CN112399352A - 作弊行为识别方法、设备及存储介质 - Google Patents

作弊行为识别方法、设备及存储介质 Download PDF

Info

Publication number
CN112399352A
CN112399352A CN202011219022.9A CN202011219022A CN112399352A CN 112399352 A CN112399352 A CN 112399352A CN 202011219022 A CN202011219022 A CN 202011219022A CN 112399352 A CN112399352 A CN 112399352A
Authority
CN
China
Prior art keywords
position information
operation position
repeated
repeated operation
evaluation parameter
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
Application number
CN202011219022.9A
Other languages
English (en)
Other versions
CN112399352B (zh
Inventor
卫驰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Didi Infinity Technology and Development Co Ltd
Original Assignee
Beijing Didi Infinity Technology and Development Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Didi Infinity Technology and Development Co Ltd filed Critical Beijing Didi Infinity Technology and Development Co Ltd
Priority to CN202011219022.9A priority Critical patent/CN112399352B/zh
Publication of CN112399352A publication Critical patent/CN112399352A/zh
Application granted granted Critical
Publication of CN112399352B publication Critical patent/CN112399352B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H04W4/029—Location-based management or tracking services
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本公开实施例提供一种作弊行为识别方法、设备及存储介质，该作弊行为识别方法包括：通过获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；从中筛选出完全相同和/或部分相同的重复操作位置信息，获取每一重复操作位置信息的重复数量；根据每一重复操作位置信息的重复数量及多个操作位置信息的总数量获取重复操作评价参数；根据重复操作评价参数以及预设阈值确定用户是否存在作弊行为的识别结果。本公开实施例可提高识别作弊行为的抗干扰能力和识别的准确性，有效的避免误判和漏判，保证抢单或抢购等场景的公平性。

Description

作弊行为识别方法、设备及存储介质
技术领域
本公开的实施例涉及通信技术领域，尤其涉及一种作弊行为识别方法、设备及存储介质。
背景技术
在日常生活中，通常会存在一些抢单或抢购等场景，例如在出行行业中，当乘客需要出行时，在下订单后通常会将订单同时推送给多位司机，有意愿接单的司机会通过抢单的方式来接单，例如司机需要关注推送，并在收到推送的订单后点击终端界面上的抢单按钮，在抢单成功后才能根据订单接送乘客。
为了能够提高订单或抢购的成功率，一些人会采用作弊行为，例如采用***辅助抢单或抢购，如在出行行业中有些司机会通过***进行抢单，通过***可以不需要司机时刻关注订单的推送，能够提高抢单的成功率。在抢单或抢购时采用作弊行为带来了不公平性，导致一些未作弊的用户无法抢单或抢购成功。
现有技术对于作弊行为的识别通常基于点击操作的位置坐标来识别，通过统计点击同一位置坐标的次数，判断是否存在点击某一个位置坐标的次数超过阈值，若存在，则确定为作弊行为。现有技术的作弊行为识别方法容易存在误判或漏判，准确性不高，无法有效的保证抢单或抢购的公平性。
发明内容
本公开的实施例提供一种作弊行为识别方法、设备及存储介质，以准确识别用户在抢单或抢购时是否存在作弊行为，保证抢单或抢购等场景的公平性。
第一方面，本公开的实施例提供一种作弊行为识别方法，包括：
获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；
从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量；
根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数；
根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果。
第二方面，本公开的实施例提供一种作弊行为识别设备，包括：
获取模块，用于获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；
统计模块，用于从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量；
处理模块，用于根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数；
识别模块，用于根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果。
第三方面，本公开的实施例提供一种计算机设备，包括：包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用所述存储器中的程序指令执行如第一方面所述的方法。
第四方面，本公开的实施例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；所述计算机程序被执行时，实现如第一方面所述的方法。
本公开实施例提供的作弊行为识别方法、设备及存储介质，通过获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；从多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量；根据每一重复操作位置信息的重复数量、以及多个操作位置信息的总数量，获取重复操作评价参数；根据重复操作评价参数以及预设阈值，确定用户是否存在作弊行为的识别结果。本公开实施例通过对完全相同和/或部分相同的重复操作位置信息的重复数量统计，以及根据每一重复操作位置信息的重复数量、以及多个操作位置信息的总数量，获取重复操作评价参数，可是使得重复操作评价参数准确的反映出目标操作的重复水平，更科学的量化判断是否作弊的评价依据，提高识别作弊行为的抗干扰能力和识别的准确性，有效的避免误判和漏判，保证抢单或抢购等场景的公平性。
本公开的各种可行实施例及其技术优势将在下文详述。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1为本公开一实施例提供的作弊行为识别方法的应用场景示意图；
图2为本公开一实施例提供的作弊行为识别方法的流程图；
图3为本公开另一实施例提供的作弊行为识别方法的流程图；
图4为本公开一实施例提供的作弊行为识别设备的框图；
图5为本公开一实施例提供的执行作弊行为识别方法的计算机设备的框图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
这里将详细地对示例性实施例进行说明，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装置和方法的例子。
在抢单或抢购的场景中，如背景技术中所述，采用***等辅助抢单或抢购能够提高订单或抢购的成功率。
其中***一般为点击***，是一种特殊的软件或者设备，能对终端屏幕的预定区域实现自动点击功能，因其便捷性和快速点击等属性，在游戏外挂、虚假流量(刷榜)、营销活动薅羊毛、网约车抢单等诸多场景都有应用。常见的点击***有两类，一种是安装手机的软件，一种是通过USB或蓝牙连接手机的设备。
现有技术对于作弊行为的识别通常基于点击操作的位置坐标来识别，通过统计点击同一位置坐标的次数，判断是否存在点击某一个位置坐标的次数超过阈值，若存在，则确定为作弊行为。
而由于用户未使用***也可能出现多次点击同一位置坐标的情况，现有技术的作弊行为识别方法也会误判作弊行为；此外，一些点击***会对点击位置进行随机化处理，例如保证点击位置的横坐标保持不变，纵坐标进行细微的随机波动，或者保证点击位置的纵坐标坐标保持不变，横坐标进行细微的随机波动，可有效的避开现有技术的作弊行为识别方法的识别。因此现有技术的作弊行为识别方法容易存在误判或漏判，也即可能将未作弊识别为作弊，将作弊行为识别为未作弊，其准确性不高，无法有效的保证抢单或抢购的公平性。
为了解决上述技术问题，本公开提供一种作弊行为识别方法，以自动的准确识别出用户在抢单或抢购时是否存在作弊行为，保证抢单或抢购的公平性。具体的，本公开中先获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；从多个操作位置中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量，其中，完全相同和/或部分相同的重复操作位置信息可包括操作位置坐标完全相同，也可包括操作位置坐标中部分相同，例如横坐标相同或纵坐标相同，扩大了作弊识别过程的关注目标，而不仅仅关注操作位置坐标完全相同的情况，避免漏判的情况发生；进一步的，可根据每一重复操作位置信息的重复数量、以及多个操作位置信息的总数量，获取重复操作评价参数，根据重复操作评价参数以及预设阈值，获取用户是否存在作弊行为的识别结果，通过获取重复操作评价参数可更科学的量化判断是否作弊的评价依据，也提高了识别作弊行为的抗干扰能力和识别的准确性，有效的保证抢单或抢购等场景的公平性。
本公开的作弊行为识别方法可应用于如图1所示的应用场景，该应用场景中包括终端101和服务器102，用户在终端上进行抢单或抢购等操作，在抢单或抢购过程中在终端界面上可能重复进行了多次目标操作，例如点击按钮、点击图标、点击网址链接等，在终端界面上可预先埋点，用于获取用户的操作位置信息，例如点击终端界面时的相对位置X坐标和Y坐标，其中埋点位置可以仅在特定区域埋点，例如仅在抢单按钮区域埋点；进一步的，当终端获取到在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息后，可将该些多个操作位置信息发送给服务器，由服务器从多个操作位置中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量，根据每一重复操作位置信息的重复数量、以及多个操作位置信息的总数量，获取重复操作评价参数，根据重复操作评价参数以及预设阈值，确定用户是否存在作弊行为的识别结果。进一步的，在若识别结果为用户存在作弊行为，则拒绝响应目标操作对应的操作请求；和/或对用户确定处罚策略，并根据处罚策略向所述终端发送处罚信息。其中，终端可包括但不限于手机、平板电脑、个人计算机等，服务器可以是一台服务器，或者由若干台服务器组成的服务器集群，或者是一个云计算服务中心。
下面以具体地实施例对本公开的实施例的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图，对本公开的实施例的实施例进行描述。
图2为本发明实施例提供的作弊行为识别方法流程图。如图2所示，本实施例提供了一种作弊行为识别方法，其执行主体可以为服务器等计算机设备，该方法具体步骤如下：
S201、获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息。
在本实施例中，用户在终端上进行抢单或抢购等操作，在抢单或抢购过程中在终端界面上可能重复进行了多次目标操作，例如点击按钮、点击图标、点击网址链接等，终端可获取到在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息，并发送给服务器，也即服务器可以从终端获取到上述的多个操作位置信息；当然服务器也可通过其他途径获取上述的多个操作位置信息，例如从数据库中预先获取并存储的预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息，或者其他途径此处不再赘述。
其中，可以预先在终端界面上埋点，通过埋点获取用户的操作位置信息，例如点击终端界面时的相对位置X坐标和Y坐标，其中埋点位置可以仅在特定区域埋点，例如仅在抢单按钮区域埋点。此外，需要说明的，本实施例中的操作位置信息并不限于上述的X坐标、Y坐标，也可采用其他方式记录操作位置信息。
可选的，由于所述多个操作位置信息为预设时长内用户在终端界面上重复进行目标操作时的操作位置信息，因此可判断所述多个操作位置信息的总数量是否超过预设总数量阈值，若所述多个操作位置信息的总数量未超过预设总数量阈值，则说明用户仅仅是少量的进行了目标操作，存在作弊行为的可能性较低，可不执行本实施例作弊行为识别方法后续的流程；若所述多个操作位置信息的总数量超过预设总数量阈值，继续执行本实施例作弊行为识别方法后续的流程。
S202、从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量。
在本实施例中，在获取到在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息后，可进行统计操作，筛选出完全相同和/或部分相同的重复操作位置信息，同时统计出每一重复操作位置信息的重复数量。
其中，完全相同和/或部分相同的重复操作位置信息，可包括操作位置坐标完全相同，也可包括操作位置坐标中部分相同，例如横坐标相同或纵坐标相同，扩大了作弊识别过程的关注目标，而不仅仅关注操作位置坐标完全相同的情况，可避免漏判的情况发生，尤其是可针对一些点击***会对点击位置进行随机化处理的情况，其中随机化处理的情况例如保证点击位置的横坐标保持不变，纵坐标进行细微的随机波动，或者保证点击位置的纵坐标坐标保持不变，横坐标进行细微的随机波动。
可选的，所述操作位置信息可包括目标操作的操作位置在终端界面上的二维坐标信息，所述二维坐标信息包括第一维度坐标信息和第二维度坐标信息。相应的，完全相同和/或部分相同的重复操作位置信息包括以下至少一项：二维坐标信息完全相同的第一类重复操作位置信息，第一维度坐标信息相同的第二类重复操作位置信息，第二维度坐标信息相同的第三类重复操作位置信息。
举例来讲，二维坐标信息可以为直角坐标系，其中第一维度坐标信息可以X坐标，第二维度坐标信息可以Y坐标；相应的，上述的第一类重复操作位置信息为X坐标和Y坐标完全相同的操作位置信息，第二类重复操作位置信息为X坐标相同的操作位置信息，第三类重复操作位置信息为Y坐标完全相同的操作位置信息。
此外，在筛选完全相同和/或部分相同的重复操作位置信息时，可先对位置多个操作位置信息进行预处理，例如对于坐标值进行截断、仅保留预设位数的小数，例如原始的X坐标为120.5334，保留1为小数，则截断后为120.5，通过截断，可减少波动对筛选过程的影响。当然，本实施例中也可不进行坐标值的阶段，而是在筛选过程中仅比较预设位数的小数，也即举例来讲两个操作位置信息X坐标分别为120.5334和120.5434，仅比较1位小数时认为该两个操作位置信息X坐标相同。
S203、根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数。
在本实施例中，在获取到每一重复操作位置信息的重复数量后，可根据每一重复操作位置信息的重复数量、以及多个操作位置信息的总数量，获取重复操作评价参数，通过获取重复操作评价参数可更科学的量化判断是否作弊的评价依据。
其中，可选的，在获取重复操作评价参数时，可以将每一重复操作位置信息的重复数量进行累加，再获取加和与多个操作位置信息的总数量的比值，作为重复操作评价参数，以反映重复操作位置信息在多个操作位置信息中的占比。
当然，在另一种可选实施例中，由于某些重复操作位置信息的重复数量可能比较低，例如用户可能偶然点击到了重复位置，为了避免这种偶然性的影响，可以筛选出重复数量超过预设数量的重复操作位置信息，将该些重复操作位置信息的重复数量进行累加，再获取加和与多个操作位置信息的总数量的比值，作为重复操作评价参数。
在另一种可选实施例中，可仅基于每一完全相同的重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量获取重复操作评价参数，和/或，仅基于部分相同的重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量获取重复操作评价参数。
S204、根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果。
在本实施例中，可先设置重复操作评价参数的预设阈值，当重复操作评价参数超过预设阈值时，则确定为用户存在作弊行为；当重复操作评价参数未超过预设阈值时，则确定为用户不存在作弊行为。其中预设阈值可根据实际情况进行设定，此处不做限制。
进一步的，可选的，若识别结果为所述用户存在作弊行为，则拒绝响应所述目标操作对应的操作请求，例如拒绝该用户的抢单或抢购请求；和/或，对该用户确定处罚策略，例如降低该用户的信用评分、扣除积分、封禁账号等处罚，并根据所述处罚策略向所述终端发送处罚信息。
本实施例提供的作弊行为识别方法，通过获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；从多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量；根据每一重复操作位置信息的重复数量、以及多个操作位置信息的总数量，获取重复操作评价参数；根据重复操作评价参数以及预设阈值，确定用户是否存在作弊行为的识别结果。本实施例通过对完全相同和/或部分相同的重复操作位置信息的重复数量统计，以及根据每一重复操作位置信息的重复数量、以及多个操作位置信息的总数量，获取重复操作评价参数，可是使得重复操作评价参数准确的反映出目标操作的重复水平，更科学的量化判断是否作弊的评价依据，提高识别作弊行为的抗干扰能力和识别的准确性，有效的避免误判和漏判，保证抢单或抢购等场景的公平性。
作为上述实施例的进一步改进，所述操作位置信息包括目标操作的操作位置在终端界面上的二维坐标信息，所述二维坐标信息包括第一维度坐标信息和第二维度坐标信息；所述完全相同和/或部分相同的重复操作位置信息包括以下至少一项：二维坐标信息完全相同的第一类重复操作位置信息，第一维度坐标信息相同的第二类重复操作位置信息，第二维度坐标信息相同的第三类重复操作位置信息。
在上述实施例的基础上，S203所述的根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数，具体可包括：
根据每一所述第一类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第一重复操作评价参数；和/或
根据每一所述第二类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第二重复操作评价参数；和/或
根据每一所述第三类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第三重复操作评价参数。
在本实施例中，可分别针对于每一类型重复操作位置信息获取对应的重复操作评价参数，其中第一重复操作评价参数可反映出二维坐标信息两个维度坐标完全相同的重复操作的重复情况，而第二重复操作评价参数可反映出第一维度坐标信息相同的重复操作的重复情况，第三重复操作评价参数可反映出第二维度坐标信息相同的重复操作的重复情况。相应的，可针对每一重复操作评价参数分别配置对应的预设阈值，在S204中可将各重复操作评价参数与其对应的预设阈值进行比较来确定用户是否存在作弊行为的识别结果。
具体的，如图3所示，S203所述的根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数，可包括：
S301、从各所述同类型重复操作位置信息中筛选出重复数量超过对应预设数量的目标重复操作位置信息；
S302、获取每一所述目标重复操作位置信息的重复数量的总和；
S303、获取该总和与所述多个操作位置信息的总数量的比值，作为对应的重复操作评价参数。
在本实施例中，针对于第一类重复操作位置信息、第二类重复操作位置信息、第二类重复操作位置信息，可分别设置对应的预设数量，基于预设数量筛选出超过预设数量的目标重复操作位置信息，进而基于每一目标重复操作位置信息的重复数量进行累加获得每一目标重复操作位置信息的重复数量的总和，以该总和与多个操作位置信息的总数量的比值，作为对应的重复操作评价参数。
举例来讲，对于第一类重复操作位置信息，所述根据每一所述第一类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第一重复操作评价参数，具体可包括：
从各所述第一类重复操作位置信息中筛选出重复数量超过的第一预设数量的目标第一类重复操作位置信息，获取每一所述目标第一类重复操作位置信息的重复数量的总和，以该总和与所述多个操作位置信息的总数量的比值，作为所述第一重复操作评价参数。
在本实施例中，以二维直角坐标系为例，第一类重复操作位置信息为X坐标值、Y坐标值均相同的操作位置信息，可统计预设时长内多个操作位置信息中第一类重复操作位置信息的重复数量，也即统计每一坐标(Xi，Yi)的重复数量ni，而预设时长内多个操作位置信息的总数量为N(也即预设时长内目标操作的总次数)，获取满足ni≥θ1的坐标(Xi，Yi)，其中θ1为第一预设数量，通过如下公式获取第一重复操作评价参数α：
Figure BDA0002761424750000101
同理，对于第二类重复操作位置信息，所述根据每一所述第二类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第二重复操作评价参数，具体可包括：
从各所述第二类重复操作位置信息中筛选出重复数量超过的第二预设数量的目标第二类重复操作位置信息，获取每一所述目标第二类重复操作位置信息的重复数量的总和，以该总和与所述多个操作位置信息的总数量的比值，作为所述第二重复操作评价参数。
在本实施例中，以二维直角坐标系为例，可首先对各操作位置信息的第一维度坐标信息Xi坐标值进行截断，保留若干位小数，记为Xj，例如原始Xi坐标值为120.5334，保留1位小数，得到Xj＝120.5。类似于上述实施例，可统计预设时长内多个操作位置信息中截断横坐标Xj坐标值相同的第二类重复操作位置信息，以及对应该Xj的重复数量nj，取满足nj≥θ2的Xj，其中θ2为第二预设数量，通过如下公式获取第二重复操作评价参数β：
Figure BDA0002761424750000111
需要说明的是，可根据实际情况设置所需截断的小数位数，或者也可不对各操作位置信息的第一维度坐标信息Xi坐标值进行截断。
同理，对于第三类重复操作位置信息，所述根据每一所述第三类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第三重复操作评价参数，具体可包括：
从各所述第三类重复操作位置信息中筛选出重复数量超过的第三预设数量的目标第三类重复操作位置信息，获取每一所述目标第三类重复操作位置信息的重复数量的总和，以该总和与所述多个操作位置信息的总数量的比值，作为所述第三重复操作评价参数。
在本实施例中，以二维直角坐标系为例，可首先对各操作位置信息的第二维度坐标信息Yi坐标值进行截断，保留若干位小数，记为Yk；比如原始Yi坐标值为120.5334，保留1位小数，得到Yk＝120.5。类似于上述实施例，可统计预设时长内多个操作位置信息中截断纵坐标Yk坐标值相同的第三类重复操作位置信息，以及对应该Yk的重复数量nk,取满足nk≥θ3的Yk，其中θ3为第三预设数量，通过如下公式获取第三重复操作评价参数γ：
Figure BDA0002761424750000112
在上述实施例的基础上，S204所述根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果，包括：
判断目标重复操作评价参数是否超过其对应的预设阈值；若是，则确定所述用户存在作弊行为；
其中，所述目标重复操作评价参数为所述第一重复操作评价参数、所述第二重复操作评价参数以及所述第三重复操作评价参数中至少一项。
在本实施例中，可以并不需要将第一重复操作评价参数、所述第二重复操作评价参数以及所述第三重复操作评价参数这三个重复操作评价参数都计算出来，可以从其中选择至少一项作为目标重复操作评价参数，进而将目标重复操作评价参数与其对应的预设阈值进行比较，若超过其对应的预设阈值，则确定用户存在作弊行为。
举例来讲，可对上述的三个重复操作评价参数α、β、γ分别设置预设阈值δ1、δ2、δ3。
若选择α为目标重复操作评价参数，则在α≥δ1时确定用户存在作弊行为；同理，若选择β为目标重复操作评价参数，则在β≥δ2时确定用户存在作弊行为；同理，若选择β为目标重复操作评价参数，则在γ≥δ3时确定用户存在作弊行为。同理，若选择α和β为目标重复操作评价参数，则在α≥δ1且β≥δ2时或者α≥δ1或β≥δ2，确定用户存在作弊行为，具体采用与或中的哪一种逻辑可根据实际情况确定；以此类推，其他情况此处不再一一赘述。
可选的，在判断目标重复操作评价参数是否超过其对应的预设阈值前，还可根据预设策略，从所述第一重复操作评价参数、所述第二重复操作评价参数以及所述第三重复操作评价参数中确定所述目标重复操作评价参数。
其中预设策略可以是根据作弊行为识别的严格程度选择不同的目标重复操作评价参数，例如严格程度极度严格时，可将三个重复操作评价参数都作为目标重复操作评价参数；严格程度中等严格时，可将任意两个重复操作评价参数作为目标重复操作评价参数；而严格程度一般严格时，可将任意一个重复操作评价参数作为目标重复操作评价参数。
此外，判断逻辑为与逻辑，相较于或逻辑更为严格。因此可选的，可根据不同的严格程度来选择不同的目标重复操作评价参数以及判断逻辑。此外还可调整坐标截断长度、θ1、θ2、θ3(θ至少大于1)。可适应任意严格程度的作弊行为识别过程，满足用户不同的准确度需求。
图4为本发明实施例提供的作弊行为识别设备的结构图。本实施例提供的作弊行为识别设备可以执行作弊行为识别方法实施例提供的处理流程，如图4所示，所述作弊行为识别设备400包括获取模块401、统计模块402、处理模块403及识别模块404。
获取模块401，用于获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；
统计模块402，用于从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量；
处理模块403，用于根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数；
识别模块404，用于根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果。
在上述任一实施例的基础上，所述操作位置信息包括目标操作的操作位置在终端界面上的二维坐标信息，所述二维坐标信息包括第一维度坐标信息和第二维度坐标信息；
所述完全相同和/或部分相同的重复操作位置信息包括以下至少一项：
二维坐标信息完全相同的第一类重复操作位置信息，第一维度坐标信息相同的第二类重复操作位置信息，第二维度坐标信息相同的第三类重复操作位置信息。
在上述任一实施例的基础上，所述处理模块403在根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数时，用于：
根据每一所述第一类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第一重复操作评价参数；和/或
根据每一所述第二类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第二重复操作评价参数；和/或
根据每一所述第三类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第三重复操作评价参数。
在上述任一实施例的基础上，所述处理模块403在根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数时，用于：
从各所述同类型重复操作位置信息中筛选出重复数量超过对应预设数量的目标重复操作位置信息；
获取每一所述目标重复操作位置信息的重复数量的总和；
获取该总和与所述多个操作位置信息的总数量的比值，作为对应的重复操作评价参数。
在上述任一实施例的基础上，所述识别模块404在根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果时，用于：
判断目标重复操作评价参数是否超过其对应的预设阈值，若是，则确定所述用户存在作弊行为；
其中，所述目标重复操作评价参数为所述第一重复操作评价参数、所述第二重复操作评价参数以及所述第三重复操作评价参数中至少一项。
在上述任一实施例的基础上，所述处理模块403还用于：
在判断目标重复操作评价参数是否超过其对应的预设阈值前，根据预设策略，从所述第一重复操作评价参数、所述第二重复操作评价参数以及所述第三重复操作评价参数中确定所述目标重复操作评价参数。
在上述任一实施例的基础上，所述统计模块402从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息时，用于：
若所述多个操作位置信息的总数量超过预设总数量阈值，则从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息。
在上述任一实施例的基础上，所述设备还包括控制模块，用于：
若识别结果为所述用户存在作弊行为，则拒绝响应所述目标操作对应的操作请求；和/或
对所述用户确定处罚策略，并根据所述处罚策略向所述终端发送处罚信息。
本发明实施例提供的作弊行为识别设备可以具体用于执行上述图2-3所提供的方法实施例，具体功能此处不再赘述。
本发明实施例提供的作弊行为识别设备，通过获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；从多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量；根据每一重复操作位置信息的重复数量、以及多个操作位置信息的总数量，获取重复操作评价参数；根据重复操作评价参数以及预设阈值，确定用户是否存在作弊行为的识别结果。本实施例通过对完全相同和/或部分相同的重复操作位置信息的重复数量统计，以及根据每一重复操作位置信息的重复数量、以及多个操作位置信息的总数量，获取重复操作评价参数，可是使得重复操作评价参数准确的反映出目标操作的重复水平，更科学的量化判断是否作弊的评价依据，提高识别作弊行为的抗干扰能力和识别的准确性，有效的避免误判和漏判，保证抢单或抢购等场景的公平性。
图5为本发明实施例提供的计算机设备的结构示意图。本发明实施例提供的计算机设备可以执行作弊行为识别方法实施例提供的处理流程，如图5所示，计算机设备50包括存储器51、处理器52、计算机程序；其中，计算机程序存储在存储器51中，并被配置为由处理器52执行以上实施例所述的作弊行为识别方法。此外，计算机设备50还可具有通讯接口53，用于接收控制指令。
图5所示实施例的计算机设备可用于执行上述方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
另外，本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可以为非临时性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以实现上述实施例所述的作弊行为识别方法。
在本发明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，在本发明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(processor)执行本发明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(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开的实施例旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求书指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求书来限制。

Claims (18)

1.一种作弊行为识别方法，其特征在于，包括：
获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；
从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量；
根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数；
根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果。
2.根据权利要求1所述的方法，其特征在于，所述操作位置信息包括目标操作的操作位置在终端界面上的二维坐标信息，所述二维坐标信息包括第一维度坐标信息和第二维度坐标信息；
所述完全相同和/或部分相同的重复操作位置信息包括以下至少一项：
二维坐标信息完全相同的第一类重复操作位置信息，第一维度坐标信息相同的第二类重复操作位置信息，第二维度坐标信息相同的第三类重复操作位置信息。
3.根据权利要求2所述的方法，其特征在于，所述根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数，包括：
根据每一所述第一类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第一重复操作评价参数；和/或
根据每一所述第二类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第二重复操作评价参数；和/或
根据每一所述第三类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第三重复操作评价参数。
4.根据权利要求3所述的方法，其特征在于，所述根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数，包括：
从各所述同类型重复操作位置信息中筛选出重复数量超过对应预设数量的目标重复操作位置信息；
获取每一所述目标重复操作位置信息的重复数量的总和；
获取该总和与所述多个操作位置信息的总数量的比值，作为对应的重复操作评价参数。
5.根据权利要求3或4所述的方法，其特征在于，所述根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果，包括：
判断目标重复操作评价参数是否超过其对应的预设阈值，若是，则确定所述用户存在作弊行为；
其中，所述目标重复操作评价参数为所述第一重复操作评价参数、所述第二重复操作评价参数以及所述第三重复操作评价参数中至少一项。
6.根据权利要求5所述的方法，其特征在于，所述判断目标重复操作评价参数是否超过其对应的预设阈值前，还包括：
根据预设策略，从所述第一重复操作评价参数、所述第二重复操作评价参数以及所述第三重复操作评价参数中确定所述目标重复操作评价参数。
7.根据权利要求1所述的方法，其特征在于，所述从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，包括：
若所述多个操作位置信息的总数量超过预设总数量阈值，则从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息。
8.根据权利要求1所述的方法，其特征在于，所述确定所述用户是否存在作弊行为的识别结果后，还包括：
若识别结果为所述用户存在作弊行为，则拒绝响应所述目标操作对应的操作请求；和/或
对所述用户确定处罚策略，并根据所述处罚策略向所述终端发送处罚信息。
9.一种作弊行为识别设备，其特征在于，包括：
获取模块，用于获取在预设时长内用户在终端界面上重复进行目标操作时的多个操作位置信息；
统计模块，用于从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息，并获取每一重复操作位置信息的重复数量；
处理模块，用于根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数；
识别模块，用于根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果。
10.根据权利要求9所述的设备，其特征在于，所述操作位置信息包括目标操作的操作位置在终端界面上的二维坐标信息，所述二维坐标信息包括第一维度坐标信息和第二维度坐标信息；
所述完全相同和/或部分相同的重复操作位置信息包括以下至少一项：
二维坐标信息完全相同的第一类重复操作位置信息，第一维度坐标信息相同的第二类重复操作位置信息，第二维度坐标信息相同的第三类重复操作位置信息。
11.根据权利要求10所述的设备，其特征在于，所述处理模块在根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数时，用于：
根据每一所述第一类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第一重复操作评价参数；和/或
根据每一所述第二类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第二重复操作评价参数；和/或
根据每一所述第三类重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取第三重复操作评价参数。
12.根据权利要求11所述的设备，其特征在于，所述处理模块在根据每一重复操作位置信息的重复数量、以及所述多个操作位置信息的总数量，获取重复操作评价参数时，用于：
从各所述同类型重复操作位置信息中筛选出重复数量超过对应预设数量的目标重复操作位置信息；
获取每一所述目标重复操作位置信息的重复数量的总和；
获取该总和与所述多个操作位置信息的总数量的比值，作为对应的重复操作评价参数。
13.根据权利要求11或12所述的设备，其特征在于，所述识别模块在根据所述重复操作评价参数以及预设阈值，确定所述用户是否存在作弊行为的识别结果时，用于：
判断目标重复操作评价参数是否超过其对应的预设阈值，若是，则确定所述用户存在作弊行为；
其中，所述目标重复操作评价参数为所述第一重复操作评价参数、所述第二重复操作评价参数以及所述第三重复操作评价参数中至少一项。
14.根据权利要求13所述的设备，其特征在于，所述处理模块还用于：
在判断目标重复操作评价参数是否超过其对应的预设阈值前，根据预设策略，从所述第一重复操作评价参数、所述第二重复操作评价参数以及所述第三重复操作评价参数中确定所述目标重复操作评价参数。
15.根据权利要求9所述的设备，其特征在于，所述统计模块从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息时，用于：
若所述多个操作位置信息的总数量超过预设总数量阈值，则从所述多个操作位置信息中筛选出完全相同和/或部分相同的重复操作位置信息。
16.根据权利要求9所述的设备，其特征在于，还包括控制模块，用于：
若识别结果为所述用户存在作弊行为，则拒绝响应所述目标操作对应的操作请求；和/或
对所述用户确定处罚策略，并根据所述处罚策略向所述终端发送处罚信息。
17.一种计算机设备，其特征在于，包括：存储器和处理器；
所述存储器用于存储程序指令；
所述处理器用于调用所述存储器中的程序指令执行如权利要求1-8任一项所述的方法。
18.一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；所述计算机程序被执行时，实现如权利要求1-8任一项所述的方法。
CN202011219022.9A 2020-11-04 2020-11-04 作弊行为识别方法、设备及存储介质 Active CN112399352B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011219022.9A CN112399352B (zh) 2020-11-04 2020-11-04 作弊行为识别方法、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011219022.9A CN112399352B (zh) 2020-11-04 2020-11-04 作弊行为识别方法、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112399352A true CN112399352A (zh) 2021-02-23
CN112399352B CN112399352B (zh) 2023-07-18

Family

ID=74597484

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011219022.9A Active CN112399352B (zh) 2020-11-04 2020-11-04 作弊行为识别方法、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112399352B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113742719A (zh) * 2021-08-26 2021-12-03 深圳依时货拉拉科技有限公司 抢单外挂检测方法及计算机设备
CN117290586A (zh) * 2022-06-17 2023-12-26 河北雄安三千科技有限责任公司 分析评价信息的方法、装置及***

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118013A (zh) * 2015-07-29 2015-12-02 北京嘀嘀无限科技发展有限公司 一种订单的分配方法及装置
CN110381063A (zh) * 2019-07-22 2019-10-25 秒针信息技术有限公司 一种确定作弊流量的方法及装置
US20190373492A1 (en) * 2016-02-16 2019-12-05 Saguna Networks Ltd. Methods Circuits Devices Systems and Functionally Associated Computer Executable Code to Support Edge Computing on a Communication Network
CN110580211A (zh) * 2019-08-23 2019-12-17 鹏城实验室 监控方法、装置、键盘和存储介质
CN110909353A (zh) * 2019-11-28 2020-03-24 网易（杭州）网络有限公司 外挂检测方法及装置
CN111625819A (zh) * 2020-05-26 2020-09-04 北京思特奇信息技术股份有限公司 一种防止客户端使用外挂的方法和***

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105118013A (zh) * 2015-07-29 2015-12-02 北京嘀嘀无限科技发展有限公司 一种订单的分配方法及装置
US20190373492A1 (en) * 2016-02-16 2019-12-05 Saguna Networks Ltd. Methods Circuits Devices Systems and Functionally Associated Computer Executable Code to Support Edge Computing on a Communication Network
CN110381063A (zh) * 2019-07-22 2019-10-25 秒针信息技术有限公司 一种确定作弊流量的方法及装置
CN110580211A (zh) * 2019-08-23 2019-12-17 鹏城实验室 监控方法、装置、键盘和存储介质
CN110909353A (zh) * 2019-11-28 2020-03-24 网易（杭州）网络有限公司 外挂检测方法及装置
CN111625819A (zh) * 2020-05-26 2020-09-04 北京思特奇信息技术股份有限公司 一种防止客户端使用外挂的方法和***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
王娟: "C2C电子商务网站反作弊***的设计与实现", 《网络安全技术与应用》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113742719A (zh) * 2021-08-26 2021-12-03 深圳依时货拉拉科技有限公司 抢单外挂检测方法及计算机设备
CN113742719B (zh) * 2021-08-26 2022-04-15 深圳依时货拉拉科技有限公司 抢单外挂检测方法及计算机设备
CN117290586A (zh) * 2022-06-17 2023-12-26 河北雄安三千科技有限责任公司 分析评价信息的方法、装置及***

Also Published As

Publication number Publication date
CN112399352B (zh) 2023-07-18

Similar Documents

Publication Publication Date Title
WO2019127875A1 (zh) 专属坐席池分配方法、电子装置及计算机可读存储介质
US10157067B2 (en) System optimizing method and apparatus
CN110390584B (zh) 一种异常用户的识别方法、识别装置及可读存储介质
CN112399352A (zh) 作弊行为识别方法、设备及存储介质
CN108111554B (zh) 一种访问队列的控制方法及装置
CN108112038B (zh) 一种控制访问流量的方法及装置
WO2019157779A1 (zh) 一种来电处理方法、电子装置及计算机可读存储介质
US20220020084A1 (en) Account assignment manager for collection and recovery
CN110909353B (zh) 外挂检测方法及装置
CN110689443A (zh) 出险数据处理方法、装置及存储介质、服务器
CN115344776A (zh) 社交平台用户违规行为风控方法、装置及终端设备
CN114143402A (zh) 一种ai外呼方法、装置、计算机设备及存储介质
CN107608979B (zh) 识别用户潜在求助的知识点的方法及装置
CN111192150B (zh) 车辆出险代理业务的处理方法、装置、设备及存储介质
CN112465558A (zh) 用于预测区域广告触达率的方法、装置及设备
CN116362750A (zh) 数据筛选方法、装置、电子设备及存储介质
CN113055459B (zh) 日志投递方法和装置、电子设备及存储介质
CN110544104B (zh) 帐号的确定方法、装置、存储介质及电子装置
CN107798041B (zh) 保单数据存储方法、装置及终端设备
CN110891097B (zh) 一种跨设备用户识别方法及装置
CN112642162A (zh) 用户登录管理方法、装置、计算机设备及存储介质
CN111708994A (zh) 一种风险管理方法、装置、设备及介质
CN115169977A (zh) 基于自动分配的任务处理方法、装置、设备及介质
CN112165456B (zh) 一种劫持流量识别方法、装置及电子设备
CN110210786B (zh) 事前风控处理方法及装置

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