所述N个页面中每个页面的输入时长和该页面对应的第二预设时长进行比较，得到第二比较结果；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：
根据所述第一比较结果和所述第二比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
本发明实施例中，上述每个页面的输入时长可以基于从页面加载到页面关闭或提交之间的时长确定。例如，对于HTML页面，可以记录触发$(document).ready()事件的时刻和提交该页面的时刻之间的时长，并作为该页面的输入时长。
上述页面对应的第二预设时长可以为该页面对应的最小时长。实际应用中，可以结合页面的字段数量、字段类型、逻辑复杂度等设置该页面对应的最小时长。
本实施例中，可以将N个页面中的每个页面的输入时长和该页面对应的第二预设时长进行比较，得到第二比较结果。例如，将页面P1的输入时长和页面P1对应的第二预设时长进行比较，将页面P2的输入时长和页面P2对应的第二预设时长进行比较，将页面P3的输入时长和页面P3对应的第二预设时长进行比较，以此类推。上述第二比较结果可以包括输入时长小于其对应的第二预设时长的页面，以及输入时长大于或等于其对应的第二预设时长的页面。
本发明实施例综合页面的输入时长和页面中各个字段的输入时长，确定针对所述待检测对象的输入行为是否属于作弊行为，可以进一步提高作弊检测的准确性和有效性。
可选的，所述根据所述第一比较结果和所述第二比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：
根据所述第一比较结果、所述第二比较结果、所述N个页面中每个页面对应的权重值和所述N个页面中每个字段对应的权重值，计算所述待检测对象对应的第一评估值；
在所述第一评估值小于第一预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为。
本发明实施例中，上述第一预设值可以根据实际情况进行合理设置，例如，0.8、0.75等。上述各个页面对应的权重值和各个字段对应的权重值可以根据实际情况进行合理设置。需要说明的是，上述各个页面对应的权重值可以包括一个或多个权重值，例如，可以包括页面之间的权重值以及页面与字段之间的权重值。上述各个字段对应的权重值也可以包括多个权重值，例如，可以包括字段之间的权重值以及字段与页面之间的权重值。
例如，业务流程A包括页面P1和页面P2，其中，页面P1包括字段a1、字段b1和字段c1，页面P2包括字段a2、字段b2、字段c2和字段d2。对于页面之间的权重值，页面P1的权重值为w11(如0.6)，页面P2的权重值为w21(如0.4)。对于页面和字段之间的权重值，页面p1的权重值为w12(如0.55)，页面p1中的字段的权重值为w13(如0.45)，页面p2的权重值为w22(如0.5)，页面p2中的字段的权重值为w23(如0.5)。对于字段之间的权重值，页面P1包括的字段a1、字段b1和字段c1的权重值依次为w14(如0.4)、w15(如0.3)和w16(如0.3)，页面P2包括的字段a2、字段b2、字段c2和字段d2的权重值依次为w24(如0.2)、w25(如0.25)、w26(如0.35)和w27(如0.2)。
又例如，若页面P1的输入时长和页面P2的输入时长均大于其对应的第二输入时长，字段a1和字段b1的输入时长均大于其对应的第一输入时长，字段a2、字段c2和字段d2的输入时长均大于其对应的第一输入时长，则可以得到待检测对象的第一评估值为：w11*(w12+(w14+w15)*w13)+w21*(w22+(w24+w26+w27+w28)*w13)。具体的，代入上述数值，可以得到第一评估值为0.869。
需要说明的是，本发明实施例对于根据所述第一比较结果、所述第二比较结果、所述N个页面中每个页面对应的权重值和所述N个页面中每个字段对应的权重值计算所述待检测对象对应的第一评估值的具体计算方式不做限定。
本发明实施例综合页面的输入时长、页面中各个字段的输入时长、每个页面对应的权重值和每个字段对应的权重值，确定针对所述待检测对象的输入行为是否属于作弊行为，可以进一步提高作弊检测的准确性和有效性。
可选的，本发明实施例也可以采用评分卡的形式计算所述待检测对象对应的评分，并基于待检测对象对应的评分检测针对所述待检测对象的输入行为属于作弊行为。例如，预先可以设置各个字段对应的分值、各个页面对应的分值等。
可选的，所述N个页面对应M个业务流程，M为正整数，所述输入行为特性信息还包括所述M个业务流程中每个业务流程的输入时长；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，所述方法还可以包括：
分别将所述M个业务流程中的每个业务流程的输入时长和该业务流程对应的第三预设时长进行比较，得到第三比较结果；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：
根据所述第一比较结果和所述第三比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
本发明实施例中，上述第三预设时长可以根据实际需求进行合理设置。实际应用中，可以结合各个业务流程对应的页面的字段数量、字段类型等信息设置各个业务流程对应的第三预设时长。上述每个业务流程的输入时长可以是从该业务流程对应的开始页面加载结束到该业务流程对应的最终页面提交的时长。
本发明实施例中，可以将M个业务流程中的每个业务流程的输入时长和该业务流程对应的第三预设时长进行比较，得到第三比较结果。例如，将业务流程S1的输入时长和业务流程S1对应的第二预设时长进行比较，将业务流程S2的输入时长和业务流程S2对应的第三预设时长进行比较，将业务流程S3的输入时长和业务流程S3对应的第三预设时长进行比较，以此类推。上述第三比较结果可以包括输入时长小于其对应的第三预设时长的业务流程，以及输入时长大于或等于其对应的第三预设时长的业务流程。
本发明实施例综合业务流程的输入时长和业务流程对应的页面中各个字段的输入时长，确定针对所述待检测对象的输入行为是否属于作弊行为，可以进一步提高作弊检测的准确性和有效性。
可选的，本发明实施例中，上述根据所述第一比较结果和所述第二比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：根据所述第一比较结果、所述第二比较结果和所述第三比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
需要说明的是，本发明实施例也可以设置各个业务流程的权重值、各个页面的权重值和各个字段的权重值，并综合上述各个比较结果和权重值共同判断待检测对象的输入行为是否属于作弊行为，以进一步提高作弊检测结果的准确性。
可选的，所述输入行为特征信息还包括所述N个页面中各个字段的输入节奏信息；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，所述方法还可以包括：
分别将所述N个页面中各个字段的输入节奏信息与该字段对应的第一预设输入节奏信息进行匹配，得到第一匹配结果；
相应的，所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：
根据所述第一比较结果和所述第一匹配结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
本发明实施例中，上述字段的输入节奏信息可以包括输入字符的频率和输入字符之间的时间间隔等中的一项或多项。
实际情况中，人工输入数字及小写英文字符、大写英文字符、特殊字符和中文等时的频率通常是不一样的，人工在输入不同类型的字符的频率应该有较大差异。本发明实施例可以基于各个字段的字符类型，预先为各个字段设置对应的输入频率。例如，上述字符类型可以包括但不限于如下至少一项：
直接输入型：数字、小写英文字符、常用标点符号；
Shift输入型：结合Shift输入的大写字符、符号；
汉字或特殊字符：必须通过多次输入才能得到的字符。
此外，在基于联想输入法进行汉字输入的情况下，输入的词之间通常具有不规则的时间间隔。对于银行卡号或是身份证等的输入，输入的字符之间通常也具有不规则的时间间隔。
实际应用中，可以结合各个字段的类型、各个字段的字符类型和字符数量等信息，分别为各个字段设置其对应的第一预设输入节奏信息，并可以将各个字段的输入节奏信息和其对应的第一预设输入节奏信息进行匹配。例如，计算该字段的输入节奏信息和其对应的第一预设输入节奏信息的相似度，在相似度大于预设相似度值的情况下，确定该字段的输入节奏信息和其对应的第一预设输入节奏信息匹配，否则确定该字段的输入节奏信息和其对应的第一预设输入节奏信息不匹配。
本发明实施例结合获取到的所述N个页面中各个字段的输入节奏信息和所述N个页面的各个字段的输入时长，确定针对所述待检测对象的输入行为是否属于作弊行为，可以进一步提高作弊检测的准确性和有效性，且可以提高规避作弊检测的难度。
可选的，所述根据所述第一比较结果和所述第一匹配结果，确定针对所述待检测对象的输入行为是否属于作弊行为，包括：
根据所述第一比较结果和第一匹配结果，统计第一目标字段的数量，其中，所述第一目标字段为所述N个页面的字段中输入时长小于其对应的第一预设时长，且输入节奏信息与其对应的第一预设输入节奏信息相匹配的字段；
根据所述第一目标字段的数量和所述N个页面的字段总数量计算所述待检测对象对应的第二评估值；
在所述第二评估值小于第二预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为。
本发明实施例中，上述第二预设值可以根据实际需求进行合理设置。例如，0.7、0.65等。具体的，统计N个页面的字段中输入时长小于其对应的第一预设时长，且输入节奏信息与其对应的第一预设输入节奏信息相匹配的字段的数量，并基于该数量所述N个页面的字段总数量计算所述待检测对象对应的第二评估值，以确定针对所述待检测对象的输入行为是否属于作弊行为，不仅可以提高作弊检测的准确性，且实现较为简便。
可选的，本发明实施例也可以预先为上述各个字段的输入节奏信息和输入时长信息置不同的权重值。这样可以基于上述第一比较结果、第一匹配结果、各个字段的输入节奏信息对应的权重值以及各个字段的输入时长信息对应的权重值计算所述待检测对象对应的评估值。
实际应用中，本发明实施例也可以直接基于N个页面的各个字段的输入节奏信息确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述输入行为特征信息包括所述N个页面的各个字段的输入节奏信息；
所述根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：
分别将所述N个页面的各个字段的输入节奏信息和该字段对应的第二预设输入节奏信息进行比较，得到第四比较结果；
根据所述第四比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
本发明实施例中，上述字段的输入节奏信息可以包括输入字符的频率和输入字符之间的时间间隔等中的一项或多项，相关内容可以参见前述描述，在此不做赘述。上述第二预设输入节奏信息的相关内容可以参见上述第一预设输入节奏信息，在此也不做赘述。
本发明实施例中，可以将各个字段的输入节奏信息和其对应的第二预设输入节奏信息进行匹配。例如，计算该字段的输入节奏信息和其对应的第二预设输入节奏信息的相似度，在相似度大于预设相似度值的情况下，确定该字段的输入节奏信息和其对应的第二预设输入节奏信息匹配，否则确定该字段的输入节奏信息和其对应的第二预设输入节奏信息不匹配。
在一实施方式中，所述根据所述第三比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：根据所述第三比较结果，统计第二目标字段的数量，其中，所述第二目标字段为所述N个页面的字段中输入节奏信息和其对应的第二预设输入节奏信息匹配的字段；根据所述第二目标字段的数量和所述N个页面的字段总数量计算所述待检测对象对应的第三目标评估值；在所述第三目标评估值小于第三目标预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为，否则确定针对所述待检测对象的输入行为不属于作弊行为。
本实施方式中，上述第三目标评估值可以是所述第二目标字段的数量和所述N个页面的字段总数量的比值。上述第三目标预设值可以根据实际需求进行合理设置，例如，0.7、0.65等。
在另一实施方式中，所述根据所述第三比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，可以包括：根据所述第三比较结果，获取所有的第二目标字段，其中，所述第二目标字段为其中，所述第二目标字段为所述N个页面的字段中输入节奏信息和其对应的第二预设输入节奏信息匹配的字段；根据所有第二目标字段对应的权重计算所述待检测对象对应的第四目标评估值；在所述第四目标评估值小于第四目标预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为，否则确定针对所述待检测对象的输入行为不属于作弊行为。
本实施方式中，上述第四目标评估值可以是各个第二目标字段对应的权重之和。上述第四目标预设值可以根据实际需求进行合理设置。
本发明实施例基于获取到的所述N个页面中各个字段的输入节奏信息和其，确定针对所述待检测对象的输入行为是否属于作弊行为，可以提高作弊检测的准确性。
可选的，本发明实施例可以通过终端设备统计上述针对待检测对象的输入行为特征信息并发送给服务器，通过服务器执行本发明实施例提供的作弊检测方法，也可以是由终端设备执行本发明实施例提供的作弊检测方法，并可以将检测结果和相关数据(例如，上述针对待检测对象的输入行为特征信息)发送给服务器。
可选的，上述终端设备和服务器之间可以通过安全套接层((Secure SocketsLayer，SSL)进行通信，避免报文被窥探和篡改。此外，在Android及iOS环境下，上述预埋在待检测对象中的检测代码可以采用混淆编译方式等加固方式，提高攻击者解析上述检测逻辑的难度。
以下结合示例对本发明实施例进行说明：
本发明实施例提供的作弊检测方法包括指标配置阶段和检测阶段。
其中，上述指标配置阶段可以包括如下配置项：
1)、字段指标配置：根据字段的类型，进行最小时长、或最小时长和权重的配置。
一般配置原则是就低不就高，因为机器输入的输入时长远低于人工，如果配置太高有可能误伤手速较快的用户。
需要说明的是，上述字段对应的最小时长也即上述字段对应的第一预设时长。上述字段对应的权重，例如可以是该字段对应的分值。
2)、页面指标配置：从页面完整加载结束($(document).ready())到页面提交的最小时长、或是最小时长和权重。
根据页面的总体字段数量、逻辑复杂度、进行整体估算，根据就低不就高的原则配置各个页面对应的最小时长。
需要说明的是，上述页面对应的最小时长也即上述页面对应的第二预设时长。上述页面对应的权重，例如可以是该页面对应的分值。
3)、业务流程指标配置：从某个闭环业务流程的开始页面加载结束到最终页面提交的最小时长或是最小时长和权重。
需要说明的是，上述业务流程对应的最小时长也即上述业务流程对应的第三预设时长。上述业务流程对应的权重，例如可以是该业务流程对应的分值。
需要说明的是，上述各个配置可以单独或组合使用。具体的，首先可以建立评分卡，该评分卡可以包含多个业务流程，每个业务流程可以包含多个页面，每个页面可以包含多个字段。然后配置每个业务流程、页面、字段的最小时长和分值。
例如，借款申请业务流程包含实名认证页面、个人信息填写页面、阅读协议并确认协议页面和阅读并确认贷款信息页面。其中，各个页面包含的字段、各个字段对应的最小时长和分值等，可以如表2所示：
表2
其中，上述检测阶段可以包括如下步骤：
步骤a1、统计待检测对象的输入行为特征信息。
该步骤可以包括如下至少一项：
统计键入频率(也可称为输入频率)；
统计每个业务流程、页面、字段的输入时长。
步骤a2、计算分数。
该步骤中，可以基于百分比进行统计。具体的，可以按照如下评分计算规则计算分数：
规则一：单项得分为：将每个单项分数除与本层级类各项分数之和的结果，乘以高一层级的分数。
上述这种分数统计方法有利于分数设置时无需凑整成100。例如，在姓名字段的输入时长小于0.3秒的情况下，姓名字段的得分＝10/100*100，在学历字段的输入时长小于0.3秒的情况下，学历字段的得分＝10/80*40。
可选的，可以仅在高一层级的输入时长大于其对应的最小时长的情况下，采用上述方式计算分值。例如，仅在实名认证页面的输入时长大于9秒，且姓名字段的输入时长小于0.3秒的情况下，姓名字段的得分为10/100*100，否则为0。
规则二：按照字段->页面->业务流程->评分规则的顺序进行计分，最终计算出该评分规则的最终分值。
参见图3，图3是本发明实施例提供的作弊检测装置的结构图。如图3所示，作弊检测装置300包括：
获取模块301，用于获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；
确定模块302，用于根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述输入行为特征信息包括所述N个页面的各个字段的输入时长；
所述确定模块包括：
字段时长比较单元，用于分别将所述N个页面的各个字段的输入时长和该字段对应的第一预设时长进行比较，得到第一比较结果；
第一确定单元，用于根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述输入行为特性信息还包括所述N个页面中每个页面的输入时长；
所述装置还包括：
页面时长比较模块，用于所述根据所述第一比较结果，检测针对所述待检测对象的输入行为是否属于作弊行为之前，分别将所述N个页面中每个页面的输入时长和该页面对应的第二预设时长进行比较，得到第二比较结果；
所述第一确定单元具体用于：
根据所述第一比较结果和所述第二比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述第一确定单元具体用于：
根据所述第一比较结果、所述第二比较结果、所述N个页面中每个页面对应的权重值和所述N个页面中每个字段对应的权重值，计算所述待检测对象对应的第一评估值；
在所述第一评估值小于第一预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为。
可选的，所述N个页面对应M个业务流程，M为正整数，所述输入行为特性信息还包括所述M个业务流程中每个业务流程的输入时长；
所述装置还包括：
流程时长比较模块，用于所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，分别将所述M个业务流程中的每个业务流程的输入时长和该业务流程对应的第三预设时长进行比较，得到第三比较结果；
所述第一确定单元具体用于：
根据所述第一比较结果和所述第三比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述输入行为特征信息还包括所述N个页面中各个字段的输入节奏信息；
所述装置还包括：
匹配模块，用于所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，分别将所述N个页面中各个字段的输入节奏信息与该字段对应的第一预设输入节奏信息进行匹配，得到第一匹配结果；
所述第一确定单元具体用于：
根据所述第一比较结果和所述第一匹配结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述第一确定单元具体用于：
根据所述第一比较结果和第一匹配结果，统计第一目标字段的数量，其中，所述第一目标字段为所述N个页面的字段中输入时长小于其对应的第一预设时长，且输入节奏信息与其对应的第一预设输入节奏信息相匹配的字段；
根据所述第一目标字段的数量和所述N个页面的字段总数量计算所述待检测对象对应的第二评估值；
在所述第二评估值小于第二预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为。
可选的，所述字段对应的第一预设时长是基于所述字段中输入字符对应的预设输入频率和输入字符数量确定的。
可选的，所述输入行为特征信息包括所述N个页面的各个字段的输入节奏信息；
所述确定模块包括：
字段节奏比较单元，用于分别将所述N个页面的各个字段的输入节奏信息和该字段对应的第二预设输入节奏信息进行比较，得到第四比较结果；
第二确定单元，用于根据所述第四比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
本发明实施例提供的作弊检测装置300能够实现上述方法实施例中的各个过程，为避免重复，这里不再赘述。
本发明实施例的作弊检测装置300，获取模块301，用于获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；确定模块302，用于根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。由于人工输入行为和机器输入行为通常存在较大差异，因此，基于N个页面的各个字段的输入时长和输入节奏信息中的至少一项确定针对所述待检测对象的输入行为是否属于作弊行为，可以提高作弊检测的有效性和准确性。
参见图4，图4是本发明又一实施提供的作弊检测装置的结构图，如图4所示，作弊检测装置400包括：处理器401、存储器402及存储在所述存储器402上并可在所述处理器上运行的计算机程序，数据发送装置400中的各个组件通过总线接口403耦合在一起，所述计算机程序被所述处理器401执行时实现如下步骤：
获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；
根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述输入行为特征信息包括所述N个页面的各个字段的输入时长；
所述计算机程序被所述处理器401执行时还用于：
分别将所述N个页面的各个字段的输入时长和该字段对应的第一预设时长进行比较，得到第一比较结果；
根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述输入行为特性信息还包括所述N个页面中每个页面的输入时长；
所述计算机程序被所述处理器401执行时还用于：
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，分别将所述N个页面中每个页面的输入时长和该页面对应的第二预设时长进行比较，得到第二比较结果；
相应的，所述计算机程序被所述处理器401执行时还用于：
根据所述第一比较结果和所述第二比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述计算机程序被所述处理器401执行时还用于：
根据所述第一比较结果、所述第二比较结果、所述N个页面中每个页面对应的权重值和所述N个页面中每个字段对应的权重值，计算所述待检测对象对应的第一评估值；
在所述第一评估值小于第一预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为。
可选的，所述输入行为特征信息还包括所述N个页面中各个字段的输入节奏信息；
所述计算机程序被所述处理器401执行时还用于：
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，分别将所述N个页面中各个字段的输入节奏信息与该字段对应的第一预设输入节奏信息进行匹配，得到第一匹配结果；
相应的，所述计算机程序被所述处理器401执行时还用于：
根据所述第一比较结果和所述第一匹配结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
可选的，所述计算机程序被所述处理器401执行时还用于：
根据所述第一比较结果和第一匹配结果，统计第一目标字段的数量，其中，所述第一目标字段为所述N个页面的字段中输入时长小于其对应的第一预设时长，且输入节奏信息与其对应的第一预设输入节奏信息相匹配的字段；
根据所述第一目标字段的数量和所述N个页面的字段总数量计算所述待检测对象对应的第二评估值；
在所述第二评估值小于第二预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为。
可选的，所述字段对应的第一预设时长是基于所述字段中输入字符对应的预设输入频率和输入字符数量确定的。
本发明实施例还提供一种作弊检测装置，包括处理器，存储器，存储在存储器上并可在所述处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述作弊检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
本发明实施例还提供一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，该计算机程序被处理器执行时实现上述作弊检测方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(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。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
Claims (12)
1.一种作弊检测方法，其特征在于，包括：
获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；
根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。
2.根据权利要求1所述的方法，其特征在于，所述输入行为特征信息包括所述N个页面的各个字段的输入时长；
所述根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为，包括：
分别将所述N个页面的各个字段的输入时长和该字段对应的第一预设时长进行比较，得到第一比较结果；
根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
3.根据权利要求2所述的方法，其特征在于，所述输入行为特性信息还包括所述N个页面中每个页面的输入时长；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，所述方法还包括：
分别将所述N个页面中每个页面的输入时长和该页面对应的第二预设时长进行比较，得到第二比较结果；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，包括：
根据所述第一比较结果和所述第二比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
4.根据权利要求3所述的方法，其特征在于，所述根据所述第一比较结果和所述第二比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，包括：
根据所述第一比较结果、所述第二比较结果、所述N个页面中每个页面对应的权重值和所述N个页面中每个字段对应的权重值，计算所述待检测对象对应的第一评估值；
在所述第一评估值小于第一预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为。
5.根据权利要求2所述的方法，其特征在于，所述N个页面对应M个业务流程，M为正整数，所述输入行为特性信息还包括所述M个业务流程中每个业务流程的输入时长；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，所述方法还包括：
分别将所述M个业务流程中的每个业务流程的输入时长和该业务流程对应的第三预设时长进行比较，得到第三比较结果；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，包括：
根据所述第一比较结果和所述第三比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
6.根据权利要求2所述的方法，其特征在于，所述输入行为特征信息还包括所述N个页面中各个字段的输入节奏信息；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为之前，所述方法还包括：
分别将所述N个页面中各个字段的输入节奏信息与该字段对应的第一预设输入节奏信息进行匹配，得到第一匹配结果；
所述根据所述第一比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为，包括：
根据所述第一比较结果和所述第一匹配结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
7.根据权利要求6所述的方法，其特征在于，所述根据所述第一比较结果和所述第一匹配结果，确定针对所述待检测对象的输入行为是否属于作弊行为，包括：
根据所述第一比较结果和第一匹配结果，统计第一目标字段的数量，其中，所述第一目标字段为所述N个页面的字段中输入时长小于其对应的第一预设时长，且输入节奏信息与其对应的第一预设输入节奏信息相匹配的字段；
根据所述第一目标字段的数量和所述N个页面的字段总数量计算所述待检测对象对应的第二评估值；
在所述第二评估值小于第二预设值的情况下，确定针对所述待检测对象的输入行为属于作弊行为。
8.根据权利要求2所述的方法，其特征在于，所述字段对应的第一预设时长是基于所述字段中输入字符对应的预设输入频率和输入字符数量确定的。
9.根据权利要求1所述的方法，其特征在于，所述输入行为特征信息包括所述N个页面的各个字段的输入节奏信息；
所述根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为，包括：
分别将所述N个页面的各个字段的输入节奏信息和该字段对应的第二预设输入节奏信息进行比较，得到第四比较结果；
根据所述第四比较结果，确定针对所述待检测对象的输入行为是否属于作弊行为。
10.一种作弊检测装置，其特征在于，包括：
获取模块，用于获取针对待检测对象的输入行为特征信息，其中，所述待检测对象包括N个页面，N为正整数，所述输入行为特征信息至少包括所述N个页面的各个字段的输入时长和输入节奏信息中的至少一项；
确定模块，用于根据所述输入行为特征信息，确定针对所述待检测对象的输入行为是否属于作弊行为。
11.一种作弊检测装置，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至9中任一项所述的作弊检测方法的步骤。
12.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至9中任一项所述的作弊检测方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910308448.2A CN111833064B (zh) | 2019-04-17 | 2019-04-17 | 一种作弊检测方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910308448.2A CN111833064B (zh) | 2019-04-17 | 2019-04-17 | 一种作弊检测方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111833064A true CN111833064A (zh) | 2020-10-27 |
| CN111833064B CN111833064B (zh) | 2022-04-12 |
Family
ID=72915511
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910308448.2A Active CN111833064B (zh) | 2019-04-17 | 2019-04-17 | 一种作弊检测方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111833064B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090113554A1 (en) * | 2007-10-29 | 2009-04-30 | Gary Zalewski | Moderation of cheating in on-line gaming sessions |
| US20140357355A1 (en) * | 2013-06-03 | 2014-12-04 | Tencent Technology (Shenzhen) Company Limited | Apparatuses and methods for preventing game cheating by plug-ins |
| CN105653944A (zh) * | 2015-12-25 | 2016-06-08 | 北京奇虎科技有限公司 | 作弊行为检测方法及装置 |
| CN105868991A (zh) * | 2015-01-22 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 识别机器辅助作弊的方法和装置 |
| CN107256488A (zh) * | 2017-06-07 | 2017-10-17 | 北京小度信息科技有限公司 | 一种订单作弊的检测方法及装置 |
| CN107436890A (zh) * | 2016-05-26 | 2017-12-05 | 阿里巴巴集团控股有限公司 | 一种网站类型的检测方法及装置 |
| CN108306864A (zh) * | 2018-01-12 | 2018-07-20 | 深圳壹账通智能科技有限公司 | 网络数据检测方法、装置、计算机设备和存储介质 |
| CN108768743A (zh) * | 2018-06-11 | 2018-11-06 | 北京奇艺世纪科技有限公司 | 一种用户识别方法、装置及服务器 |
-
2019
- 2019-04-17 CN CN201910308448.2A patent/CN111833064B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090113554A1 (en) * | 2007-10-29 | 2009-04-30 | Gary Zalewski | Moderation of cheating in on-line gaming sessions |
| US20140357355A1 (en) * | 2013-06-03 | 2014-12-04 | Tencent Technology (Shenzhen) Company Limited | Apparatuses and methods for preventing game cheating by plug-ins |
| CN105868991A (zh) * | 2015-01-22 | 2016-08-17 | 阿里巴巴集团控股有限公司 | 识别机器辅助作弊的方法和装置 |
| CN105653944A (zh) * | 2015-12-25 | 2016-06-08 | 北京奇虎科技有限公司 | 作弊行为检测方法及装置 |
| CN107436890A (zh) * | 2016-05-26 | 2017-12-05 | 阿里巴巴集团控股有限公司 | 一种网站类型的检测方法及装置 |
| CN107256488A (zh) * | 2017-06-07 | 2017-10-17 | 北京小度信息科技有限公司 | 一种订单作弊的检测方法及装置 |
| CN108306864A (zh) * | 2018-01-12 | 2018-07-20 | 深圳壹账通智能科技有限公司 | 网络数据检测方法、装置、计算机设备和存储介质 |
| CN108768743A (zh) * | 2018-06-11 | 2018-11-06 | 北京奇艺世纪科技有限公司 | 一种用户识别方法、装置及服务器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111833064B (zh) | 2022-04-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108156237B (zh) | 产品信息推送方法、装置、存储介质和计算机设备 | |
| WO2019184217A1 (zh) | 热点事件分类方法、装置及存储介质 | |
| CN109800320B (zh) | 一种图像处理方法、设备及计算机可读存储介质 | |
| CN109460944B (zh) | 基于大数据的核保方法、装置、设备及可读存储介质 | |
| WO2020077824A1 (zh) | 异常问题的定位方法、装置、设备及存储介质 | |
| CN108509458B (zh) | 一种业务对象识别方法及装置 | |
| CN107872436A (zh) | 一种账号识别方法、装置及系统 | |
| CN112669138B (zh) | 数据处理方法及相关设备 | |
| US20200380498A1 (en) | Systems and methods for automatically identifying a checkout webpage and injecting a virtual token | |
| CN108875404B (zh) | 基于机器学习的数据脱敏方法、装置及存储介质 | |
| CN110648214A (zh) | 一种确定异常账户的方法及装置 | |
| CN110413961A (zh) | 基于分类模型进行文本评分的方法、装置和计算机设备 | |
| EP3955143A1 (en) | Fraud deduction system, fraud deduction method, and program | |
| CN110851298A (zh) | 异常分析及处理方法、电子装置及存储介质 | |
| CN113935710A (zh) | 一种合同审核的方法、装置、电子设备及存储介质 | |
| CN109446391A (zh) | 用户阅读行为分析方法、电子装置、计算机可读存储介质 | |
| CN110717158B (zh) | 信息验证方法、装置、设备及计算机可读存储介质 | |
| CN107491536A (zh) | 一种试题校验方法、试题校验装置及电子设备 | |
| CN109902157A (zh) | 一种训练样本有效性检测方法及装置 | |
| CN111833064B (zh) | 一种作弊检测方法及装置 | |
| CN110288488A (zh) | 医疗险欺诈预测方法、装置、设备和可读存储介质 | |
| CN112016317A (zh) | 基于人工智能的敏感词识别方法、装置及计算机设备 | |
| CN109636378B (zh) | 账户识别方法和装置、电子设备 | |
| EP3809293A1 (en) | Fraud deduction system, fraud deduction method, and program | |
| CN112948785B (zh) | 账户认证方法、装置及设备 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| OL01 | Intention to license declared |