CN115062695B - 一种作弊判断方法、装置、设备及介质 - Google Patents

Abstract

本公开实施例涉及一种作弊判断方法、装置、设备及介质，其中该方法包括：获取至少两个屏幕轨迹数据；对屏幕轨迹数据进行归一化处理，得到目标数据序列；基于目标数据序列进行特征提取，得到特征序列，特征序列包括多个特征结果；将特征序列中的多个特征结果进行拼接，得到各屏幕轨迹数据对应的轨迹编码；基于至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断。采用上述技术方案，通过对屏幕轨迹数据进行归一化处理、特征提取以及拼接处理，可以生成能够表征该屏幕轨迹的唯一的具有特异性的轨迹编码，提升了屏幕轨迹表征的准确性，进而有助于精确解决后续机器作弊中重复轨迹的判定问题。

Description

一种作弊判断方法、装置、设备及介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种作弊判断方法、装置、设备及介质。

背景技术

随着移动互联网的发展，各种各样的针对互联网产品的作弊活动也随之兴起。其中一种作弊方法为机器作弊，所谓机器作弊，即是通过预先编写好的脚本程序，通过模拟正常的操作行为，来快速、批量的在大量的设备上同时执行相同的操作。

为了对抗机器作弊，需要能够判断不同屏幕轨迹之间的相似度，从而识别出重复轨迹判定为机器作弊。相关技术中可以通过信息简单叠加或者深度学习模型的特征来表征屏幕轨迹，进而识别重复轨迹，但是即使是相同的屏幕轨迹，在实际页面采样时也会因不同设备、不同操作对象和不同时间造成数据不同，相关技术中屏幕轨迹的表征方式仅仅能提取部分特征，准确性较低，导致其不能解决机器作弊中重复轨迹的判断问题。

发明内容

为了解决上述技术问题，本公开提供了一种作弊判断方法、装置、设备及介质。

本公开实施例提供了一种作弊判断方法，所述方法包括：

获取至少两个屏幕轨迹数据；

对所述屏幕轨迹数据进行归一化处理，得到目标数据序列；

基于所述目标数据序列进行特征提取，得到特征序列，所述特征序列包括多个特征结果；

将所述特征序列中的多个特征结果进行拼接，得到各所述屏幕轨迹数据对应的轨迹编码；

基于所述至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断。

本公开实施例还提供了一种作弊判断装置，所述装置包括：

数据模块，用于获取至少两个屏幕轨迹数据；

归一化模块，用于对所述屏幕轨迹数据进行归一化处理，得到目标数据序列；

特征模块，用于基于所述目标数据序列进行特征提取，得到特征序列，所述特征序列包括多个特征结果；

编码模块，用于将所述特征序列中的多个特征结果进行拼接，得到各所述屏幕轨迹数据对应的轨迹编码；

判断模块，用于基于所述至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断。

本公开实施例还提供了一种电子设备，所述电子设备包括：处理器；用于存储所述处理器可执行指令的存储器；所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现如本公开实施例提供的作弊判断方法。

本公开实施例还提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行如本公开实施例提供的作弊判断方法。

本公开实施例提供的技术方案与现有技术相比具有如下优点：本公开实施例提供的作弊判断方案，获取至少两个屏幕轨迹数据；对屏幕轨迹数据进行归一化处理，得到目标数据序列；基于目标数据序列进行特征提取，得到特征序列，特征序列包括多个特征结果；将特征序列中的多个特征结果进行拼接，得到各屏幕轨迹数据对应的轨迹编码；基于至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断。采用上述技术方案，通过对屏幕轨迹数据进行归一化处理、特征提取以及拼接处理，可以生成能够表征该屏幕轨迹的唯一的具有特异性的轨迹编码，提升了屏幕轨迹表征的准确性，进而有助于精确解决后续机器作弊中重复轨迹的判定问题。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1为本公开实施例提供的一种作弊判断方法的流程示意图；

图2为本公开实施例提供的另一种作弊判断方法的流程示意图；

图3为本公开实施例提供的一种作弊判断装置的结构示意图；

图4为本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

针对互联网产品的作弊活动一种作弊方法为机器作弊，所谓机器作弊，即是通过预先编写好的脚本程序，通过模拟正常的操作行为，来快速、批量的在大量的设备上同时执行相同的操作。

由于作弊的兴起，在反作弊领域同样也有许多与之对抗的手段。在双方对抗的过程中，机器作弊逐渐能够愈发的模仿正常人的行为，使其自身逃避反作弊的识别。另一方面，在网页端互联网产品中，由于能够采集的数据相对较少，因此与机器对抗的难度相对更大，往往没有很好的数据来支撑最终的识别结果。因此，机器作弊中最主要的一种作弊手段，即模拟点击成为对抗中的关键的攻防点，模拟点击可以在大量的设备上同时执行相同的操作。为了解决这一问题，需要能够计算来源不同的不同屏幕轨迹之间的相似度，从而识别出重复轨迹判定为机器作弊。

相关技术中可以通过信息简单叠加或者深度学习模型的特征来表征屏幕轨迹，进而识别重复轨迹，但是即使是相同的屏幕轨迹，在实际页面采样时也会因不同设备、不同操作对象和不同时间造成数据不同，相关技术中屏幕轨迹的表征方式仅仅能提取部分特征，准确性较低，导致后续不能解决机器作弊中重复轨迹的判定问题。为了解决上述问题，本公开实施例提供了一种作弊判断方法，下面结合具体的实施例对该方法进行介绍。

图1为本公开实施例提供的一种作弊判断方法的流程示意图，该方法可以由作弊判断装置执行，其中该装置可以采用软件和/或硬件实现，一般可集成在电子设备中。如图1所示，该方法包括：

步骤101、获取至少两个屏幕轨迹数据。

其中，屏幕轨迹可以理解为在电子设备的屏幕上采集到的各种操作串联起来得到的一个轨迹，具体的操作可以包括鼠标或其他可触发操作的装置在屏幕上的移动、点击、拖动等操作，具体不限，只要在屏幕上进行了操作即可采集到。由于屏幕轨迹可以是简单的直线或曲线，也可以是非常复杂的曲线，为了记录屏幕轨迹本公开实施例可以在获取用户授权的情况下在操作过程中对屏幕轨迹进行采样记录，屏幕轨迹数据可以包括多个轨迹点数据，每个轨迹点数据包括轨迹点在屏幕中的位置，也即坐标，以及该轨迹点的操作时间点，具体可以通过(x,y,t)表示每个轨迹点数据，其中x、y为轨迹点在屏幕中的位置，单位可以为像素，t为轨迹点的操作时间点，单位可以为毫秒。

具体地，客户端可以检测屏幕上的操作，并对屏幕轨迹进行采样记录，得到屏幕轨迹数据，之后可以上报至作弊判断装置，作弊判断装置可以获取屏幕轨迹数据，屏幕轨迹数据的数量不限。可选的，客户端进行屏幕轨迹数据的上报时机可以根据实际情况设置，例如上报时机可以设置为实时上报、间隔预设时间周期性上报、检测到预设操作上报等等，其中预设操作可以理解为预先根据安全性需求或保护账号需求设置的操作，例如预设操作可以为登录按键的触发操作，仅为示例。

为了保证采样过程中不会有太多的数据损失，可以设置采样频率进行采样，采样频率可以根据实际情况设置，例如采样频率可以设置为30Hz，在对采样记录过程中，每秒钟均匀采样记录30个轨迹点。需要说明的是，采集的轨迹点只限于屏幕上显示的当前页面，超出页面或者非当前客户端的操作轨迹不进行记录。

可选的，屏幕轨迹数据中可以包括最新采集的预设数量的轨迹点数据，也即本公开实施例可以将多个轨迹点数据按照时间顺序排列，之后可以取最新的预设数量的轨迹点数据进行上报，其他轨迹点数据进行丢弃处理。如果在当前页面中存在长时间操作了大量的轨迹，可能会产生大量的数据，造成后续数据处理效率较低，上述屏幕轨迹数据中仅包括最新采集的部分数据，能够减少数据量，进而提升后续数据处理的效率。

步骤102、对屏幕轨迹数据进行归一化处理，得到目标数据序列。

其中，归一化处理可以包括对屏幕轨迹数据中各种类型的数据的归一化操作以及进一步的计算操作，归一化操作可以是把数据映射到0～1范围之内的操作，其他计算操作可以包括多种，例如求差分、和相除等等，具体不限。

在一些实施例中，对屏幕轨迹数据进行归一化处理，得到目标数据序列，包括：对屏幕轨迹数据中各轨迹点数据的位置进行位置归一化处理得到目标位置序列，对各轨迹点数据的操作时间点进行时间归一化处理得到目标时间序列；基于目标位置序列和目标时间序列，确定速度序列，并基于速度序列确定加速度序列；基于目标位置序列确定曲率序列；将目标位置序列、目标时间序列、速度序列、加速度序列以及曲率序列组合得到目标数据序列。

其中，位置归一化处理可以理解为对屏幕轨迹数据中的位置数据进行的归一化操作，位置归一化处理可以表示将每个位置除以第一个位置。时间归一化处理可以理解为对屏幕轨迹数据中的操作时间点的时间数据进行的归一化操作，时间归一化处理可以表示将每个操作时间点减去第一个操作时间点。

具体地，屏幕轨迹数据处理装置在获取屏幕轨迹数据之后，可以分离屏幕轨迹数据得到位置和操作时间点的数据序列，假设屏幕轨迹数据表示为Data＝{(x0,y0,t0),(x1,y1,t1),...(xn,yn,tn)}，分离的数据序列表示为

其中，X_raw表示各轨迹点数据的位置的X轴坐标，Y_raw各轨迹点数据的位置的Y轴坐标，T_raw表示各轨迹点数据的操作时间点，raw＝0,1,2…,n，n表示屏幕轨迹数据中轨迹点数据的数量。

对各轨迹点数据的X_raw和Y_raw执行相同的位置归一化处理，表示为

将每个X_raw均除以X₀得到X，将每个Y_raw均除以Y₀得到Y，X和Y组合为目标位置序列。

对各轨迹点数据的T_raw执行时间归一化处理，也即将每个执行减去t₀操作，得到

即为目标时间序列，该结目标时间序列中的所有值均为其与第一个操作时间点的时间间隔值。

对归一化后的序列X、Y执行相同的操作，先对序列中的值求差分之后再除以对应的时间序列，表示为

得到屏幕轨迹分别在横纵方向上移动的速度序列V_x和V_y。对速度序列V_x和V_y执行相同的操作，

即先对速度序列求差分之后在除以对应的时间序列，得到屏幕轨迹分别在横纵方向上移动的加速度序列A_x和A_y。

基于目标位置序列通过计算得到曲率序列，曲率可以是针对曲线上某个点的切线方向角对弧长的转动率，通过微分来定义，表明曲线偏离直线的程度，也表明曲线在某一点的弯曲程度的数值。曲率序列的计算公式如下：

其中，M_i表示第i个采样线段的向量，

采样线段的数量为多个，第i点和第i+1点组成的一个采样线段，每三个轨迹点可以计算得到一个曲率，将多个曲率组合得到曲率序列。

综上，可以将上述目标时间序列T、目标位置序列X和Y、速度序列V_x和V_y、加速度序列A_x和A_y以及曲率序列C组合确定为目标数据序列。

步骤103、基于目标数据序列进行特征提取，得到特征序列，特征序列包括多个特征结果。

其中，特征序列可以是对多个特征结果的统称，每个特征结果表示通过一定的特征提取方式提取的特征。

在一些实施例中，基于目标数据序列进行特征提取，得到特征序列，可以包括：确定目标数据序列中目标位置序列、速度序列、加速度序列以及曲率序列的目标统计量，目标统计量包括最大值、平均值和最小值；将目标数据序列中目标时间序列中第一个时间点到最后一个时间点的时间差值，确定为总时间值；基于目标统计量、总时间值以及目标位置序列对应的平面曲线，通过至少一种计算处理得到多个特征结果，组成特征序列，其中，至少一种计算处理包括将二进制转为十六进制。

其中，计算处理可以根据实际情况确定，例如计算处理可以包括将二进制转为十六进制、乘以第一预设值、取整数、除以第二预设值，第一预设值和第二预设值可以根据实际情况确定，例如第一预设值可以为100、10000等，第二预设值可以为16等。

示例性的，基于目标统计量、总时间值以及目标位置序列对应的平面曲线，可以通过表1所示的计算处理得到多个特征结果，组成特征序列。

表1特征序列表

参见表1，展示了提取的20个特征结果名称、计算处理以及特征结果示例。表1中的计算处理仅为示例，其他能够进行特征结果提取的计算处理也可适用。

步骤104、将特征序列中的多个特征结果进行拼接，得到各屏幕轨迹数据对应的轨迹编码。

其中，轨迹编码，又称轨迹指纹，可以理解为针对屏幕轨迹生成的唯一的一个编码，在同一屏幕轨迹但上报数据不同时，该编码保持一致，从而唯一的标识该屏幕轨迹。

在一些实施例中，将特征序列中的多个特征结果进行拼接，得到各屏幕轨迹数据对应的轨迹编码，可以包括：将特征序列中多个特征结果按照预设顺序进行字符串拼接，得到一个预设长度的十六进制的字符串，将该字符串确定为轨迹编码。

其中，预设顺序可以根据实际情况确定，例如参见表1，预设顺序可以为表中从上到下的顺序。具体地，屏幕轨迹处理装置在得到特征序列之后，可以特征序列中多个特征结果按照预设顺序依次按字符串拼接，可以得到一个预设长度的16进制字符串，该字符串即为轨迹编码，预设长度可以根据实际情况确定，例如预设长度可以是长度为31位。示例性的，参见表1的特征序列，拼接得到的轨迹编码可以为43A6C6F120CA90784261002D2EA5FA9。

屏幕轨迹具有很大的数据分布空间，理论上可能存在的轨迹种类数目是无限的，同一轨迹在不同设备不同时间上产生的数据采样上报结果也是无限的。本方案中，针对屏幕轨迹可以生成唯一的轨迹编码来进行识别和标记，基于该轨迹编码能够有效区别出相同或不同的屏幕轨迹，进而有助于解决后续机器作弊中重复轨迹的问题。

步骤105、基于至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断。

其中，重复轨迹可以是机器作弊中模拟点击的特性，所谓模拟点击，即是通过固定的脚本来操作鼠标按照指定的逻辑顺序点击和滑动页面，从而实现自动化作弊流程，由于该过程中是脚本控制的，因此整个作弊是流程化可复制的，故而可以在大量的设备上同时执行相同的操作，因此通过识别重复轨迹可以判定存在模拟点击的作弊情况。

示例性的，图2为本公开实施例提供的另一种作弊判断方法的流程示意图，如图2所示，在一种可行的实施方式中，基于至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断，可以包括：

步骤201、针对至少两个屏幕轨迹数据中任意两个屏幕轨迹数据，基于对应的第一轨迹编码和第二轨迹编码，采用按位计算距离并求和的方式确定相似度。

采用上述实施例中的屏幕轨迹数据处理过程针对任意两个屏幕轨迹数据，分别确定对应的第一轨迹编码和第二轨迹编码，具体过程在此不进行赘述，之后基于第一轨迹编码和第二轨迹编码确定这两个屏幕轨迹数据之间的相似度。

在确定相似度时，可以采用如下公式

来按位计算距离并求和，其中，X_i、Y_i分别表示第一轨迹编码和第二轨迹编码的第i位的值，d表示相似度，d越小表示两个轨迹编码的相似性越高，两个屏幕轨迹越相似。

步骤202、将相似度为零的两个屏幕轨迹数据确定为重复轨迹，并确定存在机器作弊。

当上述d等于零，也即相似度为零，则表示第一轨迹编码和第二轨迹编码接近于相同，对应的两个屏幕轨迹来源于同一个轨迹，也即确定两个屏幕轨迹数据为重复轨迹，则可以判定这两个屏幕轨迹存在模拟点击的作弊风险。

机器作弊中模拟点击的识别难点在于，即使作弊者在使用同一屏幕轨迹作弊，识别者获取到的多次屏幕轨迹数据也无法保证是相同的。本方案中可以将同一屏幕轨迹的不同的数据都映射到同一轨迹编码上，即可实现对同一轨迹的识别，从而能够针对性的解决模拟点击作弊的识别难题。

本方案中，通过对屏幕轨迹进行特征提取之后可以高效的生成具有特异性的唯一的轨迹编码，通过对比不同轨迹编码的相似度，即可判断不同屏幕轨迹是否来自相同的操作轨迹，从而能够有效的解决模拟点击作弊中相同或相似轨迹重放的问题。

本公开实施例提供的作弊判断方案，获取至少两个屏幕轨迹数据；对屏幕轨迹数据进行归一化处理，得到目标数据序列；基于目标数据序列进行特征提取，得到特征序列，特征序列包括多个特征结果；将特征序列中的多个特征结果进行拼接，得到各屏幕轨迹数据对应的轨迹编码；基于至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断。采用上述技术方案，通过对屏幕轨迹数据进行归一化处理、特征提取以及拼接处理，可以生成能够表征该屏幕轨迹的唯一的具有特异性的轨迹编码，提升了屏幕轨迹表征的准确性，进而有助于精确解决后续机器作弊中重复轨迹的判定问题。

图3为本公开实施例提供的一种作弊判断装置的结构示意图，该装置可由软件和/或硬件实现，一般可集成在电子设备中。如图3所示，该装置包括：

数据模块301，用于获取至少两个屏幕轨迹数据；

归一化模块302，用于对所述屏幕轨迹数据进行归一化处理，得到目标数据序列；

特征模块303，用于基于所述目标数据序列进行特征提取，得到特征序列，所述特征序列包括多个特征结果；

编码模块304，用于将所述特征序列中的多个特征结果进行拼接，得到各所述屏幕轨迹数据对应的轨迹编码；

判断模块305，用于基于所述至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断。

可选的，所述屏幕轨迹数据包括最新采集的预设数量的轨迹点数据，每个所述轨迹点数据包括轨迹点在屏幕中的位置以及轨迹点的操作时间点。

可选的，所述归一化模块302具体用于：

对所述屏幕轨迹数据中各轨迹点数据的位置进行位置归一化处理得到目标位置序列，对各轨迹点数据的操作时间点进行时间归一化处理得到目标时间序列；

基于所述目标位置序列和所述目标时间序列，确定速度序列，并基于所述速度序列确定加速度序列；

基于所述目标位置序列确定曲率序列；

将所述目标位置序列、所述目标时间序列、所述速度序列、所述加速度序列以及所述曲率序列组合得到所述目标数据序列。

可选的，所述位置归一化处理表示将每个位置除以第一个位置，所述时间归一化处理表示将每个操作时间点减去第一个操作时间点。

可选的，所述特征模块303具体用于：

确定所述目标数据序列中所述目标位置序列、所述速度序列、所述加速度序列以及所述曲率序列的目标统计量，所述目标统计量包括最大值、平均值和最小值；

将所述目标数据序列中目标时间序列中第一个时间点到最后一个时间点的时间差值，确定为总时间值；

基于所述目标统计量、所述总时间值以及所述目标位置序列对应的平面曲线，通过至少一种计算处理得到多个特征结果，组成所述特征序列，其中，所述至少一种计算处理包括将二进制转为十六进制。

可选的，所述编码模块304具体用于：

将所述特征序列中多个特征结果按照预设顺序进行字符串拼接，得到一个预设长度的十六进制的字符串，将该字符串确定为所述轨迹编码。

可选的，所述判断模块305用于：

针对所述至少两个屏幕轨迹数据中任意两个屏幕轨迹数据，基于对应的第一轨迹编码和第二轨迹编码，采用按位计算距离并求和的方式确定相似度；

将所述相似度为零的两个屏幕轨迹数据确定为重复轨迹，并确定存在机器作弊。

本公开实施例所提供的作弊判断装置可执行本公开任意实施例所提供的作弊判断方法，具备执行方法相应的功能模块和有益效果。

本公开实施例还提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现本公开任意实施例所提供的作弊判断方法。

图4为本公开实施例提供的一种电子设备的结构示意图。下面具体参考图4，其示出了适于用来实现本公开实施例中的电子设备400的结构示意图。本公开实施例中的电子设备400可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图4示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁带、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本公开实施例的作弊判断方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取至少两个屏幕轨迹数据；对所述屏幕轨迹数据进行归一化处理，得到目标数据序列；基于所述目标数据序列进行特征提取，得到特征序列，所述特征序列包括多个特征结果；将所述特征序列中的多个特征结果进行拼接，得到各所述屏幕轨迹数据对应的轨迹编码；基于所述至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。

可以理解的是，在使用本公开各实施例公开的技术方案之前，应当依据相关法律法规通过恰当的方式对本公开所涉及的信息的类型、使用范围、使用场景等告知用户并获得用户的授权。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (9)

1.一种作弊判断方法，其特征在于，包括：

获取至少两个屏幕轨迹数据；

对所述屏幕轨迹数据进行归一化处理，得到目标数据序列；

基于所述目标数据序列进行特征提取，得到特征序列，所述特征序列包括多个特征结果；

将所述特征序列中的多个特征结果进行拼接，得到各所述屏幕轨迹数据对应的轨迹编码；

基于所述至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断；

对所述屏幕轨迹数据进行归一化处理，得到目标数据序列，包括：

对所述屏幕轨迹数据中各轨迹点数据的位置进行位置归一化处理得到目标位置序列，对各轨迹点数据的操作时间点进行时间归一化处理得到目标时间序列；

基于所述目标位置序列和所述目标时间序列，确定速度序列，并基于所述速度序列确定加速度序列；

基于所述目标位置序列确定曲率序列；

将所述目标位置序列、所述目标时间序列、所述速度序列、所述加速度序列以及所述曲率序列组合得到所述目标数据序列。

2.根据权利要求1所述的方法，其特征在于，所述屏幕轨迹数据包括最新采集的预设数量的轨迹点数据，每个所述轨迹点数据包括轨迹点在屏幕中的位置以及轨迹点的操作时间点。

3.根据权利要求1所述的方法，其特征在于，所述位置归一化处理表示将每个位置除以第一个位置，所述时间归一化处理表示将每个操作时间点减去第一个操作时间点。

4.根据权利要求1所述的方法，其特征在于，基于所述目标数据序列进行特征提取，得到特征序列，包括：

确定所述目标数据序列中所述目标位置序列、所述速度序列、所述加速度序列以及所述曲率序列的目标统计量，所述目标统计量包括最大值、平均值和最小值；

将所述目标数据序列中目标时间序列中第一个时间点到最后一个时间点的时间差值，确定为总时间值；

基于所述目标统计量、所述总时间值以及所述目标位置序列对应的平面曲线，通过至少一种计算处理得到多个特征结果，组成所述特征序列，其中，所述至少一种计算处理包括将二进制转为十六进制。

5.根据权利要求1-4任一项所述的方法，其特征在于，将所述特征序列中的多个特征结果进行拼接，得到各所述屏幕轨迹数据对应的轨迹编码，包括：

将所述特征序列中多个特征结果按照预设顺序进行字符串拼接，得到一个预设长度的十六进制的字符串，将该字符串确定为所述轨迹编码。

6.根据权利要求1-4任一项所述的方法，其特征在于，基于所述至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断，包括：

针对所述至少两个屏幕轨迹数据中任意两个屏幕轨迹数据，基于对应的第一轨迹编码和第二轨迹编码，采用按位计算距离并求和的方式确定相似度；

将所述相似度为零的两个屏幕轨迹数据确定为重复轨迹，并确定存在机器作弊。

7.一种作弊判断装置，其特征在于，包括：

数据模块，用于获取至少两个屏幕轨迹数据；

归一化模块，用于对所述屏幕轨迹数据进行归一化处理，得到目标数据序列；

特征模块，用于基于所述目标数据序列进行特征提取，得到特征序列，所述特征序列包括多个特征结果；

编码模块，用于将所述特征序列中的多个特征结果进行拼接，得到各所述屏幕轨迹数据对应的轨迹编码；

判断模块，用于基于所述至少两个屏幕轨迹数据分别对应的轨迹编码进行重复轨迹的作弊判断；

所述归一化模块，用于：

对所述屏幕轨迹数据中各轨迹点数据的位置进行位置归一化处理得到目标位置序列，对各轨迹点数据的操作时间点进行时间归一化处理得到目标时间序列；

基于所述目标位置序列和所述目标时间序列，确定速度序列，并基于所述速度序列确定加速度序列；

基于所述目标位置序列确定曲率序列；

将所述目标位置序列、所述目标时间序列、所述速度序列、所述加速度序列以及所述曲率序列组合得到所述目标数据序列。

8.一种电子设备，其特征在于，所述电子设备包括：

处理器；

用于存储所述处理器可执行指令的存储器；

所述处理器，用于从所述存储器中读取所述可执行指令，并执行所述指令以实现上述权利要求1-6中任一所述的作弊判断方法。

9.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-6中任一所述的作弊判断方法。

Images