CN110415044A - 作弊检测方法、装置、设备及存储介质 - Google Patents
作弊检测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110415044A CN110415044A CN201910711209.1A CN201910711209A CN110415044A CN 110415044 A CN110415044 A CN 110415044A CN 201910711209 A CN201910711209 A CN 201910711209A CN 110415044 A CN110415044 A CN 110415044A
- Authority
- CN
- China
- Prior art keywords
- terminal device
- information
- cheating
- detection
- application program
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0225—Avoiding frauds
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Stored Programmes (AREA)
Abstract
本申请提供一种作弊检测方法、装置、设备及存储介质,涉及作弊检测技术领域。该方法包括:对待检测的终端设备的应用数据进行特征提取,获取所述终端设备的多类特征信息;所述应用数据为所述终端设备在应用程序的使用过程中的数据;根据所述多类特征信息进行检测,确定所述终端设备在所述应用程序的使用过程中是否存在作弊行为。相对于现有技术,解决了作弊检测结果的可靠性不高,不能有效识别作弊行为的问题。
Description
技术领域
本申请涉及作弊检测技术领域,具体而言,涉及一种作弊检测方法、装置、设备及存储介质。
背景技术
随着互联网技术的发展,很多的应用程序会不定期的进行主题的推送。若应用程序所推送的主题涉及现金、实物、虚拟奖励、增值服务、优惠信息等用户权益信息,一些用户可能会在终端设备上安装作弊应用程序,通过作弊应用程序对终端设备的信息进行篡改,以蓄意获取更多的权益,损害其他用户的权益。
现有的作弊检测方法,通常是根据终端设备的单一特征信息进行作弊检测,以确定终端设备在应用程序的使用过程中是否存在作弊行为。
但是基于单一特征信息的作弊监测方法,很容易被针对性的破解,从而使得作弊检测结果的可靠性不高,不能有效识别作弊行为。
发明内容
本申请的目的在于,针对上述现有技术中的不足,提供一种作弊检测方法、装置、设备及存储介质,以解决现有技术中作弊检测结果的可靠性不高,不能有效识别作弊行为的问题。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请一实施例提供了一种作弊检测方法,包括:
对待检测的终端设备的应用数据进行特征提取,获取所述终端设备的多类特征信息;其中,所述应用数据为所述终端设备在应用程序的使用过程中的数据;
根据所述多类特征信息进行检测,确定所述终端设备在所述应用程序的使用过程中是否存在作弊行为。
进一步地,所述根据所述多类特征信息进行检测,确定所述终端设备在所述应用程序的使用过程中是否存在作弊行为,包括:
根据预设作弊检测模型,对所述多类特征信息进行处理,确定所述终端设备的检测结果;其中,所述作弊检测模型为根据多类样本特征信息进行训练得到的检测模型;
根据所述检测结果,确定所述终端设备在所述应用程序的使用过程中是否存在作弊行为。
进一步地,所述根据预设作弊检测模型,对所述多类特征信息进行处理,确定所述终端设备的检测结果,包括:
通过所述预设作弊检测模型,对每类特征信息进行处理,确定所述每类特征信息的检测得分,根据所述每类特征信息的检测得分以及预设的各特征信息的检测权重,确定所述终端设备的检测得分;所述检测结果包括:所述检测得分。
进一步地,所述根据所述检测结果,确定所述终端设备在应用程序的使用过程中是否存在作弊行为,包括:
将所述检测得分与预设阈值进行比较;
若所述检测得分大于或等于所述预设阈值,则确定所述终端设备在所述应用程序的使用过程中存在作弊行为;
若所述检测得分小于所述预设阈值,则确定所述终端设备在所述应用程序的使用过程中不存在所述作弊行为。
进一步地,所述多类特征信息包括下述至少一类信息:设备信息、接入网络的信息、程序安装信息。
进一步地,所述设备信息包括下述至少一个信息:操作***的版本信息、型号信息、设备厂商信息。
进一步地,所述接入网络的信息包括下述至少一个信息:局域网地址信息、互联网协议IP地址信息。
第二方面,本申请另一实施例提供了一种作弊检测装置,包括:提取模块和检测模块,其中:
所述提取模块,用于对待检测的终端设备的应用数据进行特征提取,获取所述终端设备的多类特征信息;其中,所述应用数据为所述终端设备在应用程序的使用过程中的数据;
所述检测模块,用于根据所述多类特征信息进行检测,确定所述终端设备在所述应用程序的使用过程中是否存在作弊行为。
第三方面,本申请另一实施例提供了一种作弊检测设备,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当作弊检测设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行如上述第一方面所述方法的步骤。
第四方面,本申请另一实施例提供了一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被处理器运行时执行如上述第一方面所述方法的步骤。
本申请的有益效果是:采用本申请提供的作弊检测方法,可以通过提取待检测终端设备的多类特征信息,并对多类特征信息进行检测,从而确定终端设备在应用程序的使用过程中是否存在作弊行为。该方法可根据待检测终端设备在应用程序使用过程中的多类特征信息进行作弊行为的检测,可提高作弊监测的破解难度,提高了作弊行为检测结果的可靠性,可准确识别出终端设备在应用程序使用过程中的作弊行为。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请一实施例提供的作弊检测方法的流程示意图;
图2为本申请另一实施例提供的作弊检测方法的流程示意图;
图3为本申请另一实施例提供的作弊检测方法的流程示意图;
图4为本申请一实施例提供的作弊检测装置的结构示意图;
图5为本申请一实施例提供的作弊检测设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本申请一部分实施例,而不是全部的实施例。
为防止某些用户在终端设备上安装作弊应用程序,通过篡改终端设备的信息,在某些应用程序推送一些优惠信息或回馈福利信息时,蓄意谋取更多的利益,损害其他用户的权益,本申请在此提供了一种作弊检测方法,可以有效识别作弊行为,保护应用程序开发商和其他用户的权益。
图1为本申请一实施例提供的一种作弊检测方法的流程示意图,该作弊检测方法可由检测设备执行,该监测设备可以为应用程序的应用服务器,也可以为专用于作弊行为检测的终端或服务器等。如图1所示,该方法可包括:
S101:对待检测的终端设备的应用数据进行特征提取,获取终端设备的多类特征信息。
其中,应用数据为终端设备在应用程序的使用过程中的数据。
该应用程序可以为交易平台的应用程序、游戏应用程序或者其他涉及权益的应用程序。该应用数据为终端设备在应用程序的使用过程中所产生的数据、所采用的数据等。
该多类特征信息可分别为该终端设备在应用程序的使用过程所涉及的多个不同维度的特征信息。该多类特征信息可以包括:设备特征信息、接入网络的信息和程序安装信息中的一项或多项。
S102:根据多类特征信息进行检测,确定终端设备在应用程序的使用过程中是否存在作弊行为。
需要说明的是,该方法执行主体为应用程序的应用服务器或用于作弊行为检测的服务器或终端。在本申请的下述实施例中,执行主体均以应用程序的应用服务器为例进行说明:应用服务器可在检测到应用程序使用过程的触发条件满足预设触发条件后,该应用程序的应用服务器可将正在使用该应用程序的至少一个终端设备作为待检测的终端设备,从该终端设备的应用数据中进行特征提取,获取多类特征信息,并根据提取的多类特征信息判断该终端设备是否存在作弊行为。
可选地,终端设备可以为手机、平板、穿戴设备等任意智能设备。预设触发条件可以为:终端设备上该应用程序起启动时,对启动有该应用程序的终端设备均作为待检测的终端设备进行作弊行为的检测;或者在该应用程序启动后任一涉及现金、实物、虚拟奖励、优惠信息等权益相关业务被触发时,将触发有该权益相关业务的终端设备均作为待检测的终端设备进行作弊行为的检测;或者每天的某一固定时间对终端设备进行一次检测;具体预设触发条件根据用户需要设计,并不以此为限。
本实施例中,可以通过提取待检测的终端设备的多类特征信息,并对多类特征信息进行检测,从而确定终端设备在应用程序的使用过程中是否存在作弊行为,该方法可根据待检测终端设备在应用程序使用过程中的多类特征信息进行作弊行为的检测,可提高作弊监测的破解难度,提高了作弊行为检测结果的可靠性,可准确识别出终端设备在应用程序使用过程中的作弊行为。
图2为本申请另一实施例提供的作弊检测方法的流程示意图,如图2所示,S102可包括:
S103:根据预设作弊检测模型,对多类特征信息进行处理,确定终端设备的检测结果。
S104:根据检测结果,确定终端设备在应用程序的使用过程中是否存在作弊行为。
其中,作弊检测模型为根据多类样本特征信息进行训练得到的检测模型。
可选地,多类特征信息包括下述至少一类信息:设备信息、接入网络的信息、程序安装信息;其中,设备信息包括下述至少一个信息:操作***的版本信息、型号信息、设备厂商信息;接入网络的信息包括下述至少一个信息:局域网地址信息、互联网协议IP地址信息;程序安装信息包括:常见作弊应用程序的信息。
需要说明的是,检测结果包括检测得分,其中,检测得分可以以分值形式体现,例如:可以为0-1的分值,也可以为十分制或者百分制的分值,具体形式根据用户需要设计,在此并不做任何限制。
可选地,可以通过预设作弊检测模型,对每类特征信息进行处理,确定每类特征信息的得分,根据每类特征信息的得分以及预设的各特征信息的检测权重,确定终端设备的最终检测得分。
举例说明:若某一实施例中,获取的特征信息包括:操作***的版本信息、型号信息、局域网地址信息、互联网协议地址信息(Internet Protocol Address,IP)和程序安装信息,并且操作***的版本信息所占权重为0.1,返回结果为0;型号信息所占权重为0.1,返回结果为0;局域网地址信息所占权重为0.2,返回结果为1;互联网协议IP地址信息所占权重为0.2,返回结果为1;程序安装信息所占权重为0.4,返回结果为0,则此时,该终端设备的最终检测得分为:0.1*0+0.1*0+0.2*1+0.2+1+0.4*1=0.8。
可选地,若作弊方式有新的更新,则根据作弊方式的更新内容,新增一个或多个样本特征信息,并根据之前的多类样本特征信息和新增的样本特征信息重新训练预设作弊检测模型,得到更新后的预设作弊检测模型。
举例说明:某外卖软件当前正在进行新用户一元吃午饭的优惠活动,某一用户正在通过某一终端设备使用该外卖软件,以新用户的身份享受优惠,进行订餐,此时,触发了检测的预设条件,该外卖软件需要对该用户使用的该终端设备进行检测,并判断其是否是真实的新用户,还是终端设备内存在作弊应用程序,通过更改该终端设备的相关信息,使其为新用户享受优惠活动,则该外卖软件对当前终端设备的应用数据进行特征提取,获取多类特征信息后,对多类特征信息进行综合判断:
对程序安装信息的判断可以为:检测当前终端设备中是否存在常见的作弊应用程序,若存在则返回1,若不存在则返回0。
对设备信息的判断可以为:以判断操作***的版本信息为例,若检测到当前版本信息为6.0,但是7.0新增的功能在当前终端设备上却可以使用,说明检测到的当前终端信息的版本信息和其终端实际的版本信息并不相符,此时,认为存在作弊应用程序更改了终端设备的版本信息,则返回1;若检测到的当前版本信息和实际版本信息相符,则认为不存在作弊应用程序,则返回0。
对接入网络的信息的判断可以为:以判断IP地址信息为例:通过应用程序与终端设备之间的接口获取当前IP地址作为第一IP地址,再通过终端设备存储的文件,获取文件下的第二IP地址,并比较第一IP地址和第二IP地址,若两个IP地址相同,则返回0;若两个IP地址不同,则认为存在作弊应用程序更改了终端设备的IP地址,则返回1。
以最终反馈0-1的检测得分为例,综合获取到的各特征信息返回的结果,计算最终的检测得分:将每个特征信息返回的结果与其权重相乘,将相乘后的多个值相加,得到最终的检测得分。
需要说明的是,根据多类特征信息以及对应的权重信息对终端设备是否作弊进行综合判断,可以进一步提高判断的准确定,防止发生误判的可能性,同时,若有新的作弊方式,只需针对性的新增相应特征信息即可更新预设作弊检测模型,达到反作弊的效果,可以进一步提高本方案的可扩展性。
图3为本申请另一实施例提供的作弊检测方法的流程示意图,如图3所示,S104可包括:
S105:将检测得分与预设阈值进行比较。
其中,预设阈值可以根据用户需要设置,若用户对防作弊的要求较高,可以将阈值设置的较高,若用户对防作弊的要求较低,可以将阈值设置的较低,本申请在此不做任何限制。
S106a:若检测得分大于或等于预设阈值,则确定终端设备在应用程序的使用过程中存在作弊行为。
S106b:若检测得分小于预设阈值,则确定终端设备在应用程序的使用过程中不存在作弊行为。
本实施例中,可以通过提取待检测终端设备的多类特征信息,并对多类特征信息进行检测,从而确定终端设备在应用程序的使用过程中是否存在作弊行为。该方法可根据待检测终端设备在应用程序使用过程中的多类特征信息进行作弊行为的检测,可提高作弊监测的破解难度,提高了作弊行为检测结果的可靠性,可准确识别出终端设备在应用程序使用过程中的作弊行为。
图4为本申请一实施例提供的作弊检测装置,如图4所示,装置包括:提取模块201和检测模块202,其中:
提取模块201,用于对待检测的终端设备的应用数据进行特征提取,获取终端设备的多类特征信息;其中,应用数据为终端设备在应用程序的使用过程中的数据。
检测模块202,用于根据多类特征信息进行检测,确定终端设备在应用程序的使用过程中是否存在作弊行为。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上***(system-on-a-chip,简称SOC)的形式实现。
图5为本申请一实施例提供的作弊检测设备的结构示意图,该作弊检测设备可以为应用程序的应用服务器,也可以为专用于作弊行为检测的终端或服务器等,其可以集成于设备或者设备上的芯片。
该作弊检测设备包括:处理器501、存储介质502和总线503。
处理器501用于存储程序,处理器501调用存储介质502存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本申请还提供一种程序产品,例如存储介质,该存储介质上存储有计算机程序,包括程序,该程序在被处理器运行时执行上述方法实施例。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个***,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文:Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种作弊检测方法,其特征在于,包括:
对待检测的终端设备的应用数据进行特征提取,获取所述终端设备的多类特征信息;其中,所述应用数据为所述终端设备在应用程序的使用过程中的数据;
根据所述多类特征信息进行检测,确定所述终端设备在所述应用程序的使用过程中是否存在作弊行为。
2.根据权利要求1所述的方法,其特征在于,所述根据所述多类特征信息进行检测,确定所述终端设备在所述应用程序的使用过程中是否存在作弊行为,包括:
根据预设作弊检测模型,对所述多类特征信息进行处理,确定所述终端设备的检测结果;其中,所述作弊检测模型为根据多类样本特征信息进行训练得到的检测模型;
根据所述检测结果,确定所述终端设备在所述应用程序的使用过程中是否存在作弊行为。
3.根据权利要求2所述的方法,其特征在于,所述根据预设作弊检测模型,对所述多类特征信息进行处理,确定所述终端设备的检测结果,包括:
通过所述预设作弊检测模型,对每类特征信息进行处理,确定所述每类特征信息的检测得分,根据所述每类特征信息的检测得分以及预设的各特征信息的检测权重,确定所述终端设备的检测得分;所述检测结果包括:所述检测得分。
4.如权利要求3所述的方法,其特征在于,所述根据所述检测结果,确定所述终端设备在应用程序的使用过程中是否存在作弊行为,包括:
将所述检测得分与预设阈值进行比较;
若所述检测得分大于或等于所述预设阈值,则确定所述终端设备在所述应用程序的使用过程中存在作弊行为;
若所述检测得分小于所述预设阈值,则确定所述终端设备在所述应用程序的使用过程中不存在所述作弊行为。
5.如权利要求1-3中任一所述的方法,其特征在于,所述多类特征信息包括下述至少一类信息:设备信息、接入网络的信息、程序安装信息。
6.如权利要求5所述的方法,其特征在于,所述设备信息包括下述至少一个信息:操作***的版本信息、型号信息、设备厂商信息。
7.如权利要求5所述的方法,其特征在于,所述接入网络的信息包括下述至少一个信息:局域网地址信息、互联网协议IP地址信息。
8.一种作弊检测装置,其特征在于,所述装置包括:提取模块和检测模块,其中:
所述提取模块,用于对待检测的终端设备的应用数据进行特征提取,获取所述终端设备的多类特征信息;其中,所述应用数据为所述终端设备在应用程序的使用过程中的数据;
所述检测模块,用于根据所述多类特征信息进行检测,确定所述终端设备在所述应用程序的使用过程中是否存在作弊行为。
9.一种作弊检测设备,其特征在于,包括:处理器、存储介质和总线,所述存储介质存储有所述处理器可执行的机器可读指令,当所述作弊检测设备运行时,所述处理器与所述存储介质之间通过总线通信,所述处理器执行所述机器可读指令,以执行时执行如权利要求1-7任一所述的作弊检测方法的步骤。
10.一种存储介质,其特征在于,该存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如权利要求1-7任一所述的作弊检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910711209.1A CN110415044A (zh) | 2019-08-01 | 2019-08-01 | 作弊检测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910711209.1A CN110415044A (zh) | 2019-08-01 | 2019-08-01 | 作弊检测方法、装置、设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110415044A true CN110415044A (zh) | 2019-11-05 |
Family
ID=68365412
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910711209.1A Pending CN110415044A (zh) | 2019-08-01 | 2019-08-01 | 作弊检测方法、装置、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110415044A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110943989A (zh) * | 2019-11-29 | 2020-03-31 | 恩亿科(北京)数据科技有限公司 | 一种设备鉴别方法、装置、电子设备及可读存储介质 |
CN111915381A (zh) * | 2020-09-14 | 2020-11-10 | 北京嘀嘀无限科技发展有限公司 | 检测作弊行为的方法、装置、电子设备和存储介质 |
CN112700287A (zh) * | 2021-01-11 | 2021-04-23 | 郑州阿帕斯数云信息科技有限公司 | 一种应用程序的反作弊方法和装置 |
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 |
CN105046529A (zh) * | 2015-07-30 | 2015-11-11 | 华南理工大学 | 一种移动广告作弊识别方法 |
CN106022834A (zh) * | 2016-05-24 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 广告反作弊方法及装置 |
CN108512682A (zh) * | 2017-02-28 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 一种确定虚假终端标识的方法和装置 |
-
2019
- 2019-08-01 CN CN201910711209.1A patent/CN110415044A/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 |
CN105046529A (zh) * | 2015-07-30 | 2015-11-11 | 华南理工大学 | 一种移动广告作弊识别方法 |
CN106022834A (zh) * | 2016-05-24 | 2016-10-12 | 腾讯科技(深圳)有限公司 | 广告反作弊方法及装置 |
CN108512682A (zh) * | 2017-02-28 | 2018-09-07 | 腾讯科技(深圳)有限公司 | 一种确定虚假终端标识的方法和装置 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110943989A (zh) * | 2019-11-29 | 2020-03-31 | 恩亿科(北京)数据科技有限公司 | 一种设备鉴别方法、装置、电子设备及可读存储介质 |
CN111915381A (zh) * | 2020-09-14 | 2020-11-10 | 北京嘀嘀无限科技发展有限公司 | 检测作弊行为的方法、装置、电子设备和存储介质 |
CN112700287A (zh) * | 2021-01-11 | 2021-04-23 | 郑州阿帕斯数云信息科技有限公司 | 一种应用程序的反作弊方法和装置 |
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 |
---|---|---|
CN110415044A (zh) | 作弊检测方法、装置、设备及存储介质 | |
CN107872772B (zh) | 诈骗短信的检测方法及装置 | |
CN110830445B (zh) | 一种异常访问对象的识别方法及设备 | |
CN110830234B (zh) | 一种用户流量分配方法及装置 | |
CN109309596B (zh) | 一种压力测试方法、装置及服务器 | |
CN107404481B (zh) | 用户信息识别方法及装置 | |
CN104408640B (zh) | 应用软件推荐方法及装置 | |
CN114095567B (zh) | 数据访问请求的处理方法、装置、计算机设备及介质 | |
CN108512883A (zh) | 一种信息推送方法、装置及可读介质 | |
CN106998336B (zh) | 渠道中的用户检测方法和装置 | |
CN110688319B (zh) | 应用保活能力测试方法及相关装置 | |
CN108763251B (zh) | 核身产品的个性化推荐方法及装置和电子设备 | |
CN108512682B (zh) | 一种确定虚假终端标识的方法和装置 | |
CN112596985A (zh) | 一种it资产探测方法、装置、设备和介质 | |
CN107018039B (zh) | 测试服务器集群性能瓶颈的方法和装置 | |
CN110351345B (zh) | 用于业务请求处理的方法及装置 | |
CN112631945A (zh) | 一种测试用例生成方法、装置及存储介质 | |
CN110719367A (zh) | 一种云手机好友推荐方法、装置、设备及存储介质 | |
CN110675136A (zh) | 信息处理方法、装置及设备 | |
CN110458624A (zh) | 广告数据源的评测方法、装置、服务器及存储介质 | |
CN112190950B (zh) | 一种检测异常玩家账号的方法及装置 | |
CN109621427A (zh) | 恶意用户的处理方法、装置、服务器及存储介质 | |
CN111679791B (zh) | 存储位置选取方法、装置、终端设备及存储介质 | |
CN106569915B (zh) | 一种数据备份方法及数据备份服务器 | |
CN112637020B (zh) | 数据中心间网络的网络质量测评方法、装置和*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191105 |