CN108681908A - 反作弊方法、装置、计算设备及存储介质 - Google Patents
反作弊方法、装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN108681908A CN108681908A CN201810474534.6A CN201810474534A CN108681908A CN 108681908 A CN108681908 A CN 108681908A CN 201810474534 A CN201810474534 A CN 201810474534A CN 108681908 A CN108681908 A CN 108681908A
- Authority
- CN
- China
- Prior art keywords
- target device
- reading information
- sensor reading
- information
- sensor
- 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
- G06Q30/018—Certifying business or products
- G06Q30/0185—Product, service or business identity fraud
Landscapes
- Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Finance (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种反作弊方法、装置、计算设备和存储介质。该方法包括:获取目标设备的传感器读数信息;以及根据所述传感器读数信息判断所述目标设备是否正在作弊。由此,通过获取真实的传感器读数信息来对作弊设备进行判断,能够更为全面可靠地检测出作弊设备,从而为维护正常的互联网运营环境做出贡献。
Description
技术领域
本发明涉及反作弊领域,尤其涉及用于对作弊设备进行判断的反作弊方法和装置、计算设备及存储介质。
背景技术
现如今,几乎所有可交互的互联网应用都会面临着被恶意访问者作弊的问题。这些恶意访问者采用模拟器或者设备牧场规避各类推广活动的限制,冒充新用户或独立用户去参与各类优惠活动、发垃圾帖和垃圾评论、刷单、刷赞、领取虚拟物品等资源,上述作弊过程可以自动化实现,全程无需手动操作。这种欺诈行为,会给互联网产品服务提供方,带来经济损失以及口碑上的负面影响,同时也有损正常用户的体验。
现有的作弊检测技术通过采集移动设备***的固件版本、处理器架构、设备型号等信息,传回后端或者直接在客户端检查这些信息与事先构建的机型数据库是否匹配来进行作弊判断。例如,CPU架构类型为x86,或是固件版本中包含genymotion、generic等字样,可被认为是模拟器作弊。这些检测手段容易通过伪造***消息进行规避。
因此,仍然需要一种能够以更高准确率检测和识别这类模拟器和设备牧场的反作弊方案。
发明内容
本发明提出了一种信息的反作弊方案,其基于获取的传感器读数信息来对作弊设备进行判断。由于传感器读数信息反映了设备所处场景变化,具有难以伪造的天然属性,因此相比于检测***配置信息的现有技术,本发明的反作弊方案更为全面可靠地检测出作弊设备,从而为维护正常的互联网运营环境做出贡献。
根据本发明的一个方面,提出了一种反作弊方法,包括:获取目标设备的传感器读数信息;以及根据所述传感器读数信息判断所述目标设备是否正在作弊。由此,基于难以事先伪造的传感器读数信息,能够更加准确全面的对作弊设备进行识别。
优选地,所述获取目标设备的传感器读数信息可以包括如下至少一项:通过所述目标设备正打开的网页调用采集所述目标设备的传感器读数信息;以及通过所述目标设备上安装的应用调用采集所述目标设备的传感器读数信息。由此,可以通过例如API调用实现对目标信息的准确读取。
优选地,所述获取目标设备的传感器读数信息还可以包括:在所述目标设备的用户正通过所述网页和/或所述应用与所述目标设备交互时一次或多次调用采集所述目标设备的传感器读数信息。由于真实设备会话期间一定涉及真实用户的真实使用,从而能够显著地与作弊设备加以区别。
在一个实施例中,所述传感器读数信息可以是用于指示所述目标设备与其用户交互状态的传感器的读数信息。在另一个实施例中,所述传感器读数信息可以是用于指示所述目标设备运动状态的传感器所获取的运动状态信息。上述传感器能够从不同的侧面反映出真实使用状态与作弊使用的区别,从而提升对作弊设备的有效识别。
更进一步地,所述根据所述传感器读数信息判断所述目标设备是否正在作弊包括:根据所述运动状态信息的变化状况判断所述目标设备是否正在作弊。例如,当多次采集的所述运动状态信息的变化小于预定阈值和/或为空值,则判断所述目标设备正在作弊。由此,可以从直观反映设备真实使用状态的运动状态信息来对作弊设备进行准确判断。在其中,还可以对用于作弊的设备属性加以识别。当多次采集的所述运动状态信息没有变化和/或为空值,则可以判断所述目标设备是用于作弊的模拟器。而当多次采集的所述运动状态信息有变化但变化小于预定阈值,则可以判断所述目标设备是用于作弊的真实设备。
优选地,用于指示所述目标设备运动状态的传感器可以是智能移动设备上普遍得到安装的加速度计和/或陀螺仪。
优选地,获取目标设备的传感器读数信息可以包括:获取加速度计和/或陀螺仪三个轴向上的全部数据,并且,多次采集的所述运动状态信息的变化小于预定阈值可以包括:三个轴向上的数据变化都小于预定阈值。由此,能够更为全面地评估设备的运动状况,从而实现更为准确的作弊判断。
优选地,获取目标设备的传感器读数信息包括:在特定时间段内获取来自同一传感器的多个传感器读数信息;和/或以预定时间间隔获取来自同一传感器的多个传感器读数信息。由此,可以通过合理设计获取读数的时间段或间隔来准确获取反映传感器变化的信息,从而实现更为准确的作弊判断。
优选地,本发明的反作弊方法还可以包括:将获取的所述多个传感器读数信息存储在与所述目标设备对应的先进先出队列中。其中,根据所述传感器读数信息判断所述目标设备是否正在作弊包括:根据所述先进先出队列中至少两个传感器读数信息判断所述目标设备是否正在作弊。
根据本发明的另一方面,还提供了一种反作弊装置,包括:信息获取单元,用于获取目标设备的传感器读数信息;以及判断单元,用于根据所述传感器读数信息判断所述目标设备是否正在作弊。
优选地,所述信息获取单元可以通过所述目标设备正打开的网页调用采集所述目标设备的传感器读数信息;以及所述信息获取单元也可以通过所述目标设备上安装的应用调用采集所述目标设备的传感器读数信息。
优选地,所述信息获取单元可以在所述目标设备的用户正通过所述网页和/或所述应用与所述目标设备交互时一次或多次调用采集所述目标设备的传感器读数信息。
优选地,所述传感器读数信息可以是用于指示所述目标设备与其用户交互状态的传感器读数信息,也可以是用于指示所述目标设备运动状态的传感器所获取的运动状态信息。
优选地,所述判断单元可以根据所述运动状态信息的变化状况判断所述目标设备是否正在作弊。例如,当多次采集的所述运动状态信息的变化小于预定阈值和/或为空值,则所述判断单元判断所述目标设备正在作弊。当多次采集的所述运动状态信息没有变化和/或为空值,则所述判断单元判断所述目标设备是用于作弊的模拟器。当多次采集的所述运动状态信息有变化但变化小于预定阈值,则所述判断单元判断所述目标设备是用于作弊的真实设备。
优选地,所述用于指示所述目标设备运动状态的传感器可以是加速度计和/或陀螺仪。
优选地,所述信息获取单元获取加速度计和/或陀螺仪三个轴向上的全部数据,并且,多次采集的所述运动状态信息的变化小于预定阈值包括:三个轴向上的数据变化都小于预定阈值。
优选地,所述信息获取单元在特定时间段内获取来自同一传感器的多个传感器读数信息;和/或所述信息获取单元以预定时间间隔获取来自同一传感器的多个传感器读数信息。
优选地,所述反作弊装置还可以包括:存储单元,用于将获取的所述多个传感器读数信息存储在与所述目标设备对应的先进先出队列中。
优选地,所述判断单元可以根据所述先进先出队列中至少两个传感器读数信息判断所述目标设备是否正在作弊。
根据本发明的一个方面,还提供了一种计算设备,包括:处理器;以及存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如上所述的方法。
根据本发明的另一方面,还提供了一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如上所述的方法。
由此,本发明通过基于获取的传感器读数信息来对作弊设备进行判断。由于传感器读数信息反映了设备所处场景变化,具有难以伪造的天然属性,因此相比于检测***配置信息的现有技术,本发明的反作弊方案更为全面可靠地检测出作弊设备,从而为维护正常的互联网运营环境做出贡献。
附图说明
通过结合附图对本公开示例性实施方式进行更详细的描述,本公开的上述以及其它目的、特征和优势将变得更加明显,其中,在本公开示例性实施方式中,相同的参考标号通常代表相同部件。
图1示出了设备牧场的例子。
图2示出了用于实现本发明实施例的环境的示意图。
图3示出了根据本发明一个实施例的反作弊方法的流程示意图。
图4A-4B分别示出了加速度计和陀螺仪分量数据的示意图。
图5示出了根据本发明的一个反作弊应用例。
图6示出了根据本发明一个实施例的反作弊装置的结构示意图。
图7示出了根据本发明一个实施例的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式,然而应该理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了使本公开更加透彻和完整,并且能够将本公开的范围完整地传达给本领域的技术人员。
现如今,几乎所有可交互的互联网应用都会面临着被恶意访问者作弊的问题。这些恶意访问者采用模拟器或者设备牧场规避各类推广活动的限制,冒充新用户或独立用户去参与各类优惠活动、发垃圾帖和垃圾评论、刷单、刷赞、领取虚拟物品等资源,上述作弊过程可以自动化实现,全程无需手动操作。这种欺诈行为,会给互联网产品服务提供方,带来经济损失以及口碑上的负面影响,同时也损害了正常用户的服务使用体验。
现有技术中,设备牧场是对群控***和云控***的统称。在此,群控***可以使用多个模拟器或者直接连接的实体终端进行作弊,而云控***则通常通过互联网控制实体终端进行作弊。模拟器(例如安卓模拟器)在此可以指代能在计算机上模拟移动终端(例如,智能电话)操作***,并能安装、使用、卸载移动终端应用的软件,其能够让用户在计算机上模拟移动终端操作***的全过程。图1示出了设备牧场的例子。
群控***通过计算机直接连接要控制的实体终端集群或是直接运行多个模拟器,实现对大量实体或虚拟终端的控制。例如,用于自动化营销***的大型群控***可以使用一台计算机控制百部终端(例如,智能电话),同时操作每部终端上的软件以实现群控效果,从而大幅节省人工成本,提高运营效率。图1左侧示出了使用一台或多台计算机任意控制物理直连的N部终端的群控***的例子。除了采用真实终端(例如,实体的智能电话),还可以使用模拟器软件。例如,在一台个人计算机上可以同时打开几十个模拟器软件实例,以实现模拟出几十台真实终端的效果。
云控***与群控***类似,后台需要建立移动设备或模拟器集群,计算机通过互联网发送控制(操作)指令到远程云控服务器,由服务器转发命令到移动设备集群并原路返回相应的操作结果。在如图1右侧所示的云控***中,个人计算机经由互联网服务器实现对移动终端集群的控制。
在实际应用中,恶意访问者常常采用如上所述的模拟器或设备牧场规避各类推广活动的限制,冒充新用户或独立用户去参与各类优惠活动、发垃圾帖和垃圾评论、刷单、刷赞、领取虚拟物品等资源,扰乱正常市场秩序。
以某团购网站A为例,假设该网站A限定新用户可以享受首单减30元的优惠,那么该优惠活动的限制是“新用户”,而新用户的定义一般是新账号或是新设备。恶意访问者在面对这类优惠活动时,先在群控***的所有智能电话上都安装该网站A的应用程序(APP),然后使用短信代理平台,调用接口获取新号码,通过PC机上的群控软件操控APP注册界面,通过与网站A、短信代理平台的交互完成新用户注册,由此突破新用户的限制。由于这批设备上之前并未安装过网站A的APP,也突破了新设备的限制。
上述作弊过程可以自动化实现,全程无需手动操作。这种欺诈行为,会给互联网产品服务提供方,带来经济损失以及口碑上的负面影响,同时也有损正常用户的体验。
现有的作弊检测技术通过采集移动设备***的固件版本、处理器架构、设备型号等信息,传回后端或者直接在客户端检查这些信息与事先构建的机型数据库是否匹配来进行作弊判断。例如,CPU架构类型为x86,或是固件版本中包含genymotion、generic等字样,可被认为是模拟器作弊。但是,这些检测手段基于静态***配置信息,很容易通过伪造***消息进行规避,因此漏网率较高。
有鉴于此,本发明提出了一种新型的反作弊方案,其基于获取的传感器读数信息来对作弊设备进行判断。由于传感器读数信息反映了设备所处场景变化,具有难以伪造的天然属性,因此相比于检测***配置信息的现有技术,本发明的反作弊方案能够更为可靠地检测出作弊设备,从而为维护正常的互联网运营环境做出贡献。本发明的反作弊方案也可以作为现有检测技术的优化和补充。可以在现有基于设备的检测技术的基础上进一步基于目标设备传感器读数信息来对作弊设备进行判断,以提高检测、识别的准确度。
如下将结合附图及实施例详细说明本发明的反作弊方案。
本发明的反作弊方案可应用与图2所示的环境中,图2是用于实现本发明的反作弊方案的环境的示意图,环境中可以包括至少一个服务器20和多个目标设备10(例如终端设备),在一个实施例中,服务器20可以(例如通过调用API)经由网络40获取设备的传感器读数信息,并根据传感器读数信息判断相应的设备是否正在作弊。所获取的传感器读数信息可以被存储在数据库30中。服务器20也可以通过访问数据库30来获取进行作弊判断所需的内容,例如历史传感器读数信息和/或存储在其中的作弊判断相关规则。应当理解的是,图2中以终端设备作为本发明的目标设备是示例性的,本发明的反作弊方案所针对的“目标设备”既可以是真实网络中存在的实体终端,也可以是多个用以模拟实体设备的模拟器实例,本发明对此不做限制。
网络40可以是广义上的用于信息传递的网络,可以包括各类无线通信网络、私域网、局域网、城域网、广域网或是蜂窝数据网络等以及广义上的因特网或互联网。终端设备10是可用来进行网络访问的任何合适的电子设备,优选为便携式电子设备,包括但不限于便携式计算机、智能电话、平板计算机或是其他客户端。服务器20则是能够进行作弊判断的任何服务器。数据库30则可以存储传感器读数信息,例如以列表或队列的形式存储所述信息。在随后的描述中会选择其中的一个或部分移动终端加以描述(例如,移动终端10-1),但是本领域技术人员应该理解的是,上述1…N个终端设备旨在表示真实网络中存在的大量终端设备,示出的服务器20和数据库30旨在表示本发明的技术方案涉及服务器及数据库的操作。对特定编号的移动终端以及服务器和数据库加以详述至少为了说明方便,而非暗示对移动端和服务器的类型或是位置等具有限制。
应当注意,如果向图示环境中添加或从中去除附加模块,不会改变本发明的示例实施例的底层概念。另外,虽然为了方便说明而在图2中示出了从数据库30到服务器20的双向箭头,但本领域技术人员可以理解的是,上述数据的收发也是可以通过网络40实现的。
本发明的反作弊方案可以实现为一种反作弊方法。图3示出了根据本发明一个实施例的反作弊方法的流程示意图。该方法可以在图2所示的服务器侧实现。
如图3所示,在步骤S310,获取目标设备的传感器读数信息。
如前所述,本发明的目标设备是作弊判断所针对的“设备”,其可以是实体设备,如智能电话、平板计算机等,也可能是模拟实体设备的模拟器实例等。
现阶段,实体移动设备上通常配备有多种传感器,包括但不限于加速度计、陀螺仪等。传感器读数信息是基于上述传感器的信息,例如,通过API调用直接读取的传感器读数。上述传感器可以是直接用于指示所述目标设备运动状态的传感器,也可以是用于指示所述目标设备与其用户交互状态的传感器,还可以是指示目标设备所处环境的传感器,或是其它传感器。例如,加速度计、陀螺仪等传感器可以用于直接指示实体设备的运动状态,如加速度、旋转角等。压力传感器、指纹传感器、声纹传感器等传感器则可用于指示实体设备与用户的交互,如用户通过指纹、声纹、点击、触摸、滑动、按键等与设备进行交互。另外,有些移动设备上还配备有诸如温度和气压传感器之类的用于感知周围环境的传感器。这些传感器中的任一或其组合都可读取用于对目标设备是否是真实用户使用的实体设备来进行判断。另外,本发明的反作弊方案还可以读取将来研发出并被普遍配置到实体移动设备上的传感器读数,因此在此对传感器类型不做具体限制。
正常用户在使用的真实设备(例如智能电话)时,由于用户会与设备进行交互且设备通常存在于变化的环境中,因此相比于通常被长期固定放置在机架上的牧场设备和不存在实体的模拟器实例,其传感器的真实读数必然与设备牧场中的模拟或实体设备有所不同。例如,对于正常使用的真实设备,其在一定时间段内所采集到的多个传感器读数信息通常会存在一定的数值变化。而对于模拟器或设备牧场,通常由于没有上述传感器配置、或是长期被固定放置在机架上、或是没有与真实用户的物理接触等原因,在一定时间段内所采集到的上述传感器读数信息的数值将毫无变化或变化幅度远小于真实用户使用时的变化幅度。
上述传感器能够从不同的层面反映出真实使用状态与作弊使用的区别。因此在随后的步骤S320中,可以根据上述传感器读数信息判断所述目标设备是否正在作弊,以便于能够更为全面可靠地检测出作弊设备,从而提升对作弊设备的有效识别。
由于市售的智能移动设备已必然会配备传感器,因此在一个实施例中,可以基于无法读取传感器读数信息或传感器读取信息为空值判定该设备没有配备传感器或是传感器功能完全被禁用,从而直接判定该设备是非正常使用的作弊设备,例如模拟器实例或经改造的牧场设备。
在另一个实施例中,可以基于传感器读数信息的变化情况,判断目标设备是否正在作弊。例如,传感器读数信息可以是用于指示所述目标设备与其用户交互状态的传感器读数信息,根据目标设备与其用户的交互状态信息的变化判断目标设备是否正在进行作弊。又例如,传感器读数信息可以是用于指示目标设备运动状态的传感器所获取的运动状态信息,根据运动状态信息的变化情况判断目标设备是否正在进行作弊。
上述传感器读数信息反映了设备所处场景变化,具有难以伪造的天然属性,能够更为全面可靠地检测出作弊设备,从而为维护正常的互联网运营环境做出贡献。
在上述步骤S310中,本发明实施例可以通过合理设计获取信息的方式、时机、时长、采集间隔等,来准确获取反映传感器变化的信息,从而实现更为准确的作弊判断。
例如,服务器可以通过API调用实现对上述传感器读数信息的准确读取。在一个实施例中,可以通过目标设备正在打开的网页调用采集所述目标设备的传感器读数信息;在另一个实施例中,可以通过目标设备上安装的应用调用采集所述目标设备的传感器读数信息。服务器可以在特定时间段内或是以预定时间间隔调用API以获取目标设备的来自同一传感器的多个传感器读数信息,通过对多次采集的数据进行统计分析,以提高作弊检测的精确率。由于真实设备会话期间一定涉及真实用户的真实使用,服务器还可以在目标设备的用户正通过所述网页和/或所述应用与所述目标设备交互时一次或多次调用采集所述目标设备的传感器读数信息,从而能够显著地与作弊设备加以区别。
又例如,可以与目标设备关联存储所获取的多个传感器读数信息作为历史传感器数据,通过获取目标设备最新的传感器读数信息以及历史传感器数据,比较该目标设备的传感器读数信息的变化情况,判断目标设备是否正在进行作弊。
随着科技的进步,传感器的种类日益增多,不同的设备上集成配置的传感器有所不同,而现代智能移动电话已经非常普及,一般智能移动电话都会配备加速度计和/或陀螺仪,以便于记录用户设备的运动状态。因此,在一个优选实施例中,可以至少采集用以指示目标设备的运动状态的传感器所获取的运动状态信息,例如,通过加速度计采集的目标设备的运动状况信息和/或通过陀螺仪采集的目标设备的姿态信息。由此,通过对目标设备的运动状况和/或姿态信息的变化进行判断,以检测所述目标设备是否正在作弊和/或是否为作弊设备。
本发明实施例中可以针对传感器类型预设作弊判断规则,以便于在获取到目标设备的传感器读数信息后相应地进行作弊的判断。例如,传感器读数信息可以是用于指示所述目标设备与其用户交互状态的传感器读数信息,作弊判断规则可以是根据目标设备与其用户的交互状态信息设置的。又例如,传感器读数信息可以是用于指示目标设备运动状态的传感器所获取的运动状态信息,作弊判断规则可以是根据运动状态情况设置的。
在步骤S320进行作弊判断时,可以根据多次采集的传感器读数信息的变化情况判断目标对设备是否正在作弊。例如,当多次采集的交互状态信息和/或运动状态信息的变化小于预定阈值和/或为空值,则判断目标设备正在作弊。这里,空值例如是未配置传感器的设备所采集的信息。预定阈值可以是通过多种方式预先设置的,可以根据不同的传感器类型、设备机型等可以分别设置不同的预定阈值。该预定阈值例如可以是通过统计大量传感器样本数据确定的经验数值;也可以是通过模仿设备牧场的环境、收集传感器的样本数据,为不同型号的实体终端设备统计设置的合理阈值。当某一传感器读数信息具有不同的分量时,该预定阈值还可以是针对各个分量读数信息分别设置的。
另外,还可以对用于作弊的设备属性加以识别。例如,当多次采集的运动状态信息没有变化和/或为空值,则判断目标设备是用于作弊的模拟器。例如当多次采集的运动状态信息有变化但变化小于预定阈值,则判断目标设备是用于作弊的真实设备。又例如,当特定时间段内或以预定时间间隔采集到真实用户对目标设备的交互信息,则判断目标设备是用于作弊的真实设备。在预定阈值较小的情况下,需要获取的传感器读数信息要足够精确。在一个优选实施例中,可以预设传感器读数信息的小数位精度,例如可以至少精确到保留小数点后6位数字。由此,可以对例如用户将移动电话放置在桌上进行操作而造成的设备微小运动与机架上的设备震动加以区别。
由于传感器的种类很多,不同的设备终端上配置的传感器不完全相同,在进行作弊判断时,可以基于上述的一种传感器的读数信息进行判断,也可以同时基于两种或多种传感器的读数信息进行综合判断,以提高作弊判断的准确率。
另外,还可以基于传感器的普及程度分别设置不同的作弊判断规则。例如,针对较为普及加速度计传感器和/或陀螺仪传感器,可以基于采集到的运动状态信息的变化情况判断目标设备是否正在作弊。而对于尚未完全普及的例如气压传感器、辐射传感器等,则可以基于采集到的相应传感数据作为判断目标设备真实性的补充。由此,进一步提高检测精度。
上述示意性地示出了本发明的传感器读数信息及其相应的作弊检测,应当理解的是,上述仅是示例性的,本发明的传感器读数信息以及基于传感器读数信息的作弊判断方案可以包括但不限于是上述举例,本发明对此不做限制。
如前所述,不同类型的传感器其反馈的信息可能是多个维度。举例来说,当用户携带目标设备运动或处于运动物体(例如行驶的汽车)上时,加速计能够反馈设备在三维空间的三个坐标轴向上的加速度,陀螺仪传感器能够用三维空间的三个轴向上的欧拉角来衡量设备所处的姿态。如图4A所示,加速度a向量,代表了设备当前的合成加速度,加速度计会分别反馈向量a在设备坐标系的三个轴向上的分量ax、ay、az。如图4B所示,陀螺仪能够提供绕设备x轴的旋转角gamma、绕y轴的旋转角beta和绕z轴旋转角alpha。
因此,本发明实施例在上述获取传感器读数信息时,优选获取来自各个传感器的全部读数信息。其中,全部读数信息包括对应于目标设备的同一传感器的所有分量数据,例如,加速度计和/或陀螺仪三个轴向上的全部数据,以保证数据的完整性,从而能够更为全面地评估设备的运动状况,实现更为准确的作弊判断。
之后在进行作弊判断时,针对同一传感器的各个分量数据分别进行作弊判断。例如,可以为加速度计和/陀螺仪分别设置一个相应的预定阈值,对于获取的加速度计和/或陀螺仪三个轴向上的全部数据,多次采集的运动状态信息的变化小于预定阈值,应为三个轴向上的数据变化都小于预定阈值,当多次采集的三个轴向上的数据的变化均小于预定阈值时,判断目标设备正在进行作弊。例如,也可以为加速度计和/或陀螺仪针对其各个分量分别设置相应的分量阈值,当多次采集的三个轴向上的数据的变化均小于其各自的分量阈值时,判断目标设备正在进行作弊。由此能够更为全面地评估设备的运动状况,从而实现更为准确的作弊判断。
另外,如前所获取的多种传感器的多个传感器读数信息可以与其相应的目标设备关联存储,以便于之后能够基于目标设备的历史数据判断目标设备是否正在进行作弊。在一个优选实施例中,可以将上述获取的多个传感器读数信息可以作为样本数据存储在与目标设备对应的先进先出队列中。
服务器可以在特定时间段内或是以预定时间间隔获取来自同一传感器的多个传感器读数信息,并将之存储在相应的先进先出队列中,以准确记录该目标设备的传感器读数信息的变化情况。其中,先进先出可以表示时间上的先后,即最先进入此队列的信息也最先退出此队列。为节省存储空间,每个队列中可以限制相应的样本数量,例如30个。先进先出队列中的历史数据的保存时长可以结合应用场景和存储、计算成本来综合考虑,例如对于高频应用,可以只保存较短时间(例如最近30分钟)的历史数据;对于低频应用,可以保存较长时间(例如最近两天)的历史数据。
服务器可以从与目标设备关联的先进先出队列中获取历史传感器读数信息作为样本数据,进而根据样本数据判断该目标设备是否正在作弊。优选地,可以根据先进先出队列中至少两个传感器读数信息判断目标设备是否正在作弊。作弊判断过程参见上文,在此不再赘述。
本发明的反作弊方案还可以作为现有的检测技术的优化,即,可以在现有检测技术的基础上补充基于目标设备传感器读数信息来对作弊设备进行判断,以提高检测、识别的精度。例如,在采集目标设备的传感器读数信息时,同时采集目标设备的固件版本、处理器架构、设备型号等设备信息,判断所采集的传感器读数信息是否满足如前所述的作弊判断规则,并且判断所采集的设备信息与事先构建好的机型数据库是否匹配。例如,在目标设备的传感器读数信息和/或设备信息中的任一个不符合其相应的作弊判断条件时,判断该目标设备是用于模拟器或是设备牧场中的设备。由此,对现有检测技术进一步优化,提高检测、识别的准确率。
至此,已经结合附图及实施例详细说明了本发明的反作弊方法。通过本发明如上的反作弊方法,基于获取的传感器读数信息来对作弊设备进行判断。由于传感器读数信息反映了设备所处场景变化,具有难以伪造的天然属性,因此相比于检测***配置信息的现有技术,本发明的反作弊方案更为全面可靠地检测出作弊设备,从而为维护正常的互联网运营环境做出贡献。
[应用例]
图5示出了根据本发明的一个应用例的反作弊流程示意图。以智能电话作为目标设备,通常正常用户与智能电话的交互行为,会使得该设备产生一定程度的运动或姿态偏移。而模拟器上或设备牧场中的设备通常通过远程控制软件发出命令来完成作弊指令,与设备之间没有物理上的接触,故而不存在这种有真实交互导致的运动或姿态偏移。由此,反映出真实使用状态与作弊使用的区别。为了更好地理解本发明的技术方案,如下将结合图5对本发明的基于加速度计和陀螺仪的传感器读数信息的作弊判断进行详细说明。
如图5所示,首先,在步骤S510,在智能电话的客户端APP或web应用内,调用***或浏览器提供的标准api,获取一段时间内的陀螺仪和/或加速度计的样本数据。对于陀螺仪的每个样本数据至少要包含三个欧拉角alpha、beta和gamma,对于加速计的每个样本数据,至少要包含三个坐标轴上的加速度分量。对于样本中的浮点数类型的数据,其取值例如需要至少精确到小数点后6位数。
从客户端获取到的样本数据例如可以采用json格式,例如从加速计采集到的加速度数据,和/或从陀螺仪采集到的欧拉角数据。其中,每个数据样本包含的字段数量、每次采集的时长、样本数、采集的时间间隔等都可以视具体情况而定。例如,在采集的时机方面,在h5web应用中,可以在用户与网页页面有交互行为时(比如点击按钮或填写表单时),快速采集这两种传感器数据。在采样时长方面,可以是在会话期间内一直保持采集。
之后在步骤S520,将获取的数据传至服务器端,服务器端可以对采集的样本数据进行解析,并将其加入各自的样本队列中。对于样本数据,可以只采集最新的预定数量(例如30个)的样本放入样本队列中,新的样本数据到来时,可以替换其样本队列中时间最早的样本数据。也可以对样本数据进行压缩或者计算摘要,以达到节省存储空间的目的。例如,样本队列可以只保存过去提交的三次历史样本,每当新样本到来时,加入新样本数据,淘汰时间最早的样本数据。
在服务器端进行作弊判断时,首先在审查样本数据阶段,服务器端可以在步骤S530提取最近一段时间或者一定量的历史样本,作为候选审查样本,首先检查这些候选样本的取值,在判断框S540判断是否所有陀螺仪样本的alpha,beta,gamma均为0或null或其他异常的取值,是否所有加速度计样本的xAcc(ax),yAcc(ay),zAcc(az)均为0或空值(null)或者其他异常的取值。若是,则可确定该目标设备为模拟器。否则需要继续审查样本数值的变化情况。
若在判断框S550判断所有陀螺仪样本的alpha字段取值都相同、beta字段取值都相同、且gamma字段取值都相同;并且所有的加速计样本的xAcc字段取值都相同、且yAcc字段取值都相同、且zAcc字段取值都相同,即加速度计和/或陀螺仪的多个样本数据取值无变化,则可确定目标设备为模拟器。
随后在判断框S560对波动范围进行判断。若加速度计样本的xAcc、yAcc、zAcc取值的变化较小,例如最大数值的xAcc与最小数值的xAcc的差值的绝对值不超过0.02,则可确定该手机为设备牧场中的设备。同理,若所有陀螺仪样本的alpha、beta、gamma取值的变化小于预定阈值,则可确定该手机为设备牧场中的设备。对于此处的预定阈值的确定,可以通过大量观察样本数据后取经验值;也可以使用其他统计手段求出一个估计值;或者也直接模仿设备牧场的环境,将每种机型都静置于机架上,收集这两类样本数据,并为每种机型统计出一个合理的变化范围,从而确定该预定阈值。之后在审查设备数据时,可以先根据设备机型找到对应的样本数据变化范围,检查目标设备的历史候选样本的数值变化是否落在该范围内,若是,则可确定其设备来自设备牧场。
相比于传统的检测CPU架构、固件版本等手段,本发明的基于传感器读数信息的检测手段,难以事先伪造传感器读数信息无法轻易规避,能够更加准确全面的对作弊设备进行识别,极大地提升了检测、识别功能的准确度,降低了误判率。
图6是示出了根据本发明一个实施例的反作弊装置的结构框图。其中,反作弊装置600的功能模块可以由实现本发明原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是,图6所描述的功能模块可以组合起来或者划分成子模块,从而实现上述发明的原理。因此,本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。
图6所示的反作弊装置600可以用来实现图3所示的反作弊方法,下面仅就反作弊装置600可以具有的功能模块以及各功能模块可以执行的操作做简要说明,对于其中涉及的细节部分可以参见上文结合图3的描述,这里不再赘述。
如图6所示,本发明的反作弊装置300可以包括信息获取单元610和判断单元620。
信息获取单元610可以用于获取目标设备的传感器读数信息。其中,所述传感器读数信息可以是用于指示所述目标设备与其用户交互状态的传感器读数信息,也可以是用于指示所述目标设备运动状态的传感器所获取的运动状态信息。
用于指示所述目标设备运动状态的传感器可以是加速度计和/或陀螺仪。用于指示目标设备与其用户交互状态的传感器可以是距离传感器、指纹传感器、声纹传感器、压力传感器等等。信息获取单元610可以获取上述传感器所采集到的全部传感数据,例如,信息获取单元610可以获取加速度计和/或陀螺仪三个轴向上的全部数据。也可以是多次采集上述传感器的传感数据,例如,信息获取单元610可以在特定时间段内获取来自同一传感器的多个传感器读数信息,或者以预定时间间隔获取来自同一传感器的多个传感器读数信息。
信息获取单元610可以通过调用API的方式获取所述传感器读数信息。例如,信息获取单元610可以通过目标设备正打开的网页调用采集所述目标设备的传感器读数信息,信息获取单元也可以通过目标设备上安装的应用调用采集所述目标设备的传感器读数信息。在一个优选实施例中,信息获取单元610可以在所述目标设备的用户正通过所述网页和/或所述应用与所述目标设备交互时一次或多次调用采集所述目标设备的传感器读数信息。
判断单元620可以用于根据所述传感器读数信息判断所述目标设备是否正在作弊。
在一个优选实施例中,判断单元620可以根据所述运动状态信息的变化状况判断所述目标设备是否正在作弊。例如,当多次采集的所述运动状态信息的变化小于预定阈值和/或为空值,则所述判断单元判断所述目标设备正在作弊。当多次采集的所述运动状态信息没有变化和/或为空值,则所述判断单元判断所述目标设备是用于作弊的模拟器。当多次采集的所述运动状态信息有变化但变化小于预定阈值,则所述判断单元判断所述目标设备是用于作弊的真实设备。
对于多次采集的传感器读数信息,在基于这些信息进行作弊判断时,使对应于同一个传感器的多个信息均满足作弊判断规则。例如,当获取加速度计和/或陀螺仪三个轴向上的全部数据,三个轴向上的数据变化都小于预定阈值。
另外,本发明的反作弊装置还可以包括存储单元630,用于将获取的所述多个传感器读数信息存储在与所述目标设备对应的先进先出队列中。判断单元630可以根据所述先进先出队列中至少两个传感器读数信息判断所述目标设备是否正在作弊。
至此,已经结合附图6简要介绍了用于实现本发明的反作弊方案的反作弊装置。
图7示出了根据本发明一实施例可用于实现上述反作弊方法的数据处理的计算设备的结构示意图。
参见图7,计算设备700包括存储器710和处理器720。
处理器720可以是一个多核的处理器,也可以包含多个处理器。在一些实施例中,处理器720可以包含一个通用的主处理器以及一个或多个特殊的协处理器,例如图形处理器(GPU)、数字信号处理器(DSP)等等。在一些实施例中,处理器720可以使用定制的电路实现,例如特定用途集成电路(ASIC)或者现场可编程逻辑门阵列(FPGA)。
存储器710可以包括各种类型的存储单元,例如***内存、只读存储器(ROM),和永久存储装置。其中,ROM可以存储处理器720或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中,永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中,永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。***内存可以是可读写存储设备或者易失性可读写存储设备,例如动态随机访问内存。***内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外,存储器710可以包括任意计算机可读存储媒介的组合,包括各种类型的半导体存储芯片(DRAM,SRAM,SDRAM,闪存,可编程只读存储器),磁盘和/或光盘也可以采用。在一些实施方式中,存储器710可以包括可读和/或写的可移除的存储设备,例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM,双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。
存储器710上存储有可处理代码,当可处理代码被处理器720处理时,可以使处理器720执行上文述及的反作弊方法。
上文中已经参考附图详细描述了根据本发明的反作弊方法和装置。通过如上的方案,基于获取的传感器读数信息来对作弊设备进行判断。由于传感器读数信息反映了设备所处场景变化,具有难以伪造的天然属性,因此相比于检测***配置信息的现有技术,本发明的反作弊方案更为全面可靠地检测出作弊设备,从而为维护正常的互联网运营环境做出贡献。
此外,根据本发明的方法还可以实现为一种计算机程序或计算机程序产品,该计算机程序或计算机程序产品包括用于执行本发明的上述方法中限定的上述各步骤的计算机程序代码指令。
或者,本发明还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质),其上存储有可执行代码(或计算机程序、或计算机指令代码),当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时,使所述处理器执行根据本发明的上述方法的各个步骤。
本领域技术人员还将明白的是,结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。
附图中的流程图和框图显示了根据本发明的多个实施例的***和方法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,所述模块、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,方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如,两个连续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***来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (30)
1.一种反作弊方法,包括:
获取目标设备的传感器读数信息;以及
根据所述传感器读数信息判断所述目标设备是否正在作弊。
2.如权利要求1所述的方法,其中,所述获取目标设备的传感器读数信息包括如下至少一项:
通过所述目标设备正打开的网页调用采集所述目标设备的传感器读数信息;以及
通过所述目标设备上安装的应用调用采集所述目标设备的传感器读数信息。
3.如权利要求2所述的方法,其中,所述获取目标设备的传感器读数信息还包括:
在所述目标设备的用户正通过所述网页和/或所述应用与所述目标设备交互时一次或多次调用采集所述目标设备的传感器读数信息。
4.如权利要求1所述的方法,其中,所述传感器读数信息是用于指示所述目标设备与其用户交互状态的传感器读数信息。
5.如权利要求1所述的方法,其中,所述传感器读数信息是用于指示所述目标设备运动状态的传感器所获取的运动状态信息。
6.如权利要求5所述的方法,其中,所述根据所述传感器读数信息判断所述目标设备是否正在作弊包括:
根据所述运动状态信息的变化状况判断所述目标设备是否正在作弊。
7.如权利要求6所述的方法,其中,当多次采集的所述运动状态信息的变化小于预定阈值和/或为空值,则判断所述目标设备正在作弊。
8.如权利要求7所述的方法,其中,当多次采集的所述运动状态信息没有变化和/或为空值,则判断所述目标设备是用于作弊的模拟器。
9.如权利要求7所述的方法,其中,当多次采集的所述运动状态信息有变化但变化小于预定阈值,则判断所述目标设备是用于作弊的真实设备。
10.如权利要求6所述的方法,其中,所述用于指示所述目标设备运动状态的传感器是加速度计和/或陀螺仪。
11.如权利要求10所述的方法,其中,获取目标设备的传感器读数信息包括:
获取加速度计和/或陀螺仪三个轴向上的全部数据,并且,
多次采集的所述运动状态信息的变化小于预定阈值包括:
三个轴向上的数据变化都小于预定阈值。
12.如权利要求1所述的方法,其中,获取目标设备的传感器读数信息包括:
在特定时间段内获取来自同一传感器的多个传感器读数信息;和/或
以预定时间间隔获取来自同一传感器的多个传感器读数信息。
13.如权利要求12所述的方法,还包括:
将获取的所述多个传感器读数信息存储在与所述目标设备对应的先进先出队列中。
14.如权利要求13所述的方法,其中,根据所述传感器读数信息判断所述目标设备是否正在作弊包括:
根据所述先进先出队列中至少两个传感器读数信息判断所述目标设备是否正在作弊。
15.一种反作弊装置,包括:
信息获取单元,用于获取目标设备的传感器读数信息;以及
判断单元,用于根据所述传感器读数信息判断所述目标设备是否正在作弊。
16.如权利要求15所述的装置,其中,
所述信息获取单元通过所述目标设备正打开的网页调用采集所述目标设备的传感器读数信息;以及
所述信息获取单元通过所述目标设备上安装的应用调用采集所述目标设备的传感器读数信息。
17.如权利要求16所述的装置,其中,所述信息获取单元在所述目标设备的用户正通过所述网页和/或所述应用与所述目标设备交互时一次或多次调用采集所述目标设备的传感器读数信息。
18.如权利要求15所述的装置,其中,所述传感器读数信息是用于指示所述目标设备与其用户交互状态的传感器读数信息。
19.如权利要求15所述的装置,其中,所述传感器读数信息是用于指示所述目标设备运动状态的传感器所获取的运动状态信息。
20.如权利要求19所述的装置,其中,所述判断单元根据所述运动状态信息的变化状况判断所述目标设备是否正在作弊。
21.如权利要求20所述的装置,其中,当多次采集的所述运动状态信息的变化小于预定阈值和/或为空值,则所述判断单元判断所述目标设备正在作弊。
22.如权利要求21所述的装置,其中,当多次采集的所述运动状态信息没有变化和/或为空值,则所述判断单元判断所述目标设备是用于作弊的模拟器。
23.如权利要求21所述的装置,其中,当多次采集的所述运动状态信息有变化但变化小于预定阈值,则所述判断单元判断所述目标设备是用于作弊的真实设备。
24.如权利要求20所述的装置,其中,所述用于指示所述目标设备运动状态的传感器是加速度计和/或陀螺仪。
25.如权利要求24所述的装置,其中,所述信息获取单元获取加速度计和/或陀螺仪三个轴向上的全部数据,并且,
多次采集的所述运动状态信息的变化小于预定阈值包括:
三个轴向上的数据变化都小于预定阈值。
26.如权利要求15所述的装置,其中,
所述信息获取单元在特定时间段内获取来自同一传感器的多个传感器读数信息;和/或
所述信息获取单元以预定时间间隔获取来自同一传感器的多个传感器读数信息。
27.如权利要求26所述的装置,还包括:
存储单元,用于将获取的所述多个传感器读数信息存储在与所述目标设备对应的先进先出队列中。
28.如权利要求27所述的装置,其中,所述判断单元根据所述先进先出队列中至少两个传感器读数信息判断所述目标设备是否正在作弊。
29.一种计算设备,包括:
处理器;以及
存储器,其上存储有可执行代码,当所述可执行代码被所述处理器执行时,使所述处理器执行如权利要求1-14中任何一项所述的方法。
30.一种非暂时性机器可读存储介质,其上存储有可执行代码,当所述可执行代码被电子设备的处理器执行时,使所述处理器执行如权利要求1至14中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810474534.6A CN108681908A (zh) | 2018-05-17 | 2018-05-17 | 反作弊方法、装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810474534.6A CN108681908A (zh) | 2018-05-17 | 2018-05-17 | 反作弊方法、装置、计算设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108681908A true CN108681908A (zh) | 2018-10-19 |
Family
ID=63806523
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810474534.6A Pending CN108681908A (zh) | 2018-05-17 | 2018-05-17 | 反作弊方法、装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108681908A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447701A (zh) * | 2018-10-24 | 2019-03-08 | 麒麟合盛网络技术股份有限公司 | 应用程序反作弊方法、装置和服务端 |
CN109714357A (zh) * | 2019-01-14 | 2019-05-03 | 上海掌门科技有限公司 | 用于分配资源的方法和设备 |
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 |
CN111629005A (zh) * | 2020-05-28 | 2020-09-04 | 北京学之途网络科技有限公司 | 一种反作弊方法、装置、电子设备及存储介质 |
CN112150261A (zh) * | 2020-09-23 | 2020-12-29 | 上海维信荟智金融科技有限公司 | 基于用户通信行为的金融反欺诈方法及*** |
CN112288499A (zh) * | 2020-11-20 | 2021-01-29 | 广州欢网科技有限责任公司 | 一种实现反广告刷量的方法、可读存储介质 |
CN112669058A (zh) * | 2020-12-21 | 2021-04-16 | 上海多维度网络科技股份有限公司 | 应用程序的数据处理方法以及装置、存储介质、电子装置 |
CN112866142A (zh) * | 2021-01-14 | 2021-05-28 | 北京美数信息科技有限公司 | 移动互联网真实流量识别方法和装置 |
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 |
CN114329431A (zh) * | 2021-12-28 | 2022-04-12 | 四川启睿克科技有限公司 | 一种基于移动设备多重特征检测的新用户验证方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605697A (zh) * | 2013-11-06 | 2014-02-26 | 北京掌阔移动传媒科技有限公司 | 一种手机广告作弊点击的判断方法 |
CN106934627A (zh) * | 2015-12-28 | 2017-07-07 | ***通信集团公司 | 一种电商行业作弊行为的检测方法及装置 |
CN107153971A (zh) * | 2017-05-05 | 2017-09-12 | 北京京东尚科信息技术有限公司 | 用于识别app推广中设备作弊的方法及装置 |
CN108009844A (zh) * | 2017-11-20 | 2018-05-08 | 北京智钥科技有限公司 | 确定广告作弊行为的方法、装置及云服务器 |
-
2018
- 2018-05-17 CN CN201810474534.6A patent/CN108681908A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103605697A (zh) * | 2013-11-06 | 2014-02-26 | 北京掌阔移动传媒科技有限公司 | 一种手机广告作弊点击的判断方法 |
CN106934627A (zh) * | 2015-12-28 | 2017-07-07 | ***通信集团公司 | 一种电商行业作弊行为的检测方法及装置 |
CN107153971A (zh) * | 2017-05-05 | 2017-09-12 | 北京京东尚科信息技术有限公司 | 用于识别app推广中设备作弊的方法及装置 |
CN108009844A (zh) * | 2017-11-20 | 2018-05-08 | 北京智钥科技有限公司 | 确定广告作弊行为的方法、装置及云服务器 |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109447701A (zh) * | 2018-10-24 | 2019-03-08 | 麒麟合盛网络技术股份有限公司 | 应用程序反作弊方法、装置和服务端 |
CN109714357A (zh) * | 2019-01-14 | 2019-05-03 | 上海掌门科技有限公司 | 用于分配资源的方法和设备 |
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 |
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 |
CN111629005A (zh) * | 2020-05-28 | 2020-09-04 | 北京学之途网络科技有限公司 | 一种反作弊方法、装置、电子设备及存储介质 |
CN112150261A (zh) * | 2020-09-23 | 2020-12-29 | 上海维信荟智金融科技有限公司 | 基于用户通信行为的金融反欺诈方法及*** |
CN112288499A (zh) * | 2020-11-20 | 2021-01-29 | 广州欢网科技有限责任公司 | 一种实现反广告刷量的方法、可读存储介质 |
CN112669058A (zh) * | 2020-12-21 | 2021-04-16 | 上海多维度网络科技股份有限公司 | 应用程序的数据处理方法以及装置、存储介质、电子装置 |
CN112866142A (zh) * | 2021-01-14 | 2021-05-28 | 北京美数信息科技有限公司 | 移动互联网真实流量识别方法和装置 |
CN112866142B (zh) * | 2021-01-14 | 2023-04-07 | 北京美数信息科技有限公司 | 移动互联网真实流量识别方法和装置 |
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 |
CN114329431A (zh) * | 2021-12-28 | 2022-04-12 | 四川启睿克科技有限公司 | 一种基于移动设备多重特征检测的新用户验证方法 |
CN114329431B (zh) * | 2021-12-28 | 2024-05-31 | 四川启睿克科技有限公司 | 一种基于移动设备多重特征检测的新用户验证方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108681908A (zh) | 反作弊方法、装置、计算设备及存储介质 | |
CN109034660B (zh) | 基于预测模型的风险控制策略的确定方法及相关装置 | |
CN106022826A (zh) | 一种网络直播平台中的作弊用户识别方法与*** | |
JP2021523430A (ja) | 教師付き機械学習問題用のニューラルネットワークアーキテクチャの選択 | |
CN111371767B (zh) | 恶意账号识别方法、恶意账号识别装置、介质及电子设备 | |
CN107423613A (zh) | 依据相似度确定设备指纹的方法、装置及服务器 | |
US20200122039A1 (en) | Method and system for a behavior generator using deep learning and an auto planner | |
CN109102324B (zh) | 模型训练方法、基于模型的红包物料铺设预测方法及装置 | |
CN108229673A (zh) | 卷积神经网络的处理方法、装置和电子设备 | |
CN112132676A (zh) | 联合训练目标模型的贡献度的确定方法、装置和终端设备 | |
CN110263824A (zh) | 模型的训练方法、装置、计算设备及计算机可读存储介质 | |
CN109165691A (zh) | 用于识别作弊用户的模型的训练方法、装置及电子设备 | |
CN109508879A (zh) | 一种风险的识别方法、装置及设备 | |
CN113468520A (zh) | 应用于区块链业务的数据入侵检测方法及大数据服务器 | |
CN109298855A (zh) | 一种网络靶场管理***及其实现方法、装置、存储介质 | |
CN116562931A (zh) | 消费券交易数据处理方法、装置、设备及存储介质 | |
Wang et al. | Constraining null models with environmental gradients: a new method for evaluating the effects of environmental factors and geometric constraints on geographic diversity patterns | |
CN113704373B (zh) | 基于移动轨迹数据的用户识别方法、装置及存储介质 | |
CN107895119A (zh) | 程序安装包检测方法、装置及电子设备 | |
CN113435900A (zh) | 交易风险确定方法、装置和服务器 | |
CN109194627A (zh) | 作弊检测方法、装置、设备和介质 | |
CN115829159A (zh) | 社交媒体粉丝新增预测方法、装置、设备及存储介质 | |
Hu et al. | Method of informational and psychological influence evaluation in social networks based on fuzzy logic | |
CN106600432B (zh) | 基于社交属性行为数据的行为间影响力评估方法和装置 | |
CN116228391A (zh) | 一种风险识别方法、装置、存储介质及电子设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200812 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 510665 Guangdong city of Guangzhou province Whampoa Tianhe District Road No. 163 Xiping Yun Lu Yun Ping radio square B tower 13 floor 02 unit self Applicant before: Guangzhou Aijiuyou Information Technology Co.,Ltd. |
|
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181019 |