CN112308417A - 在线测评的防作弊方法及系统 - Google Patents
在线测评的防作弊方法及系统 Download PDFInfo
- Publication number
- CN112308417A CN112308417A CN202011193006.7A CN202011193006A CN112308417A CN 112308417 A CN112308417 A CN 112308417A CN 202011193006 A CN202011193006 A CN 202011193006A CN 112308417 A CN112308417 A CN 112308417A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- evaluation
- cheating
- score
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 195
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000013507 mapping Methods 0.000 claims abstract description 42
- 238000012854 evaluation process Methods 0.000 claims abstract description 16
- 238000012502 risk assessment Methods 0.000 claims abstract description 14
- 230000006399 behavior Effects 0.000 claims description 106
- 238000012360 testing method Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 8
- 230000009471 action Effects 0.000 claims description 3
- 238000005096 rolling process Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 8
- 230000002265 prevention Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 3
- 230000001960 triggered effect Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 241000209202 Bromus secalinus Species 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000007474 system interaction Effects 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
- G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
- G06V40/16—Human faces, e.g. facial parts, sketches or expressions
- G06V40/161—Detection; Localisation; Normalisation
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Educational Technology (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Oral & Maxillofacial Surgery (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Human Computer Interaction (AREA)
- Multimedia (AREA)
- Primary Health Care (AREA)
- User Interface Of Digital Computer (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例提供了一种在线测评的防作弊方法,应用于互联网技术领域,包括:获取考试测评过程中的用户信息以及网络信息,所述用户信息包括:所述用户的操作行为信息、窗口切换信息以及定时人脸识别信息;根据预设的分值映射表、所述用户信息以及所述网络信息,确定用户风险测评分值,其中所述分值映射表包括:分别与所述用户信息以及所述网络信息对应的分值;以及将所述用户风险测评分值和预设分值进行比较,得到作弊风险结果,以供考官根据所述作弊风险结果判断用户是否存在作弊情况。本发明实施例适用于家用场景,通过最终得出的作弊风险结果展示给考官,以判断用户是否存在作弊情况,极大增强了防作弊效果。
Description
技术领域
本发明实例涉及互联网技术领域,具体涉及一种在线测评的防作弊方法及系统。
背景技术
随着互联网技术与现代教育测评技术的不断发展,在线测评系统的应用越来越广泛,对比传统的纸质考试,在线测评系统更具灵活性、科学性及公正性。
现有的在线测评的防作弊方法中,考生需要在定制化的考试机器上使用,并且需要配合定制化的教师机器和管理机器共同使用。当用户在考试时,考试机器进行屏幕视频录制,并将录制的视频上传至教师机器和管理机器上,以便考试结束后考官通过人工回放视频进一步判断用户是否作弊。
然而,针对上述做法,发明人发现,定制化的机器难以满足目前无接触的在线测评需求,无法实现家用场景下的防作弊,且视频录制产生的视频文件大,难以在网速慢的情况下使用,需要人工回放视频确认用户作弊行为,且通过回放视频的方式,无法清楚地识别用户的关键操作,导致防作弊效果不明显。
发明内容
有鉴于此,本发明实施例的目的在于提供一种在线测评的防作弊方法、系统、计算机设备及计算机可读存储介质,用于解决现有技术中机器需要定制化,无法应用于家用场景下的防作弊,视频录制产生的视频文件大导致难以在网速慢的情况下使用,且需要人工回放视频确认用户作弊行为,且通过回放视频的方式,无法清楚地识别用户的关键操作,导致防作弊效果不明显的缺陷。
为了实现上述目的,本发明实施例提供了一种在线测评的防作弊方法,该方法包括:
获取考试测评过程中的用户信息以及网络信息,所述用户信息包括:所述用户的操作行为信息、窗口切换信息以及定时人脸识别信息;
根据预设的分值映射表、所述用户信息以及所述网络信息,确定用户风险测评分值,其中所述分值映射表包括:分别与所述用户信息以及所述网络信息对应的分值;
将所述用户风险测评分值和预设分值进行比较,得到作弊风险结果,以供考官根据所述作弊风险结果判断用户是否存在作弊情况。
可选地,所述根据预设的分值映射表、所述用户信息以及所述网络信息,确定所述用户风险测评分值,包括:
将所述用户信息与所述分值映射表进行匹配,得到第一匹配结果,以根据所述第一匹配结果得到与所述用户信息对应的第一分值;
将所述网络信息与所述分值映射表进行匹配,得到第二匹配结果,以根据所述第二匹配结果得到与所述网络信息对应的第二分值;
将所述第一分值和所述第二分值相加,得到所述用户风险测评分值。
可选地,当所述用户信息为所述操作行为信息时,所述方法还包括:
记录所述用户的操作行为信息以及执行所述操作行为对应的时间,所述操作行为信息包括鼠标移动信息、鼠标点击信息、页面滚动信息及键盘输入信息;
识别并判断所述操作行为信息是否为预设的关键操作信息;
当所述操作行为信息为关键操作信息时,通过预设的标识方法标识出所述操作行为信息。
可选地,当所述用户信息为所述窗口切换信息时,所述方法还包括:
获取窗口失焦和聚焦的窗口事件以及与窗口事件对应的窗口显示时长;
当所述窗口显示时长超过预设值时,根据所述窗口事件进行窗口切换的转换;
记录所述窗口切换。
可选地,当所述用户信息为所述定时人脸识别信息时,所述方法还包括:
考试测评之前获取所述用户录入的人脸信息;
当所述考试测评时,每隔预设时间获取所述用户的图像信息;
将所述图像信息与所述人脸信息进行人脸识别比对,以根据比对结果判断所述用户是否存在异常;
当所述用户异常时,对所述图像信息进行标记,得到标记结果,以供所述考官根据所述标记结果判断是否存在误判。
可选地,所述方法还包括:
接收用户终端每次发送的请求信息;
记录与每次请求信息对应的用户终端信息以及所述网络信息,所述用户终端信息包括浏览器信息及操作系统信息;
将接收到的前后两次的用户终端信息以及网络信息分别进行比较;
当存在前后两次的所述用户终端信息和/或所述网络信息不一致时,则新增并保存更换终端或更换网络的记录信息。
可选地,所述方法还包括:
识别所述操作行为信息是否为复制或粘贴行为信息;
当所述操作行为信息为所述复制行为信息时,识别所述操作行为所对应的内容是否为在线测评内容;
当所述内容为所述在线测评内容时,则在所述内容的每两个字符之间插入预设的字符编码的用户及测评信息;
当检测到所述用户的粘贴行为信息时,检测每两个字符之间是否存在所述预设的字符编码的用户及测评信息,并对所述用户及测评信息进行解码;
若存在两个字符之间不存在所述预设的字符编码的用户及测评信息或者解码后的目标用户及目标测评信息分别与所述用户及所述测评信息不一致,则不执行粘贴的行为。
为实现上述目的,本发明实施例还提供了一种在线测评的防作弊系统,包括:
获取模块,用于获取考试测评过程中的用户信息以及网络信息,所述用户信息包括:所述用户的操作行为信息、窗口切换信息以及定时人脸识别信息;
确定模块,用于根据预设的分值映射表、所述用户信息以及所述网络信息,确定用户风险测评分值,其中所述分值映射表包括:分别与所述用户信息以及所述网络信息对应的分值;
处理模块,用于将所述用户风险测评分值和预设分值进行比较,得到作弊风险结果,以供考官根据所述作弊风险结果判断用户是否存在作弊情况。
为实现上述目的,本发明实施例还提供了一种计算机设备,所述计算机设备包括:存储器、处理器以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,所述处理器执行所述计算机程序时实现如上所述在线测评的防作弊方法的步骤。
为实现上述目的,本发明实施例还提供了一种计算机可读存储介质,其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上所述在线测评的防作弊方法的步骤。
本发明实施例提供的一种在线测评的防作弊方法、系统、计算机设备及计算机可读存储介质,通过获取考试测评过程中的用户信息以及网络信息,其中,用户信息包括:用户的操作行为信息、窗口切换信息以及定时人脸识别信息;然后根据预设的分值映射表、用户信息以及网络信息,确定用户的风险测评分值,其中,分值映射表包括分别与用户信息以及网络信息对应的分值;以及将风险测评分值和预设分值进行比较,最终得到作弊风险结果,以供考官根据所述作弊风险结果判断用户是否存在作弊情况。本发明实施例通过获取考试测评过程中的网络信息,并根据网络信息判断用户是否存在作弊情况,使得用户在任何场景下的任何机器上均可以进行在线测评,并实现任何场景下的防作弊;通过获取用户信息,而不获取视频录像信息,降低了传输文件大小,使得在网速慢的情况下也能够进行信息的传输,且考官可以在不用回放视频确认用户作弊行为的情况下,直接通过作弊风险结果判断用户是否存在作弊情况,能够清楚地识别用户的关键操作,极大地增强了防作弊效果和判断效率。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1为本发明实施例提供的在线测评的防作弊方法的步骤流程示意图;
图2为本发明实施例提供的在线测评的防作弊方法中根据预设的关键操作信息和预设的标识方法标识出所述操作行为信息的步骤细化流程示意图;
图3为本发明实施例提供的在线测评的防作弊方法中根据所述窗口事件进行窗口切换并记录所述窗口切换的步骤细化流程示意图;
图4为本发明实施例提供的在线测评的防作弊方法中根据所述图像信息和所述人脸信息得到所述标记结果的步骤细化流程示意图;
图5为本发明实施例提供的在线测评的防作弊方法中根据接收到的前后两次所述用户终端信息以及所述网络信息分别进行比较的步骤细化流程示意图;
图6为本发明实施例提供的在线测评的防作弊方法中根据所述预设的字符编码确定是否执行用户的粘贴行为的步骤细化流程示意图;
图7为本发明实施例提供的在线测评的防作弊方法中根据预设的分值映射表、所述用户信息以及所述网络信息,确定所述用户风险测评分值的步骤细化流程示意图;
图8为本发明实施例提供的在线测评的防作弊系统的一种可选的程序模块示意图;
图9为本发明实施例提供的在线测评的防作弊系统与其他系统交互的流程示意图;
图10为本发明实施例提供的计算机设备的一种可选的硬件架构示意图。
本发明目的的实现、功能特点及优点将结合发明实施例,参照附图做进一步说明。
具体实施方式
这里将详细地对示例性发明实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性发明实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的系统和方法的例子。
在本公开使用的术语是仅仅出于描述特定发明实施例的目的,而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本公开可能采用术语第一、第二、第三等来描述各种信息,但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如,在不脱离本公开范围的情况下,第一信息也可以被称为第二信息,类似地,第二信息也可以被称为第一信息。取决于语境,如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。
在本发明的描述中,需要理解的是,步骤前的数字标号并不标识执行步骤的前后顺序,仅用于方便描述本发明及区别每一步骤,因此不能理解为对本发明的限制。基于本发明中的发明实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他发明实施例,都属于本发明保护的范围。
下面结合附图对本发明实施例进行说明。
实施例一
参阅图1,示出了本发明实施例提供的一种在线测评的防作弊系统的流程图。可以理解,本方法发明实施例中的流程图不用于对执行步骤的顺序进行限定。下面以计算机设备为执行主体进行示例性描述,所述计算机设备可以包括诸如智能手机、平板个人计算机(tabletpersonal computer)、膝上型计算机(laptop computer)等移动终端,以及诸如台式计算机等固定终端。具体如下:
步骤S10,获取考试测评过程中的用户信息以及网络信息,所述用户信息包括:所述用户的操作行为信息、窗口切换信息以及定时人脸识别信息。
具体地,用户打开浏览器进入到测评系统进行考试测评,在用户通过用户账号密码登录成功的同时,服务器就开始实时获取用户的用户信息以及网络信息,直到用户测评结束退出所述测评系统。
在示例性的实施例中,如图2所示,当所述用户信息为所述操作行为信息时,所述方法还包括:
步骤S20,记录所述用户的操作行为信息以及执行所述操作行为对应的时间,所述操作行为信息包括鼠标移动信息、鼠标点击信息、页面滚动信息及键盘输入信息。
步骤S21,识别并判断所述操作行为信息是否为预设的关键操作信息。
步骤S22,当所述操作行为信息为关键操作信息时,通过预设的标识方法标识出所述操作行为信息。
具体地,在获取所述用户信息中的操作行为信息之前,可以预先设定关键操作信息的种类以及标识方法,这样,在获取到所述操作行为信息之后可以从所述操作行为信息中识别出关键操作信息。例如:关键操作信息为切换窗口操作,标识为窗口类关键操作信息;关键操作信息为复制粘贴操作,标识为内容类关键操作信息。通过将可能存在作弊行为的操作信息或者正常的测评操作行为设定为关键操作信息,以快速对所述可能存在作弊的行为进行确认。例如,所述在线测评中的选择题中,用户选择A选项属于正常的测评操作行为,该正常的测评操作行为信息也被设定为关键操作信息。当识别出所述操作行为信息为所述关键操作信息时,再根据对应的标识方法标识出所述操作行为信息。
在本发明实施例中,所述操作行为信息有多种,包括鼠标移动信息、鼠标点击信息、页面滚动信息以及键盘输入信息等。测评期间,服务器将所述操作行为信息、操作行为识别结果以及执行所述操作行为对应的时间实时存入Redis中,Redis是一个key-value(键-值)存储系统。当用户测评结束后,还将所述Redis中所述操作行为信息、操作行为识别结果以及所述执行所述操作行为对应的时间上传至OSS(操作支持系统)服务器中存储起来。当接收到考官终端的回放操作指令时,将在线测评试题、所述操作行为信息、所述操作识别结果以及所述执行所述操作行为对应的时间发送至所述考官终端,以供所述考官终端根据所述操作行为信息、所述操作识别结果以及所述执行所述操作行为对应的时间对所述在线测评试题进行渲染,实现在回放过程中模拟触发各个时间点的操作事件,并高亮标记出关键操作,以对不同的操作行为进行区别。
本发明实施例通过行为记录的方式记录用户开始后的所有所述操作行为信息,不仅能够实时记录用户的所有操作行为信息,而且记录文件很小,一般3个小时以内的测评所记录的正常操作行为产生的记录文件大小不超过1MB,极大减少了数据所占空间;通过回放时高亮标记出关键操作信息,方便考官进行快速定位至关键操作对应的页面,以便所述考官快速确认所述用户是否存在作弊情况,以实现在线测评防作弊。需要特别说明的是,用户输入的每个可能影响测评结果的操作信息均视为所述关键操作信息。例如切换窗口、复制粘贴内容等。
在示例性的实施例中,如图3所示,当所述用户信息为所述窗口切换信息时,所述方法还包括:
步骤S30,获取窗口失焦和聚焦的窗口事件以及与所述窗口事件对应的窗口显示时长。
步骤S31,当所述窗口显示时长超过预设值时,根据所述窗口事件进行窗口切换的转换。
步骤S32,记录所述窗口切换。
具体地,在获取所述获取窗口失焦和聚焦的窗口事件以及与所述窗口事件对应的窗口显示时长之前,可以预先设定一个窗口显示时长预设值,这样,在获取所述窗口显示时长后,当所述窗口显示时长超过预设值时,则根据所述窗口事件进行窗口切换的转换,同时记录所述窗口切换。
示例性的,假设服务器预先设定的一个窗口显示时长预设值为2秒,在获取窗口失焦和聚焦的窗口事件以及与所述窗口事件所对应的窗口显示时长超过预设值2秒后,用户再进行窗口切换操作,则将用户的这一窗口切换操作记录下来。
示例性的,假设用户测评过程中出现了广告弹窗,若用户在预设值2秒内将广告弹窗关闭,则用户的这一窗口切换操作不进行记录,反之,记录用户的这一窗口切换操作。
本发明实施例通过预设一个窗口显示时长预设值,增加了用户处理窗口时间,不仅减少了考官误判的可能性,且预设时间内用户也无法进行作弊操作。
在示例性的实施例中,如图4所示,当所述用户信息为所述定时人脸识别信息时,所述方法还包括:
步骤S40,考试测评之前获取所述用户录入的人脸信息。
步骤S41,当所述考试测评时,每隔预设时间获取所述用户的图像信息。
步骤S42,将所述图像信息与所述人脸信息进行人脸识别比对,以根据比对结果判断所述用户是否存在异常。
步骤S43,当所述用户异常时,对所述图像信息进行标记,得到标记结果,以供所述考官根据所述标记结果判断是否存在误判。
具体地,在每场测评开始前,用户自行录入用户个人信息和人脸信息。测评过程中,每隔预设时间获取所述用户的人脸图像信息,然后通过人脸识别系统进行对比,若比对结果出现异常,则实时标记下来并保存,以供考官从所述服务器获取所述人脸识别标记结果并对所述人脸进行核对。当所述考官核对出人脸识别结果发生误判时,可以在所述考官终端实时纠正人脸识别误判结果,并将结果上传至所述服务器以进行人脸识别结果数据的纠正,进而实现人脸识别的人工干预。
本发明实施例通过用户在测评开始前自行录入个人信息和人脸信息,减少了考官人脸录入的工作负担,进而降低了考官的管理成本,同时能够根据人脸识别标记结果实时进行人工干预,降低了人脸识别误判的可能性。
在示例性的实施例中,如图5所示,所述在线测评的防作弊方法还包括:
步骤S50,接收用户终端每次发送的请求信息。
步骤S51,记录与每次请求信息对应的用户终端信息以及所述网络信息,所述用户终端信息包括浏览器信息及操作系统信息。
步骤S52,将接收到的前后两次的用户终端信息以及网络信息分别进行比较。
步骤S53,当存在前后两次的所述用户终端信息和/或所述网络信息不一致时,则新增并保存更换终端或更换网络的记录信息。
具体地,用户打开浏览器后通过用户账号密码登录到测评系统的同时,服务器开始记录附加在用户系统每次发送的请求上的用户终端信息及网络信息,该操作用户无法感知到也无法进行屏蔽处理,如果用户更换了网络、浏览器、系统等终端信息,服务器就能接收到并且增加一条记录操作,并存储于服务器的数据库中。
本发明实施例通过实时监测所述用户终端信息以及所述网络信息,减少了用户多地登录和多人协作进行测评的可能性。
在示例性的实施例中,如图6所示,所述在线测评的防作弊方法还包括:
步骤S60,识别所述操作行为信息是否为复制或粘贴行为信息。
步骤S61,当所述操作行为信息为所述复制行为信息时,识别所述操作行为所对应的内容是否为在线测评内容。
步骤S62,当所述内容为所述在线测评内容时,则在所述内容的每两个字符之间插入预设的字符编码的用户及测评信息。
步骤S63,当检测到所述用户的粘贴行为信息时,检测每两个字符之间是否存在所述预设的字符编码的用户及测评信息,并对所述用户及测评信息进行解码。
步骤S64,若存在两个字符之间不存在所述预设的字符编码的用户及测评信息或者解码后的目标用户及目标测评信息分别与所述用户及所述测评信息不一致,则不执行粘贴的行为。
具体地,用户在在线测评期间,只能粘贴测评系统内复制的内容,非测评系统中复制的内容则无法粘贴,具体步骤为:在用户复制测评内的内容时,将复制的内容进行修改,通过在复制的每两个字符中间插入零宽字符编码的用户及测评信息,当用户进行粘贴时,系统会检测粘贴的内容中每两个字符间是否存在零宽字符编码的用户及测评信息,存在则用户可进行内容粘贴,若粘贴内容中有任意两个字符间不存在零宽字符编码的用户及测评信息,则用户无法进行粘贴操作,若解码后发现用户及测评信息与当前用户及测评信息对应不上也无法进行粘贴操作。
示例性的,假设用户复制的内容为“答案”,用户信息为“名称”,测评信息为“题目”,经过编码后的用户信息及测评信息分别为“\u540d\u79f0”和“\u9898\u76ee”,若在粘贴时内容为“答\u540d\u79f0\u9898\u76ee案”,且解码后的用户信息及测评信息与当前用户信息及测评信息相同,则进行粘贴操作,否则不执行粘贴操作。
本发明实施例通过限制用户复制粘贴功能,不仅方便用户作答,而且增强了防作弊效果。
步骤S11,根据预设的分值映射表、所述用户信息以及所述网络信息,确定用户风险测评分值,其中所述分值映射表包括:分别与所述用户信息以及所述网络信息对应的分值。
具体地,在获取考试测评过程中的用户信息以及网络信息之前,可以预先设定好所述分值映射表,这样,可以根据所述分值映射表确定所述用户信息以及所述网络信息对应的分值,并将所述对应的分值进行累加,以得到所述用户风险测评分值。
示例性的,所述分值映射表中网络信息发生变化对应的分值为1分,网络信息未发生变化对应的分值为0分,切换窗口信息对应的分值为1分,人脸识别正常对应的分值为0分,人脸识别异常对应的分值为1分。
在示例性的实施例中,如图7所示,所述根据预设的分值映射表、所述用户信息以及所述网络信息,确定所述用户风险测评分值,包括:
步骤S70,将所述用户信息与所述分值映射表进行匹配,得到第一匹配结果,以根据所述第一匹配结果得到与所述用户信息对应的第一分值。
步骤S71,将所述网络信息与所述分值映射表进行匹配,得到第二匹配结果,以根据所述第二匹配结果得到与所述网络信息对应的第二分值。
步骤S72,将所述第一分值和所述第二分值相加,得到所述用户风险测评分值。
具体地,服务器将所述用户信息和所述网络信息的所有操作记录,根据所述分值映射表进行匹配,然后根据匹配结果确定对应的分值,最后将所有分值进行累加得到所述用户风险测评分值。
示例性的,假设用户A测评开始后切换过两次网络,则记录网络切换操作并且记相应分数值2分,测评期间切换窗口超过预设时间次数共五次,则记录所述窗口切换操作并且记相应分数值5分,则用户A得到的用户风险测评分值为两者相加即2加上5一共7分。
示例性的,假设用户B测评开始后复制粘贴三次代码,则记录所述复制粘贴操作并且记相应分数值3分,测评期间人脸识别错误次数共两次,则记录所述人脸识别错误记录并且记相应分数值2分,则用户A得到的用户风险测评分值为两者相加即3加上2一共7分。
示例性的,假设用户C测评开始后一共答了五道选择题,则记录用户操作并且记相应分数值5分,测评期间人脸识别错误次数共3次,则记录所述人脸识别错误记录并且记相应分数值3分,则用户A得到的用户风险测评分值为两者相加即5加上3一共8分。
要特别说明的是,如果高风险关键操作是连续的,则相应的分数值将会经过加权变高。
步骤S12,将所述用户风险测评分值和预设分值进行比较,得到作弊风险结果,以供考官根据所述作弊风险结果判断用户是否存在作弊情况。
具体地,在用户测评结束后,服务器通过所述分值映射表将记录的所有操作转换为对应的映射值,并将所有映射值进行累加得到所述用户风险测评分值,然后将所述用户风险测评分值和所述预设分值进行比较,得出用户作弊风险结果,通过服务器发送给考官终端以供所述考官根据所述作弊风险结果进行用户是否存在作弊行为情况的确认。
本发明实施例提供的在线测评的防作弊方法,还包括:在用户测评开始时,将测评题目顺序打乱,使每个用户的题目顺序都不完全一致,使得用户无法快速交流测评题目内容与答案,加大用户间相互交流和题目泄露的难度,进而提高防作弊效果。
实施例二
参阅图8,示出了本发明实施例之一种在线测评的防作弊系统300的程序模块示意图。所述在线测评的防作弊系统300可以应用于计算机设备中,所述计算机设备可以是手机、平板个人计算机(tablet personal computer)、膝上型计算机(laptop computer)、等具有数据传输功能的设备。在本发明实施例中,所述在线测评的防作弊系统300可以包括或被分割成一个或多个程序模块,一个或者多个程序模块被存储于存储介质中,并由一个或多个处理器所执行,以完成本发明实施例,并可实现上述在线测评的防作弊系统300。本发明实施例所称的程序模块是指能够完成特定功能的一系列计算机程序指令段,比程序本身更适合于描述所述在线测评的防作弊系统300在存储介质中的执行过程。在示例性的实施例中,该在线测评的防作弊系统300包括获取模块301、确定模块302及比较模块303。以下描述将具体介绍本发明实施例各程序模块的功能:
获取模块301,用于获取考试测评过程中的用户信息以及网络信息,所述用户信息包括:所述用户的操作行为信息、窗口切换信息以及定时人脸识别信息。
具体地,用户打开浏览器进入到测评系统后,在用户通过用户账号密码登录成功的同时,所述获取模块301就开始实时获取用户的用户信息以及网络信息直到,用户测评结束退出所述测评系统。
在所述获取模块301获取所述用户信息中的操作行为信息之前,可以预先设定关键操作信息的种类以及标识方法,这样,在获取到所述操作行为信息之后可以从所述操作行为信息中识别出关键操作信息。例如:关键操作信息为切换窗口操作,标识为窗口类关键操作信息;关键操作信息为复制粘贴操作,标识为内容类关键操作信息。通过将可能存在作弊行为的操作信息或者正常的测评操作行为设定为关键操作信息,以快速对所述可能存在作弊的行为进行确认。例如,所述在线测评中的选择题中,用户选择A选项属于正常的测评操作行为,该正常的测评操作行为信息也被设定为关键操作信息。当识别出所述操作行为信息为所述关键操作信息时,再根据对应的标识方法标识出所述操作行为信息。
在本发明实施例中,所述操作行为信息有多种,包括鼠标移动信息、鼠标点击信息、页面滚动信息以及键盘输入信息等。测评期间,服务器将所述操作行为信息、操作行为识别结果以及执行所述操作行为对应的时间实时存入Redis中。当用户测评结束后,还将所述Redis中所述操作行为信息、操作行为识别结果以及所述执行所述操作行为对应的时间上传至OSS服务器中存储起来。当接收到考官终端的回放操作指令时,将在线测评试题、所述操作行为信息、所述操作识别结果以及所述执行所述操作行为对应的时间发送至所述考官终端,以供所述考官终端根据所述操作行为信息、所述操作识别结果以及所述执行所述操作行为对应的时间对所述在线测评试题进行渲染,实现在回放过程中模拟触发各个时间点的操作事件,并高亮标记出关键操作,以对不同的操作行为进行区别。
通过行为记录的方式记录用户开始后的所有所述操作行为信息,不仅能够实时记录用户的所有操作行为信息,而且记录文件很小,一般3个小时以内的测评所记录的正常操作行为产生的记录文件大小不超过1MB,极大减少了数据所占空间;通过回放时高亮标记出关键操作信息,方便考官进行快速定位至关键操作对应的页面,以便所述考官快速确认所述用户是否存在作弊情况,以实现在线测评防作弊。需要特别说明的是,用户输入的每个可能影响测评结果的操作信息均视为所述关键操作信息。例如切换窗口、复制粘贴内容等。
在所述获取模块301获取所述获取窗口失焦和聚焦的窗口事件以及与所述窗口事件对应的窗口显示时长之前,可以预先设定一个窗口显示时长预设值,这样,在获取所述窗口显示时长后,当所述窗口显示时长超过预设值时,则根据所述窗口事件进行窗口切换的转换,同时记录所述窗口切换。
示例性的,假设服务器预先设定的一个窗口显示时长预设值为2秒,在获取窗口失焦和聚焦的窗口事件以及与所述窗口事件所对应的窗口显示时长超过预设值2秒后,用户再进行窗口切换操作,则将用户的这一窗口切换操作记录下来。
示例性的,假设用户测评过程中出现了广告弹窗,若用户在预设值2秒内将广告弹窗关闭,则用户的这一窗口切换操作不进行记录,反之,记录用户的这一窗口切换操作。通过预设一个窗口显示时长预设值,增加了用户处理窗口时间,不仅减少了考官误判的可能性,且预设时间内用户也无法进行作弊操作。
在示例性的实施例中,在每场测评开始前,用户自行录入用户个人信息和人脸信息。测评过程中,每隔预设时间获取所述用户的人脸图像信息,然后通过人脸识别系统进行对比,若比对结果出现异常,则实时标记下来并保存,以供考官从所述获取模块301获取所述人脸识别标记结果并对所述人脸进行核对。当所述考官核对出人脸识别结果发生误判时,可以在所述考官终端实时纠正人脸识别误判结果,并将结果上传至所述获取模块301以进行人脸识别结果数据的纠正,进而实现人脸识别的人工干预。通过用户在测评开始前自行录入个人信息和人脸信息,减少了考官人脸录入的工作负担,进而降低了考官的管理成本,同时能够根据人脸识别标记结果实时进行人工干预,降低了人脸识别误判的可能性。
在示例性的实施例中,用户打开浏览器后通过用户账号密码登录到测评系统的同时,服务器开始记录附加在用户系统每次发送的请求上的用户终端信息及网络信息,该操作用户无法感知到也无法进行屏蔽处理,如果用户更换了网络、浏览器、系统等终端信息,服务器就能接收到并且增加一条记录操作,并存储于服务器的数据库中。通过实时监测所述用户终端信息以及所述网络信息,减少了用户多地登录和多人协作进行测评的可能性。
在示例性的实施例中,用户测评期间只能粘贴测评系统内复制的内容,非测评系统中复制的内容则无法粘贴,其中,限制复制粘贴实现的原理是在用户复制测评内的内容时,系统会将复制的内容进行修改,系统在复制的每两个字符中间插入零宽字符编码的用户及测评信息,当用户进行粘贴时,系统会检测粘贴的内容中每两个字符间是否存在零宽字符编码的用户及测评信息,存在则用户可进行内容粘贴,若粘贴内容中有任意两个字符间不存在零宽字符编码的用户及测评信息,则用户无法进行粘贴操作,若解码后发现用户及测评信息与当前用户及测评信息对应不上也无法进行粘贴操作。
示例性的,假设用户复制的内容为“答案”,用户信息为“名称”,测评信息为“题目”,经过编码后的用户信息及测评信息分别为“\u540d\u79f0”和“\u9898\u76ee”,若在粘贴时内容为“答\u540d\u79f0\u9898\u76ee案”,且解码后的用户信息及测评信息与当前用户信息及测评信息相同,则进行粘贴操作,否则不执行粘贴操作。通过限制用户复制粘贴功能,不仅方便用户作答,而且增强了防作弊效果。
确定模块302,用于根据预设的分值映射表、所述用户信息以及所述网络信息,确定用户风险测评分值,其中所述分值映射表包括:分别与所述用户信息以及所述网络信息对应的分值。
具体地,所述确定模块302在获取考试测评过程中的用户信息以及网络信息之前,可以预先设定好所述分值映射表,这样,可以根据所述分值映射表确定所述用户信息以及所述网络信息对应的分值,并将所述对应的分值进行累加,以得到所述用户风险测评分值。
示例性的,所述分值映射表中网络信息发生变化对应的分值为1分,网络信息未发生变化对应的分值为0分,切换窗口信息对应的分值为1分,人脸识别正常对应的分值为0分,人脸识别异常对应的分值为1分。所述确定模块302还用于将所述用户信息与所述分值映射表进行匹配,得到第一匹配结果,以根据所述第一匹配结果得到与所述用户信息对应的第一分值;将所述网络信息与所述分值映射表进行匹配,得到第二匹配结果,以根据所述第二匹配结果得到与所述网络信息对应的第二分值;将所述第一分值和所述第二分值相加,得到所述用户风险测评分值。具体地,服务器将所述用户信息和所述网络信息的所有操作记录,根据所述分值映射表进行匹配,然后根据匹配结果确定对应的分值,最后将所有分值进行累加得到所述用户风险测评分值。
示例性的,假设用户A测评开始后切换过两次网络,则记录网络切换操作并且记相应分数值2分,测评期间切换窗口超过预设时间次数共五次,则记录所述窗口切换操作并且记相应分数值5分,则用户A得到的用户风险测评分值为两者相加即2加上5一共7分。
示例性的,假设用户B测评开始后复制粘贴三次代码,则记录所述复制粘贴操作并且记相应分数值3分,测评期间人脸识别错误次数共两次,则记录所述人脸识别错误记录并且记相应分数值2分,则用户A得到的用户风险测评分值为两者相加即3加上2一共7分。
示例性的,假设用户C测评开始后一共答了五道选择题,则记录用户操作并且记相应分数值5分,测评期间人脸识别错误次数共3次,则记录所述人脸识别错误记录并且记相应分数值3分,则用户A得到的用户风险测评分值为两者相加即5加上3一共8分。
要特别说明的是,如果高风险关键操作是连续的,则相应的分数值将会经过加权变高。
比较模块303,用于将所述用户风险测评分值和预设分值进行比较,得到作弊风险结果,以供考官根据所述作弊风险结果判断用户是否存在作弊情况。
具体地,在用户测评结束后,所述比较模块303通过所述分值映射表将记录的所有操作转换为对应的映射值,并将所有映射值进行累加得到所述用户风险测评分值,然后将所述用户风险测评分值和预设分值进行比较,得出用户作弊风险结果,通过所述比较模块303发送给考官终端以供所述考官根据所述作弊风险结果进行用户是否存在作弊行为情况的确认。
本发明提供的在线测评的防作弊系统300还用于在用户测评开始时,将测评题目顺序打乱,使每个用户的题目顺序都不完全一致,使得用户无法快速交流测评题目内容与答案,加大用户间相互交流和题目泄露的难度,进而提高防作弊效果。
参阅图9,示出了本发明实施例之一种在线测评的防作弊系统与其他系统交互的流程示意图。所述系统交互流程示意图包括考生系统、在线测评的防作弊系统以及管理系统。需要特别说明的是,考生系统是指用户进行测评时所使用的机器设备。当用户登录测评系统准备测评时,在线测评的防作弊系统开始运作,记录整个测评过程的用户信息及网络信息,并根据所述用户信息及所述网络进行转换成作弊风险结果,然后将所述作弊风险结果发送至所述管理系统。所述用户信息包括用户的行为记录、窗口切换记录、定时人脸识别及考官人工介入修改后的人脸识别误判结果。所述管理系统获取所述作弊风险结果供考官参考。用户在测评开始前在考生系统进行人脸信息录入,完成后用户开始测评,此时触发在线测评的防作弊系统的所有防作弊功能直到用户结束测评。所述防作弊功能包括:记录客户端及网络信息、将测评题顺序打乱序、限制用户复制粘贴功能、记录用户操作行为、记录窗口切换以及定时人脸识别。
实施例三
参阅图10,本发明实施例还提供一种计算机设备500的硬件架构示意图。如可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。在本发明实施例中,所述计算机设备500是一种能够按照事先设定或者存储的指令,自动进行数值计算和/或信息处理的设备。如图所示,所述计算机设备500至少包括,但不限于,可通过装置总线相互通信连接存储器501、处理器502、网络接口503。其中:
本发明实施例中,存储器501至少包括一种类型的计算机可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些发明实施例中,存储器501可以是计算机设备500的内部存储单元,例如所述计算机设备500的硬盘或内存。在另一些发明实施例中,存储器501也可以是计算机设备500的外部存储设备,例如所述计算机设备500上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。当然,存储器501还可以既包括计算机设备500的内部存储单元也包括其外部存储设备。本发明实施例中,存储器501通常用于存储安装于计算机设备500的操作装置和各类应用软件,例如所述在线测评的防作弊系统300的程序代码等。此外,存储器501还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器502在一些发明实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。所述处理器502通常用于控制计算机设备500的总体操作。本发明实施例中,处理器502用于运行存储器501中存储的程序代码或者处理数据,例如运行所述在线测评的防作弊系统300的程序代码,以实现上述各个发明实施例中的所述在线测评的防作弊方法。
所述网络接口503可包括无线网络接口或有线网络接口,所述网络接口503通常用于在所述计算机设备500与其他电子装置之间建立通信连接。例如,所述网络接口503用于通过网络将所述计算机设备500与外部终端相连,在所述计算机设备500与外部终端之间的建立数据传输通道和通信连接等。所述网络可以是企业内部网(Intranet)、互联网(Internet)、全球移动通讯装置(Global System of Mobile communication,GSM)、宽带码分多址(WidebandCode Division Multiple Access,WCDMA)、4G网络、5G网络、蓝牙(Bluetooth)、Wi-Fi等无线或有线网络。
需要指出的是,图10仅示出了具有部件501-503的计算机设备500,但是应理解的是,并不要求实施所有示出的部件,可以替代的实施更多或者更少的部件。
在本发明实施例中,存储于存储器501中的所述在线测评的防作弊系统300还可以被分割为一个或者多个程序模块,所述一个或者多个程序模块被存储于存储器501中,并由一个或多个处理器(本发明实施例为处理器502)所执行,以完成本发明之在线测评的防作弊方法。
实施例四
本发明实施例还提供一种计算机可读存储介质,如闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘、服务器、App应用商城等等,其上存储有计算机程序,程序被处理器执行时实现相应功能。本发明实施例的计算机可读存储介质用于存储所述在线测评的防作弊系统300,以被处理器执行时实现本发明之在线测评的防作弊方法。
上述本发明实施例序号仅仅为了描述,不代表发明实施例的优劣。
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发明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。
以上仅为本发明的优选发明实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种在线测评的防作弊方法,应用于服务器中,其特征在于,所述方法包括:
获取考试测评过程中的用户信息以及网络信息,所述用户信息包括:所述用户的操作行为信息、窗口切换信息以及定时人脸识别信息;
根据预设的分值映射表、所述用户信息以及所述网络信息,确定用户风险测评分值,其中所述分值映射表包括:分别与所述用户信息以及所述网络信息对应的分值;及
将所述用户风险测评分值和预设分值进行比较,得到作弊风险结果,以供考官根据所述作弊风险结果判断用户是否存在作弊情况。
2.如权利要求1所述的在线测评的防作弊方法,其特征在于,所述根据预设的分值映射表、所述用户信息以及所述网络信息,确定用户风险测评分值,包括:
将所述用户信息与所述分值映射表进行匹配,得到第一匹配结果,以根据所述第一匹配结果得到与所述用户信息对应的第一分值;
将所述网络信息与所述分值映射表进行匹配,得到第二匹配结果,以根据所述第二匹配结果得到与所述网络信息对应的第二分值;及
将所述第一分值和所述第二分值相加,得到所述用户风险测评分值。
3.如权利要求1所述的在线测评的防作弊方法,其特征在于,当所述用户信息为所述操作行为信息时,所述方法还包括:
记录所述用户的操作行为信息以及执行所述操作行为对应的时间,所述操作行为信息包括鼠标移动信息、鼠标点击信息、页面滚动信息及键盘输入信息;
识别并判断所述操作行为信息是否为预设的关键操作信息;及
当所述操作行为信息为关键操作信息时,通过预设的标识方法标识出所述操作行为信息。
4.如权利要求1所述的在线测评的防作弊方法,其特征在于,当所述用户信息为所述窗口切换信息时,所述方法还包括:
获取窗口失焦和聚焦的窗口事件以及与所述窗口事件对应的窗口显示时长;
当所述窗口显示时长超过预设值时,根据所述窗口事件进行窗口切换的转换;及
记录所述窗口切换。
5.如权利要求1所述的在线测评的防作弊方法,其特征在于,当所述用户信息为所述定时人脸识别信息时,所述方法还包括:
考试测评之前获取所述用户录入的人脸信息;
当所述考试测评时,每隔预设时间获取所述用户的图像信息;
将所述图像信息与所述人脸信息进行人脸识别比对,以根据比对结果判断所述用户是否存在异常;及
当所述用户异常时,对所述图像信息进行标记,得到标记结果,以供所述考官根据所述标记结果判断是否存在误判。
6.如权利要求1所述的在线测评的防作弊方法,其特征在于,所述方法还包括:
接收用户终端每次发送的请求信息;
记录与每次请求信息对应的用户终端信息以及所述网络信息,所述用户终端信息包括浏览器信息及操作系统信息;
将接收到的前后两次的用户终端信息以及网络信息分别进行比较;及
当存在前后两次的所述用户终端信息和/或所述网络信息不一致时,则新增并保存更换终端或更换网络的记录信息。
7.如权利要求1或3所述的在线测评的防作弊方法,其特征在于,所述方法还包括:
识别所述操作行为信息是否为复制或粘贴行为信息;
当所述操作行为信息为所述复制行为信息时,识别所述操作行为所对应的内容是否为在线测评内容;
当所述内容为所述在线测评内容时,则在所述内容的每两个字符之间插入预设的字符编码的用户及测评信息;
当检测到所述用户的粘贴行为信息时,检测每两个字符之间是否存在所述预设的字符编码的用户及测评信息,并对所述用户及测评信息进行解码;及
若存在两个字符之间不存在所述预设的字符编码的用户及测评信息或者解码后的目标用户及目标测评信息分别与所述用户及所述测评信息不一致,则不执行粘贴的行为。
8.一种在线测评的防作弊系统,其特征在于,包括:
获取模块,用于获取考试测评过程中的用户信息以及网络信息,所述用户信息包括:所述用户的操作行为信息、窗口切换信息以及定时人脸识别信息;
确定模块,用于根据预设的分值映射表、所述用户信息以及所述网络信息,确定用户风险测评分值,其中所述分值映射表包括:分别与所述用户信息以及所述网络信息对应的分值;
比较模块,用于将所述用户风险测评分值和预设分值进行比较,得到作弊风险结果,以供考官根据所述作弊风险结果判断用户是否存在作弊情况。
9.一种计算机设备,所述计算机设备包括:存储器、处理器以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,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项的所述在线测评的防作弊方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项的所述在线测评的防作弊方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011193006.7A CN112308417B (zh) | 2020-10-30 | 2020-10-30 | 在线测评的防作弊方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011193006.7A CN112308417B (zh) | 2020-10-30 | 2020-10-30 | 在线测评的防作弊方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112308417A true CN112308417A (zh) | 2021-02-02 |
CN112308417B CN112308417B (zh) | 2024-01-23 |
Family
ID=74333002
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011193006.7A Active CN112308417B (zh) | 2020-10-30 | 2020-10-30 | 在线测评的防作弊方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112308417B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110083808A (zh) * | 2019-03-18 | 2019-08-02 | 平安科技(深圳)有限公司 | 基于用户答案的作弊判定方法、装置、设备及存储介质 |
US20190325770A1 (en) * | 2018-04-20 | 2019-10-24 | Caveon, Llc | Systems and methods for dynamic monitoring of test taking |
CN110502492A (zh) * | 2019-08-14 | 2019-11-26 | 深圳市优课在线教育有限公司 | 一种面向在线教育的实时反作弊检测和预警方法 |
CN111127050A (zh) * | 2018-10-29 | 2020-05-08 | 北京奇虎科技有限公司 | 内容渠道的评价方法、装置、电子设备和存储介质 |
CN111353921A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种考试管理方法及系统、电子设备 |
-
2020
- 2020-10-30 CN CN202011193006.7A patent/CN112308417B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20190325770A1 (en) * | 2018-04-20 | 2019-10-24 | Caveon, Llc | Systems and methods for dynamic monitoring of test taking |
CN111127050A (zh) * | 2018-10-29 | 2020-05-08 | 北京奇虎科技有限公司 | 内容渠道的评价方法、装置、电子设备和存储介质 |
CN110083808A (zh) * | 2019-03-18 | 2019-08-02 | 平安科技(深圳)有限公司 | 基于用户答案的作弊判定方法、装置、设备及存储介质 |
CN110502492A (zh) * | 2019-08-14 | 2019-11-26 | 深圳市优课在线教育有限公司 | 一种面向在线教育的实时反作弊检测和预警方法 |
CN111353921A (zh) * | 2019-08-19 | 2020-06-30 | 深圳市鸿合创新信息技术有限责任公司 | 一种考试管理方法及系统、电子设备 |
Non-Patent Citations (1)
Title |
---|
刘思尧;: "在线考试系统防作弊策略研究", 软件导刊, no. 10 * |
Also Published As
Publication number | Publication date |
---|---|
CN112308417B (zh) | 2024-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109450771B (zh) | 添加好友的方法、装置、计算机设备及存储介质 | |
CN106971009B (zh) | 语音数据库生成方法及装置、存储介质、电子设备 | |
CN111479129B (zh) | 直播封面的确定方法、装置、服务器、介质及系统 | |
CN110460617B (zh) | 机考考试系统及相关产品 | |
CN111353921A (zh) | 一种考试管理方法及系统、电子设备 | |
CN111686450B (zh) | 游戏的剧本生成及运行方法、装置、电子设备和存储介质 | |
CN112181835B (zh) | 自动化测试方法、装置、计算机设备及存储介质 | |
CN111836106A (zh) | 在线视频播放监控处理方法、装置、计算机和存储介质 | |
CN110866209A (zh) | 在线教育数据推送方法、系统和计算机设备 | |
CN110782376A (zh) | 一种考试防作弊方法、装置、电子装置和存储介质 | |
CN106959919B (zh) | 基于测试路径图的软件测试方法及装置 | |
CN112131977A (zh) | 学习监督方法、装置、智能设备及计算机可读存储介质 | |
CN112087603A (zh) | 智慧考场监管方法 | |
CN112819665A (zh) | 课堂状态的评估方法和相关装置、设备 | |
CN111613100A (zh) | 一种解读绘本方法、装置、电子设备和智能机器人 | |
CN112581444A (zh) | 一种异常检测方法、装置及设备 | |
CN112308417B (zh) | 在线测评的防作弊方法及系统 | |
CN116707824A (zh) | 一种账户的无感登录方法以及相关设备 | |
CN110689226A (zh) | 一种基于直播教学的学员信息报备管理系统和方法 | |
CN114896483A (zh) | 一种数据采集方法、系统和存储介质 | |
CN114691903A (zh) | 一种智能课程测试方法及系统、电子设备、存储介质 | |
CN114025234A (zh) | 视频编辑方法、装置、电子设备及存储介质 | |
CN111786991A (zh) | 基于区块链的平台认证登录方法及相关装置 | |
CN114513686A (zh) | 视频信息的确定方法、装置以及存储介质 | |
CN112116505A (zh) | 一种防作弊在线竞赛系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |