CN113840157A - 访问检测方法、***及装置 - Google Patents
访问检测方法、***及装置 Download PDFInfo
- Publication number
- CN113840157A CN113840157A CN202111117081.XA CN202111117081A CN113840157A CN 113840157 A CN113840157 A CN 113840157A CN 202111117081 A CN202111117081 A CN 202111117081A CN 113840157 A CN113840157 A CN 113840157A
- Authority
- CN
- China
- Prior art keywords
- user
- attribution
- information
- stuck
- target object
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/21—Server components or server architectures
- H04N21/218—Source of audio or video content, e.g. local disk arrays
- H04N21/2187—Live feed
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
- H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
- H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
- H04N21/25866—Management of end-user data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/4508—Management of client data or end-user data
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/458—Scheduling content for creating a personalised stream, e.g. by combining a locally stored advertisement with an incoming stream; Updating operations, e.g. for OS modules ; time-related management operations
- H04N21/4586—Content update operation triggered locally, e.g. by comparing the version of software modules in a DVB carousel to the version stored locally
-
- 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
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Computer Graphics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请提供访问检测方法、***及装置,其中所述访问检测方法包括:获取预设时间区间内目标对象的用户归属信息;确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布;基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布;根据所述卡顿率分布确定所述目标对象的访问检测结果,实现了通过分析卡顿率的方式对目标对象是否存在异常访问进行了检测,有效地提高了检测精准度。
Description
技术领域
本申请涉及数据处理技术领域,特别涉及一种访问检测方法。本申请同时涉及一种访问检测***、一种访问检测装置,一种计算设备,以及一种计算机可读存储介质。
背景技术
在直播体系中,直播人气是用于对直播平台的直播间进行排名的重要指标。通常直播人气越高,直播间的排名越靠前,主播就越有可能被用户观看。然而一些主播为了提升人气,会采用非正常手段模拟对直播间的访问。这种情况的出现会影响直播间排名的公正性。因此,精确判断直播房间是否存在刷量情况,并对刷量房间进行一定的惩处措施,对于维护直播平台生态有着重要的意义。目前,很多直播平台通过直播人数的波动情况判断直播间是否存在刷量情况,但这种判断方式并不能精准判断直播间是否存在刷量。
发明内容
有鉴于此,本申请实施例提供了一种访问检测方法。本申请同时涉及一种访问检测***,一种访问检测装置,一种计算设备,以及一种计算机可读存储介质,以解决现有技术中存在的无法精准判断直播间是否存在刷量的问题。
根据本申请实施例的第一方面,提供了一种访问检测方法,包括:
获取预设时间区间内目标对象的用户归属信息;
确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布;
基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布;
根据所述卡顿率分布确定所述目标对象的访问检测结果。
根据本申请实施例的第二方面,提供了一种访问检测***,包括:
至少一个客户端以及服务端;
其中,所述至少一个客户端,被配置为向所述服务端发送访问目标对象的用户信息;
所述服务端,被配置为接收所述至少一个客户端发送的所述用户信息;根据所述用户信息确定所述目标对象的用户归属信息;获取预设时间区间内所述目标对象的用户归属信息;确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布;基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布;根据所述卡顿率分布确定所述目标对象的访问检测结果。
根据本申请实施例的第三方面,提供了一种访问检测装置,包括:
获取模块,被配置为获取预设时间区间内目标对象的用户归属信息;
确定分布模块,被配置为确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布;
计算模块,被配置为基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布;
确定结果模块,被配置为根据所述卡顿率分布确定所述目标对象的访问检测结果。
根据本申请实施例的第四方面,提供了一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,所述处理器执行所述计算机指令时实现所述访问检测方法的步骤。
根据本申请实施例的第五方面,提供了一种计算机可读存储介质,其存储有计算机指令,所述计算机指令被处理器执行时实现所述访问检测方法的步骤。
本申请提供的访问检测方法,通过获取预设时间区间内目标对象的用户归属信息,确定用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在预设时间区间内的访问用户分布和卡顿用户分布,实现了按照归属类型统计目标对象的访问用户分布以及卡顿用户分布。且在结合访问用户分布以及卡顿用户分布的基础上,计算所述预设时间区间内的卡顿率分布,并根据卡顿率分布确定目标对象的访问检测结果,实现了通过分析卡顿率的方式对目标对象是否存在异常访问进行了检测,有效地提高了检测精准度,以便下游业务对存在异常访问的目标对象做出合理的治理。
附图说明
图1是本申请一实施例提供的一种访问检测方法的流程图;
图2是本申请一实施例提供的一种应用于直播场景的访问检测方法的处理流程图;
图3是本申请一实施例提供的一种访问检测方法中信息上报的示意图;
图4是本申请一实施例提供的一种访问检测***的结构示意图;
图5是本申请一实施例提供的一种访问检测装置的结构示意图;
图6是本申请一实施例提供的一种计算设备的结构框图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此本申请不受下面公开的具体实施的限制。
在本申请一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本申请一个或多个实施例。在本申请一个或多个实施例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,本申请一个或多个实施例中使用的术语“和/或”是指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,尽管在本申请一个或多个实施例中可能采用术语第一、第二等来描述各种信息,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,在不脱离本申请一个或多个实施例范围的情况下,第一也可以被称为第二,类似地,第二也可以被称为第一。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”。
首先,对本申请一个或多个实施例涉及的名词术语进行解释。
直播流:直播音视频数据的传输,它能够被作为一个稳定的和连续的流通过网络传输给观众观看。
直播拉流:是指通过直播云平台到用户指定的源站拉取直播流的过程。
直播人气:综合在线人数,弹幕数,礼物数等按照一定比例算出的数值,用于在直播平台按照人气的高低对直播间进行排名。
直播人数:实时观看直播间的真实人数。
刷量:通过模拟正常用户访问,产生大量虚假观看的情况。
防刷:通过技术手段,识别异常访问的请求,并拒绝非法请求。
标准差:是一组数值自平均值分散开来的程度的一种测量观念。一个较大的标准差,代表大部分的数值和其平均值之间差异较大;一个较小的标准差,代表这些数值较接***均值。
IP地址(Internet Protocol Address):是指互联网协议地址,又译为网际协议地址。它是IP协议提供的一种统一的地址格式,它为互联网上的每一个网络和每一台主机分配一个逻辑地址,以此来屏蔽物理地址的差异。
GPS(Global Positioning System,全球定位***):是一种以人造地球卫星为基础的高精度无线电导航的定位***,它在全球任何地方以及近地空间都能够提供准确的地理位置、车行速度及精确的时间信息。
在本申请中,提供了一种访问检测方法,本申请同时涉及一种访问检测***,一种访问检测装置,一种计算设备,以及一种计算机可读存储介质,在下面的实施例中逐一进行详细说明。
图1示出了根据本申请一实施例提供的一种访问检测方法的流程图,具体包括以下步骤:
步骤102:获取预设时间区间内目标对象的用户归属信息。
其中,预设时间区间,是指预先设置的对目标对象进行访问检测的时间区间。也可以理解为对这个时间区间内的目标对象检测是否出现访问异常。该预设时间区间可以是任意的时间区间,该时间区间具体时长可以是30分钟,45分钟,1个小时等,在此不做限制。
目标对象是指可以被访问的对象,比如直播间、视频、小说、网站等,在此不做限制。相应地,用户归属信息,是指访问目标对象的用户的归属信息,具体的,用户归属信息,包括访问用户的地理位置归属、网络归属、年龄归属、性别归属、职业归属等,在此不做限制。实际应用中,获取预设时间区间内目标对象的用户归属信息,根据用户归属信息携带的时间戳,并获取该时间戳在预设时间区间内的用户归属信息。
具体实施时,该用户归属信息可以直接由客户端进行发送,这种情况下,用户归属信息携带的时间戳,为服务端接收该用户归属信息的接收时间。此外,用户归属信息还可以是通过服务端对接收的用户信息进行信息处理获得的。这种情况下,用户归属信息携带的时间戳,为服务端接收该用户归属信息对应的用户信息的接收时间。
实际应用中,为了避免在对目标对象进行访问检测的过程中,根据客户端发送的用户信息确定用户归属信息,从而增加检测耗时。可以在接收到这些用户信息的时候,直接根据接收的用户信息确定用户归属信息,并将确定的用户归属信息进行存储,以便在对目标对象进行访问检测时获取这些预存储的用户归属信息即可,本申请实施例,具体采用如下方式实现:
接收访问目标对象的用户的用户信息;
基于所述用户信息确定所述目标对象的用户归属信息。
其中,用户信息,是指访问目标对象的用户的相关信息,该用户信息可以包括用户所使用的客户端的IP地址、用户账户、或用户的手机号码等在内的访问信息,在此不做限制。实际应用中,由于访问目标对象的用户数量可能非常庞大,如果需要服务端主动采集相关的用户信息,这会给服务端带来较大的压力,为了减轻服务端的压力,可以由客户端主动向服务发送这些用户信息,以便服务端可以根据接收的用户信息确定用户归属信息。
比如:用户信息包括访问目标对象的用户的手机号码,服务端在接收到该手机号码之后,则可以根据手机号码查询持有该手机号码的用户所在的城市信息,将该城市信息作为用户归属信息。
综上,接收访问目标对象的用户的用户信息,并基于该用户信息确定目标对象的用户归属信息,实现了在对目标对象进行访问检测之前确定用户信息的用户归属信息,提高了对目标对象的访问检测效率。
进一步的,由于同一地理位置以及网络运营商(或同一地理位置)的用户的卡顿情况比较相近,因此,以地理位置以及网络运营商(或位置信息)作为用户归属信息,可以更好识别目标对象的访问情况是否异常,本申请实施例,具体采用如下方式实现:
对所述用户信息解析,获得地址标识;
查询所述地址标识对应的位置信息以及网络信息,将所述位置信息以及网络信息作为所述目标对象的用户归属信息;或
查询地址标识对应的位置信息,将所述位置信息作为所述目标对象的用户归属信息。
其中,地址标识,可以是IP地址、地理地址简称、地理地址详情等标识信息,在此不做限制。具体实施时,对用户信息进行解析,若用户信息中本身包含了地址标识,则可以理解为从用户信息中获取地址标识;若用户信息中本身并不包含地址标识,则可以根据用户信息中包含的信息查询其对应的地址标识。
具体实施时,可以基于解析获得的地址标识进行查询,获得地址标识对应的位置信息以及网络信息,或获得地址信息对应的位置信息,具体的,可以在预设数据库中进行查询;位置信息,可以是省份名称、省份编码、城市名称、城市编码等信息;网络信息,可以是网络运营商信息(比如联通、电信、移动)、网络类型信息(比如4G类型、5G类型、宽带类型)等。实际应用中,可以将位置信息以及网络信息联合作为用户归属信息,也可以直接将位置信息作为用户归属信息,具体实施时,可以根据对目标对象的检测需求进行检测,在此不做限制。
以目标对象为直播间为例,客户端A向服务端发送访问直播间1的用户U的用户信息infor1,该用户信息infor1中包括直播1的直播间标识(room_id):“123”以及用户U所使用的客户端的IP地址,服务端接收到该用户信息infor1之后infor1,对该用户信息infor1进行解析,获得用户信息infor1中包含的IP地址:ip1。根据ip1在GPS库中进行查询,即可获得该ip1对应的省份名称“安徽”以及网络运营商名称“移动”。
综上,在对用户信息进行解析,获得地址标识的情况下,再确定地址标识对应的位置信息以及运营商信息,或地址标识对应的位置信息,以及这些信息作为用户归属信息,对目标对象进行访问检测,提高了访问检测的准确度。
由于目前判断目标对象是否存在刷量的情况(访问异常的情况),大多都是根据对目标对象的访问人数趋势来判断。例如目标对象的访问人数是在一瞬间陡增,或者访问人数始终是一样的(不存在波动),则表明可能存在对目标对象的刷量情况。但是对于访问人数的统计,是基于客户端的心跳定时上报统计的。理论上,如果模拟上报心跳的算法足够好,就会产生和真实访问目标对象一样的效果。因此,根据目标对象的访问人数趋势判断目标对象是否存在刷量,可能无法准确判断目标对象是否存在刷量。为了提高判断的精准度可以在客户端心跳上报的基础上结合卡顿上报,并基于上报的信息确定访问人数的分布和卡顿人数的分布规律,以便进一步判断目标对象是否符合正常人为访问效果,本申请实施例,具体采用如下方式实现:
接收访问目标对象的用户的访问用户信息以及卡顿用户信息;
将所述访问用户信息以及所述卡顿用户信息作为所述用户信息;
相应地,所述基于所述用户信息确定所述目标对象的用户归属信息,包括:
基于所述用户信息中的访问用户信息确定所述目标对象的访问用户归属信息,以及基于所述用户信息中的卡顿用户信息确定所述目标对象的卡顿用户归属信息;
将所述访问用户归属信息以及所述卡顿用户归属信息作为所述用户归属信息。
其中,访问用户信息,是指访问目标对象的用户的信息,该信息可以是客户端进入目标对象所属的页面的时候,由该页面定时发送的一个心跳信息。该心跳信息可以是一个HTTP请求,用于上报有一个用户当前正在访问目标对象。该心跳信息中可以包括:目标对象的对象信息以及访问用户的用户信息。
卡顿用户信息,是指访问用户中在目标对象的过程中出现卡顿情况的用户的信息。实际应用中,卡顿用户信息中包含的信息内容可以和访问用户信息中包含的内容相同,也可以不同,在此不做限制。具体的,卡顿是指用户在观看直播间的时候,直播间在播放直播流的过程中出现观看卡顿或者花屏等现象。而每次用户观看出现卡顿的情况,都会触发播放器的卡顿事件上报,相对于心跳上报,卡顿上报是被动的,是观看行为所触发的,无法模拟产生。
需要说明的是,卡顿出现的原因可能是用户设备差,观看的直播间流对设备要求性能高,现有设备无法满足;也有可能是网络速度慢,观看的直播间需要的带宽较高,网络抖动或者网络慢。
实际应用中,在两种用户信息的内容相同时,服务端可以通过客户端发送这两种用户信息的方式不同,将该这两种用户信息进行区分并标记。在这两种用户信息的内容不同时,可以在信息内容中记录各自的信息类型:比如心跳类型(访问类型)或卡顿类型等,以便服务端直接根据接收的用户信息的信息内容区分其属于哪种信息。
进一步的,在接收这两种信息之后,需要分别确定这两种信息对应的用户归属信息,以便基于用户归属信息统计目标对象的访问用户情况以及卡顿用户情况。
沿用上例,服务端接收访问用户信息infor1的基础上,将ip1对应的省份名称“安徽”以及网络运营商名称“移动”作为访问用户归属信息。此外,还接收到客户端B向服务端发送访问直播间1的用户U2的卡顿用户信息cinfor1,该卡顿用户信息cinfor1中包括直播1的直播间标识(room_id):“123”以及用户U2所使用的客户端的IP地址,服务端接收到该卡顿用户信息cinfor1之后,对该卡顿用户信息cinfor1进行解析,获得卡顿用户信息cinfor1中包含的IP地址:ip2。根据ip2在GPS库中进行查询,即可获得该ip2对应的省份名称“安徽”以及网络运营商名称“联通”。将ip2对应的省份名称“安徽”以及网络运营商名称“联通”作为卡顿用户归属信息。并将访问用户归属信息以及卡顿用户归属信息作为用户归属信息。
综上,在访问用户信息的基础上结合卡顿用户信息,确定这两种信息的用户归属信息,以便基于这些用户归属信息确定访问用户和卡顿用户的分布情况,进而根据两种用户的分布情况,对目标对象进行访问检测,提高了访问检测的准确性。
实际应用中,如果目标对象的访问人数太少,从人数上就可以基本确定目标对象不存在刷量的情况。则为了避免浪费检测资源,没有必要对该目标对象进行访问检测。因此,可以先确定目标对象的访问人数是否达到检测标准,在达到检测标准之后,再对目标对象进行检测,本申请实施例,具体通过如下方式实现:
判断所述预设时间区间内所述用户归属信息中的访问用户归属信息的信息数量是否大于预设数量阈值;
若是,表明达到对目标对象进行访问检测的条件,则执行所述确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布步骤;
若否,表明未达到对目标对象进行访问检测的条件,不做操作即可。
其中,信息数量,可以理解为访问用户归属信息的信息条数,在预设时间区间内服务端每接收一条访问用户归属信息,信息数量加一。该信息数量可以表明在预设时间区间内对目标对象的访问人数的多少。相应地,预设数量阈值,是指预先设置的对目标对象进行访问检测时,访问用户归属信息所需达到的最低数量标准。
沿用上例,在预设时间区间为2021/07/15[10:00AM-10:30AM]的情况下,假设这段时间内服务端接收到的访问用户归属信息的信息数量为10000条,预设数量阈值为500条,该信息数量大于预设数量阈值,表明达到对直播间1进行访问检测的条件,则执行下述步骤104。
综上,在预设时间区间内用户归属信息中的访问用户归属信息的信息数量大于预设数量阈值的情况下,对目标对象进行访问检测,避免了浪费计算资源对目标对象进行无意义的访问检测。
除在对目标对象进行访问检测之前确定用户信息对应的用户归属信息之外,为了增加确定用户归属信息的多样性以及灵活性,还可以在对目标对象的检测过程中确定第二用户信息对应的用户归属信息,本申请实施例,具体采用如下方式实现:
获取预设时间区间内访问目标对象的用户的第二用户信息;
基于所述第二用户信息确定所述预设时间区间内目标对象的用户归属信息。
其中,第二用户信息,是指预设时间区间内服务端接收的用户信息。具体实施时,基于第二用户信息确定目标对象的用户归属信息的具体实现与上述基于用户信息确定目标对象的用户归属信息的具体实现类似,参考上述基于用户信息确定目标对象的用户归属信息的具体实现即可,在此不做赘述。
沿用上例,在预设时间区间为2021/07/15[10:00AM-10:30AM]的情况下,服务端获取在这段时间内接收到的针对直播间1的10000条用户信息,确定每条用户信息对应的用户归属信息,则获得10000条目标对象的用户归属信息。
综上,在对目标对象进行访问检测时,获取预设时间区间内访问目标对象的用户的第二用户信息,并基于第二用户信息确定预设时间区间内目标对象的用户归属信息,增加了确定目标对象的用户归属信息的时间多样性以及灵活性。
步骤104:确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布。
具体的,在上述获取预设时间区间内目标对象的用户归属信息的基础上,如果这些用户归属信息分散开来,很难看出对目标对象的访问情况,因此,需要确定用户归属信息的归属类型,按照归属类型确定预设时间区间内的用户分布情况,再根据用户分布情况判断目标对象是否存在访问异常。
其中,归属类型,是指将相同的归属信息归为一类之后,获得用户归属信息的类型。比如用户归属信息为省份名称,在预设时间区间内存在10000条用户归属信息,然而这10000条用户归属信息很多是同一省份,对这些省份去重后,获得34种省份,则这34种省份作为用户归属信息的归属类型。
访问用户分布,是指访问目标对象的用户的分布,具体的,访问用户分布可以是预设时间区间内访问用户的数量分布、也可以是预设时间区间内访问用户的年龄分布、性别分布等。比如,访问用户分布为预设时间区间内访问用户的数量分布,则该访问用户分布可以表示为在预设时间区间10:00AM-10:30AM这30分钟内每分钟访问目标对象的用户的数量分布。相应地,卡顿用户分布,是指访问目标对象的用户中卡顿用户的分布,具体的,卡顿用户分布也可以是预设时间区间内卡顿用户的数量分布、年龄分布、或性别分布等。在此不做限制。
具体实施时,由于用户归属信息的信息数量本身可以表示用户数量。为了避免采用更多的用户信息(比如性别、年龄等)统计用户的分布情况,从而消耗计算资源,可以直接基于访问用户的数量分布以及卡顿用户的数量分布,对目标对象进行访问检测,本申请实施例,具体采用如下方式实现:
确定所述预设时间区间内的时间周期;
基于用户归属信息确定每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量;
将每个时间周期内每种归属类型的访问用户数量作为所述预设时间区间内的访问用户分布,以及将每个时间周期内每种归属类型的卡顿用户数量作为所述预设时间区间内的卡顿用户分布。
其中,时间周期,可以理解为将预设时间区间按照一个时间间隔划分为了至少一个时间子区间,每个时间子区间即为一个时间周期,该时间周期可以理解为一个统计时间周期,即基于每个时间周期的用户归属信息都进行一次用数量统计。访问用户数量是指卡顿的用户的数量,卡顿用户数量是指卡顿的用户的数量。需要说明的是,该时间周期长短通常取决于客户端上报的时间间隔。
具体实施时,可以先确定用户归属信息的信息类型,比如用户归属信息是卡顿类型,还是访问类型,再基于用户归属信息的归属类型统计每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量。假设归属类型为省份名称+网络运营商名称,则以省份名称+网络运营商名称为唯一key,统计每个时间周期的访问用户数量以及卡顿用户数量。则针对任意一个时间周期存在的任意一种归属类型都可以统计出一条数据,该数据中可以包括:【对象标识】、【省份名称+网络运营上名称】、【访问用户数量】、【卡顿用户数量】这些字段。
沿用上例,在上述获取10000条用户归属信息的基础上,确定这10000条用户归属信息的归属类型有102种,分别为:ty1、ty2、ty3、……、ty102。在预设时间区间为2021/07/15[10:00AM-10:30AM]的情况下,对10:00AM-10:30AM这30分钟按照1分钟的时间间隔进行划分,获得30个时间周期,这30个时间周期分别为t1、t2、t3、……、t30。再对每个时间周期的用户归属信息按照用户归属信息对应的类型字段进行划分,获得每个时间周期的访问类型的用户归属信息,以及卡顿类型的用户归属信息。再对每个时间周期的访问类型的用户归属信息,按照归属类型统计每种归属类型对应的信息条数作为访问用户数量;以及对每个时间周期的卡顿类型的用户归属信息,按照归属类型统计每种归属类型对应的信息条数作为卡顿用户数量。
综上,基于用户归属信息确定预设时间区间内每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量,实现了按照时间周期以及归属类型对访问用户数量以及卡顿用户数量进行统计,并将统计结果作为预设时间区间内的访问用户分布以及卡顿用户分布,提升了统计效率,并进一步提高了对目标对象的访问检测效率。
步骤106:基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布。
具体的,在上述确定在预设时间区间内的访问用户分布和卡顿用户分布的基础上,考虑到卡顿率分布可以用以检测目标对象的访问情况,因此基于获得的访问用户分布和卡顿用户分布计算预设时间区间内的卡顿率分布,再根据卡顿率分布确定目标对象的访问检测结果,以便提高访问检测的准确性。
其中,卡顿率分布,可以是各个归属类型的卡顿率分布,也可以是各个时间周期的卡顿率分布,还可以是二者的结合,此外,还可以在这些维度的基础上再结合其他用户属性,比如用户年龄、性别、职业等获得对应的卡顿率分布,在此不做限制。
具体实施时,在上述确定访问用户数量以及卡顿用户数量的基础上,由于单独的访问用户数量,或单独的卡顿用户数量都不能够准确地反应目标对象的访问情况,因此,基于这两种数据计算每个时间周期内每种归属类型对应的卡顿率,再基于卡顿率确定目标对象的访问情况,本申请实施例,具体采用如下方式实现:
基于每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量计算在每个时间周期内每种归属类型对应的卡顿率;
将每个时间周期内每种归属类型对应的卡顿率作为所述预设时间区间内的卡顿率分布。
具体实施时,基于每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量计算在每个时间周期内每种归属类型对应的卡顿率,是指计算每个时间周期内每种归属类型的卡顿用户数量与其对应的时间周期,以及对应的归属类型的访问用户数量的比值,将该比值作为每个时间周期内每种归属类型对应的卡顿率。实际应用中,由于该比值为小数,为了便于对其进行计算,还可以将其乘以100%将其转换为百分数。
沿用上例,假设t1时间周期内,归属类型为“安徽+移动”的访问用户数量为150人,并且该归属类型为“安徽+移动”的卡顿用户数量为15人,则t1时间周期内该归属类型为“安徽+移动”对应的卡顿率为15/150=0.1。
综上,基于每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量计算在每个时间周期内每种归属类型对应的卡顿率,实现了按照时间周期以及归属类型的维度计算卡顿率,基于这种细致的维度对卡顿率进行计算,更便于定位目标对象的异常访问情况。
步骤108:根据所述卡顿率分布确定所述目标对象的访问检测结果。
具体的,在上述确定卡顿率分布的基础上,即可根据卡顿率分布是否符合正常规律,确定目标对象的访问检测结果。
其中,访问检测结果,包括异常访问和正常访问两种结果,其中,异常访问,表明检测到目标对象存在刷量的情况,则需要对目标对象施行比如关闭目标对象、预设冷冻期等惩罚措施,以便有效防刷。其中,正常访问,表明检测目标对象不存在刷量的情况,不做处理即可。
具体实施时,如果计算出的卡顿率分布没有参照数据进行对比,则很难分析出访问检测结果是否存在异常,因此,为了提高对目标对象的访问检测的准确性,可以计算预设时间区间内每种归属类型的卡顿率的平均值以及标准差,再基于计算结果确定参照数据,本申请实施例,具体实现采用如下步骤:
步骤1082:基于每个时间周期内每种归属类型对应的卡顿率计算每种归属类型对应的卡顿率平均值以及卡顿率标准差。
其中,卡顿率平均值,是通过对预设时间区间内每个时间周期内每种归属类型对应的卡顿率求平均值获得的。相应地,卡顿率标准差,是通过对预设时间区间内每个时间周期内每种归属类型对应的卡顿率求标准差获得的。
实际应用中,考虑到这些计算出的卡顿率中可能存在一些由于数据错误导致的偏差性很大的卡顿率,为了避免这类卡顿率对计算结果产生的不良影响,可以在运用这些卡顿率计算卡顿率平均值以及卡顿率标准差之前,将这些不良的卡顿率过滤掉,本申请实施例,具体采用如下方式实现:
确定所述预设时间区间内每种归属类型对应的卡顿率的第一卡顿率数量;
基于所述第一卡顿率数量以及预设数量比例确定第二卡顿率数量;
对所述预设时间区间内每种归属类型对应的卡顿率进行排序,获得排序结果;
根据所述第二卡顿率数量对每种归属类型对应的卡顿率进行更新,并将更新后的每种归属类型对应的卡顿率作为每种归属类型对应的卡顿率。
其中,第一卡顿率数量,是指预设时间区间内每种归属类型对应的卡顿率的数量。相应地,预设数量比例,可以理解为需要从每种归属类型对应的卡顿率中过滤的不良卡顿率的比例,比如该预设数量比例可以为5%、3%等,在此不做限制。第二卡顿率数量,根据第一卡顿率数量与预设数量比例的乘积,从每种归属类型对应的卡顿率中计算出的需要过滤的卡顿率的数量。
进一步的,在上述计算出第二卡顿率数量的基础上,对预设时间区间内每种归属类型对应的卡顿率分别进行排序,获得排序结果。再根据排序结果移除第二卡顿率数量的其对应归属类型对应的卡顿率。实际应用中,可以从排序结果中移除第二卡顿率数量的最低卡顿率。也可以将第二卡顿率数量除以2获得商值,从排序结果中移除该商值对应数量的最高卡顿率并移除该商值对应数量的最低卡顿率。
比如:上述30分钟内归属类型为“安徽+移动”对应的卡顿率为30条,在预设数量比例为10%的情况下,计算出针对归属类型为“安徽+移动”需要过滤不良卡顿率的第二卡顿率数量为30*10%=3条,则对这30条卡顿率以从低到高的顺序进行排序,并从排序结果中移除排在前3位的卡顿率,获得剩余的27条卡顿率。
综上,从预设时间区间内每种归属类型对应的卡顿率中过滤出不良的卡顿率,保障了后续计算卡顿率平均值以及卡顿率标准差的准确性,并进一步提高了确定目标对象的访问检测结果的准确性。
步骤1084:根据每种归属类型对应的卡顿率平均值以及卡顿率标准差筛选预设时间区间内每种归属类型对应的卡顿率中的异常卡顿率。
具体的,在上述计算卡顿率平均值以及卡顿率标准差的基础上,结合这两种数据,从每种归属类型对应的卡顿率中筛选异常卡顿率。
其中,异常卡顿率,是指卡顿用户数量和访问用户数量的比值不正常的
具体实施时,如果分别将卡顿率平均值以及卡顿率标准差用以确定异常卡顿率,需要更多的计算成本,并且可能存在确定不准确的情况,因此,可以将卡顿率平均值以及卡顿率标准差进行结合,确定一个异常检测区间,并通过该异常检测区间,确定异常卡顿率,本申请实施例,具体采用如下方式实现:
根据每种归属类型对应的卡顿率平均值以及卡顿率标准差计算每种归属类型对应的异常检测区间;
在预设时间区间内每种归属类型对应的卡顿率中选择不在其对应的异常检测区间内的卡顿率作为每种归属类型对应的异常卡顿率。
其中,异常检测区间,可以理解为用于检测异常卡顿率的数值区间,具体的,若卡顿率在异常检测区间内,则表明该卡顿率是正常的,若卡顿率不在异常检测区间内,则表明该拉顿率是异常的。
实际应用中,该异常检测区间的取值,可以为[卡顿率平均值-卡顿率标准差,卡顿率平均值+卡顿率标准差]。此外,该异常检测区间的取值,还可以为[卡顿率平均值-2*卡顿率标准差,卡顿率平均值+2*卡顿率标准差]等,在此不做限制。
具体实施时,针对每种归属类型的卡顿率都计算对应的卡顿率平均值以及卡顿率标准差。因此,可以再基于计算出的两种数据确定每种归属类型对应的异常检测区间,即可实现将任一卡顿率将其和其归属类型相同的异常检测区间进行对比即可。若该任一卡顿率在其对应的异常检测区间,则该任一卡顿率是正常卡顿率;若该任一卡顿率不在其对应的异常检测区间,则该任一卡顿率是异常卡顿率。
沿用上例,假设30分钟内归属类型为“安徽+移动”对应的27条卡顿率的卡顿率平均值为a1,并且这27条卡顿率的标准差为s1。则归属类型为“安徽+移动”对应的异常检测区间为[a1-s1,a1+s1]。分别判断这27条卡顿率中每条卡顿率是否在异常检测区间[a1-s1,a1+s1]内,若是,则将该条卡顿率确定为异常卡顿率。
综上,先根据每种归属类型对应的卡顿率平均值以及卡顿率标准差两种数据计算每种归属类型对应的异常检测区间,再基于异常检测区间内确定异常卡顿率,减少了计算量,并提高了确定异常卡顿率的准确性。
步骤1086:基于每种归属类型对应的卡顿率的总数量及其对应的异常卡顿率的异常数量确定目标对象的访问检测结果。
具体的,在上述确定异常卡顿率的基础上,由于异常卡顿率表明了该归属类型对应的访问用户数量以及卡顿用户数量存在异常。但考虑到偶尔出现异常并不一定表明存在对目标对象进行异常访问的情况,因此,可以基于异常卡顿率的占比,确定目标对象的访问检测结果。
具体实施时,为了准确确定目标对象的访问检测结果,可以为异常卡顿率的占比设置一个占比标准,通过该占比标准,确定目标对象的访问检测结果,本申请实施例,具体采用如下方式实现:
计算每种归属类型对应异常卡顿率的异常数量与其对应的卡顿率的总数量的比值;
判断所述比值中是否存在大于预设比值阈值的比值;
若是,表明目标对象未存在异常访问的情况,则确定所述目标对象的访问检测结果为异常访问;
若否,表明目标对象存在异常访问的情况,则确定所述目标对象的访问检测结果为正常访问。
实际应用中,由于存在多种归属类型的异常卡顿率占比,而任一种归属类型的异常卡顿率占比大于预先设置的占比标准(即预设比值阈值),都表明目标对象存在异常访问的情况,即可以确定目标对象的访问检测结果为异常访问。
沿用上例,假设30分钟内归属类型为“安徽+移动”对应的27条卡顿率中,有6条异常卡顿率,计算该归属类型“安徽+移动”异常卡顿率的异常数量6和对应的卡顿率27的比值为6/27=22%,在预设比值阈值为10%的情况下,该比值大于预设比值阈值,则确定针对直播间1的访问检测结果为异常访问,即表明直播间1存在刷量情况。
假设针对102种归属类型计算的比值中都不存在大于10%的比值,则确定直播间1的访问检测结果为正常访问。
综上,通过计算每种归属类型对应异常卡顿率的异常数量与其对应的卡顿率的总数量的比值,并在任一比值中是否大于预设比值阈值的情况下,确定目标对象的访问检测结果为异常访问,提高了对目标对象的访问检测的细致度,也提高了对目标对象的访问检测的准确性。
综上所述,本申请提供的访问检测方法,通过获取预设时间区间内目标对象的用户归属信息,确定用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在预设时间区间内的访问用户分布和卡顿用户分布,实现了按照归属类型统计目标对象的访问用户分布以及卡顿用户分布。且在结合访问用户分布以及卡顿用户分布的基础上,计算所述预设时间区间内的卡顿率分布,并根据卡顿率分布确定目标对象的访问检测结果,实现了通过分析卡顿率的方式对目标对象是否存在异常访问进行了检测,有效地提高了检测精准度,以便下游业务对存在异常访问的目标对象做出合理的治理。
下述结合附图2,以本申请提供的访问检测方法在直播场景中的应用为例,对所述访问检测方法进行进一步说明。其中,图2示出了本申请一实施例提供的一种应用于直播场景的访问检测方法的处理流程图,具体包括以下步骤:
步骤202:至少一个直播间客户端每隔1分钟触发直播间A所属的直播页面向直播服务端发送访问该直播间A的用户的访问用户信息。
具体的,该预设时间间隔,可以是1分钟,也可以是2分钟,该值可以根据实际需求进行设置,在此不做限制。访问用户信息可以理解为直播间客户端定时心跳上报,该访问用户信息中包括直播间A的房间号以及上报直播间客户端的IP地址。
实际应用中,如图3所述,直播间客户端按照预设时间间隔向直播服务端(服务中心)发送的访问用户信息,可以理解为该直播间客户端向直播服务端定时上报的心跳信息。该心跳信息,是表明有一个用户当前正在观看直播间A。
步骤204:至少一个直播间客户端在检测到直播间A出现卡顿的情况下,向直播服务端发送用户的卡顿用户信息。
具体的,卡顿用户信息,可以理解为直播间客户端的卡顿上报,该卡顿用户信息中包括直播间A的房间号以及上报直播间客户端的IP地址。
实际应用中,该卡顿上报是被动的,是观看行为所触发的,无法模拟产生。具体的,如图3所示,用户在通过直播间客户端观看直播间A时,若直播间A出现卡顿现象,则在播放器监测到直播拉流的卡顿或者花屏的情况下,向直播服务端(服务中心)进行卡顿上报。
步骤206:直播服务端接收至少一个直播间客户端发送的访问用户信息以及卡顿用户信息。
步骤208:基于该访问用户信息确定直播间A的访问用户归属信息,以及基于该卡顿用户信息确定直播间A的卡顿用户归属信息,并将访问用户归属信息以及卡顿用户归属信息作为用户归属信息。
具体的,直播服务基于访问用户信息中携带的IP地址,查询GPS库,即可获得该IP地址对应的省份以及网络运营商,将查询到的省份以及网络运营商作为用户所在省份以及用户所用运营商,即访问用户归属信息。
类似地,直播服务基于卡顿用户信息中携带的IP地址,查询GPS库,即可获得该IP地址对应的省份以及网络运营商,将查询到的省份以及网络运营商作为用户所在省份以及用户所用运营商,即卡顿用户归属信息。
步骤210:获取预设时间区间内直播间A的用户归属信息。
具体的,获取2021/8/2[9:00PM,9:30PM]这30分钟内直播间A的用户归属信息。
步骤212:确定用户归属信息的归属类型,并按照1分钟的时间间隔确定预设时间区间内的30个时间周期。
具体的,基于获取的用户归属信息按照确定“省份+运营商”确定归属类型,获得100种归属类型。
步骤214:基于用户归属信息确定预设时间区间内每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量。
具体的,假设针对30个时间周期中第一个时间周期,基于2021/8/2[9:00PM,9:30PM]这30分钟内第一个时间周期中的多个归属类型中针对归属类型“河北+移动”进行统计,获得归属类型“河北+移动”对应的访问用户数量为280,卡顿用户数量为28。
步骤216:计算每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量的比值,将该比值作为每个时间周期内每种归属类型对应的卡顿率。
具体的,归属类型“河北+移动”对应的卡顿率为28/280=0.1。
步骤218:确定预设时间区间内每种归属类型对应的卡顿率的顿率数量q1。
具体的,预设时间区间内有30个时间周期,假设每个时间周期都包含每种归属类型的卡顿率,则预设时间区间内每种归属类型对应的卡顿率的顿率数量q1为30。
步骤220:将顿率数量q1以及预设数量比例5%的乘积确定为顿率数量q2。
具体的,计算q1和预设数量比例5%的乘积为30*5%=1.5,对q1向上取整,确定卡顿率数量q2为2。
步骤222:对预设时间区间内每种归属类型对应的卡顿率进行排序,获得排序结果。
具体的,针对多种归属类型中的一个归属类型“河北+移动”,将归属类型“河北+移动”对应的30条卡顿率按照从低到高的顺序进行排序,获得排序结果。
步骤224:根据顿率数量q2对每种归属类型对应的卡顿率进行更新,并将更新后的每种归属类型对应的卡顿率作为每种归属类型对应的卡顿率。
具体的,从排序结果中移除排在前2位的卡顿率,获得更新后的归属类型“河北+移动”对应的卡顿率。
步骤226:基于每个时间周期内每种归属类型对应的卡顿率计算每种归属类型对应的卡顿率平均值以及卡顿率标准差。
步骤228:根据每种归属类型对应的卡顿率平均值以及卡顿率标准差计算每种归属类型对应的异常检测区间。
步骤230:在预设时间区间内每种归属类型对应的卡顿率中选择不在其对应的异常检测区间内的卡顿率作为每种归属类型对应的异常卡顿率。
步骤232:计算每种归属类型对应异常卡顿率的异常数量与其对应的卡顿率的总数量的比值。
具体的,针对归属类型“河北+移动”,计算异常卡顿率的异常数量5与卡顿率总数量28的比值为0.18。
步骤234:判断比值中是否存在大于预设比值阈值的比值;
若是,表明直播间A存在刷量访问,则执行下述步骤236;
若否,表明直播间A不存在刷量访问,则执行下述步骤238。
具体的,在预设比值阈值为10%的情况下,针对归属类型“河北+移动”,判断其对应的比值0.18大于预设比值阈值10%,表明直播间A存在刷量访问,则执行下述步骤236。
假设针对归属类型“河北+移动”,判断其对应的比值不大于预设比值阈值10%,判断针对另外99种归属类型计算的99个比值是否存在大于预设比值阈值10%的比值,若是,表明直播间A存在刷量访问,执行下述步骤236;若否,表明直播间A不存在刷量访问,执行下述步骤238。
步骤236:确定直播间A的访问检测结果为刷量访问。
步骤238:确定直播间A的访问检测结果为正常访问。
综上所述,本申请提供的访问检测方法,通过直播服务端接收至少一个直播间客户端发送的访问用户信息以及卡顿用户信息,并对接收的这两种信息进行解析,获得对应的用户归属信息,获取预设时间区间内直播间A的用户归属信息,确定用户归属信息的归属类型,并基于归属类型和所述用户归属信息确定在预设时间区间内的访问用户分布和卡顿用户分布,实现了按照归属类型统计直播间A的访问用户分布以及卡顿用户分布。且在结合访问用户分布以及卡顿用户分布的基础上,计算所述预设时间区间内的卡顿率分布,并根据卡顿率分布确定直播间A的访问检测结果,实现了通过分析卡顿率的方式对直播间A是否存在异常访问进行了检测,有效地提高了检测精准度,以便下游业务对存在异常访问的直播间做出合理的治理。
图4示出了根据本申请一实施例提供的一种访问检测***的结构示意图,如图4所示,该***包括:
至少一个客户端402以及服务端404;
其中,所述至少一个客户端402,被配置为向所述服务端发送访问目标对象的用户信息;
所述服务端404,被配置为接收所述至少一个客户端发送的所述用户信息;根据所述用户信息确定所述目标对象的用户归属信息;获取预设时间区间内所述目标对象的用户归属信息;确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布;基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布;根据所述卡顿率分布确定所述目标对象的访问检测结果。
可选地,所述至少一个客户端402,进一步被配置为:
按照预设时间间隔触发目标对象所属的对象页面向所述服务端发送访问所述目标对象的用户的访问用户信息;以及在检测到所述目标对象出现卡顿的情况下,向所述服务端发送所述用户的卡顿用户信息。
具体的,该预设时间间隔,可以是1分钟,也可以是2分钟,该值可以根据实际需求进行设置,在此不做限制。
可选地,所述服务端404,进一步被配置为:
确定所述预设时间区间内的时间周期;
基于用户归属信息确定每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量;
将每个时间周期内每种归属类型的访问用户数量作为所述预设时间区间内的访问用户分布,以及将每个时间周期内每种归属类型的卡顿用户数量作为所述预设时间区间内的卡顿用户分布。
可选地,所述服务端404,进一步被配置为:
基于每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量计算在每个时间周期内每种归属类型对应的卡顿率;
将每个时间周期内每种归属类型对应的卡顿率作为所述预设时间区间内的卡顿率分布。
可选地,所述服务端404,进一步被配置为:
基于每个时间周期内每种归属类型对应的卡顿率计算每种归属类型对应的卡顿率平均值以及卡顿率标准差;
根据每种归属类型对应的卡顿率平均值以及卡顿率标准差筛选预设时间区间内每种归属类型对应的卡顿率中的异常卡顿率;
基于每种归属类型对应的卡顿率的总数量及其对应的异常卡顿率的异常数量确定目标对象的访问检测结果。
可选地,所述服务端404,进一步被配置为:
根据每种归属类型对应的卡顿率平均值以及卡顿率标准差计算每种归属类型对应的异常检测区间;
在预设时间区间内每种归属类型对应的卡顿率中选择不在其对应的异常检测区间内的卡顿率作为每种归属类型对应的异常卡顿率。
可选地,所述服务端404,进一步被配置为:
计算每种归属类型对应异常卡顿率的异常数量与其对应的卡顿率的总数量的比值;
判断所述比值中是否存在大于预设比值阈值的比值;
若是,确定所述目标对象的访问检测结果为异常访问;
若否,确定所述目标对象的访问检测结果为正常访问。
可选地,所述服务端404,进一步被配置为:
确定所述预设时间区间内每种归属类型对应的卡顿率的第一卡顿率数量;
基于所述第一卡顿率数量以及预设数量比例确定第二卡顿率数量;
对所述预设时间区间内每种归属类型对应的卡顿率进行排序,获得排序结果;
根据所述第二卡顿率数量对每种归属类型对应的卡顿率进行更新,并将更新后的每种归属类型对应的卡顿率作为每种归属类型对应的卡顿率。
可选地,所述服务端404,进一步被配置为:
对所述用户信息解析,获得地址标识;
查询所述地址标识对应的位置信息以及网络信息,将所述位置信息以及网络信息作为所述目标对象的用户归属信息;或查询地址标识对应的位置信息,将所述位置信息作为所述目标对象的用户归属信息。
可选地,所述服务端404,进一步被配置为:
接收访问目标对象的用户的访问用户信息以及卡顿用户信息;
将所述访问用户信息以及所述卡顿用户信息作为所述用户信息;
相应地,所述基于所述用户信息确定所述目标对象的用户归属信息,包括:
基于所述用户信息中的访问用户信息确定所述目标对象的访问用户归属信息,以及基于所述用户信息中的卡顿用户信息确定所述目标对象的卡顿用户归属信息;
将所述访问用户归属信息以及所述卡顿用户归属信息作为所述用户归属信息。
可选地,所述服务端404,还被配置为:
判断所述预设时间区间内所述用户归属信息中的访问用户归属信息的信息数量是否大于预设数量阈值;
若是,执行所述确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布步骤。
综上所述,本申请提供的访问检测***,至少一个客户端与服务端相互配合,由客户端向服务端发送用户信息,而服务端接收用户信息,并确定用户信息的用户归属信息,再通过获取预设时间区间内目标对象的用户归属信息,确定用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在预设时间区间内的访问用户分布和卡顿用户分布,实现了按照归属类型统计目标对象的访问用户分布以及卡顿用户分布。且在结合访问用户分布以及卡顿用户分布的基础上,计算所述预设时间区间内的卡顿率分布,并根据卡顿率分布确定目标对象的访问检测结果,实现了通过分析卡顿率的方式对目标对象是否存在异常访问进行了检测,有效地提高了检测精准度,以便下游业务对存在异常访问的目标对象做出合理的治理。
上述为本实施例的一种访问检测***的示意性方案。需要说明的是,该访问检测***的技术方案与上述的访问检测方法的技术方案属于同一构思,访问检测***的技术方案未详细描述的细节内容,均可以参见上述访问检测方法的技术方案的描述。
与上述方法实施例相对应,本申请还提供了访问检测装置实施例,图5示出了本申请一实施例提供的一种访问检测装置的结构示意图。如图5所示,该装置包括:
获取模块502,被配置为获取预设时间区间内目标对象的用户归属信息;
确定分布模块504,被配置为确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布;
计算模块506,被配置为基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布;
确定结果模块508,被配置为根据所述卡顿率分布确定所述目标对象的访问检测结果。
可选地,所述确定分布模块504,进一步被配置为:
确定所述预设时间区间内的时间周期;
基于用户归属信息确定每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量;
将每个时间周期内每种归属类型的访问用户数量作为所述预设时间区间内的访问用户分布,以及将每个时间周期内每种归属类型的卡顿用户数量作为所述预设时间区间内的卡顿用户分布。
可选地,所述计算模块506,进一步被配置为:
基于每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量计算在每个时间周期内每种归属类型对应的卡顿率;
将每个时间周期内每种归属类型对应的卡顿率作为所述预设时间区间内的卡顿率分布。
可选地,所述确定结果模块508,包括:
计算标准差子模块,被配置为基于每个时间周期内每种归属类型对应的卡顿率计算每种归属类型对应的卡顿率平均值以及卡顿率标准差;
筛选子模块,被配置为根据每种归属类型对应的卡顿率平均值以及卡顿率标准差筛选预设时间区间内每种归属类型对应的卡顿率中的异常卡顿率;
确定检测结果子模块,被配置为基于每种归属类型对应的卡顿率的总数量及其对应的异常卡顿率的异常数量确定目标对象的访问检测结果。
可选地,所述筛选子模块,进一步被配置为:
根据每种归属类型对应的卡顿率平均值以及卡顿率标准差计算每种归属类型对应的异常检测区间;
在预设时间区间内每种归属类型对应的卡顿率中选择不在其对应的异常检测区间内的卡顿率作为每种归属类型对应的异常卡顿率。
可选地,所述确定检测结果子模块,进一步被配置为:
计算每种归属类型对应异常卡顿率的异常数量与其对应的卡顿率的总数量的比值;
判断所述比值中是否存在大于预设比值阈值的比值;
若是,确定所述目标对象的访问检测结果为异常访问;
若否,确定所述目标对象的访问检测结果为正常访问。
可选地,所述确定结果模块508,还包括:
第一确定数量子模块,被配置为确定所述预设时间区间内每种归属类型对应的卡顿率的第一卡顿率数量;
第二确定数量子模块,被配置为基于所述第一卡顿率数量以及预设数量比例确定第二卡顿率数量;
排序子模块,被配置为对所述预设时间区间内每种归属类型对应的卡顿率进行排序,获得排序结果;
更新子模块,被配置为根据所述第二卡顿率数量对每种归属类型对应的卡顿率进行更新,并将更新后的每种归属类型对应的卡顿率作为每种归属类型对应的卡顿率。
可选地,所述访问检测装置,还包括:
接收模块,被配置为接收访问目标对象的用户的用户信息;
确定信息模块,被配置为基于所述用户信息确定所述目标对象的用户归属信息。
可选地,所述确定信息模块,包括:
解析子模块,被配置为对所述用户信息解析,获得地址标识;
查询子模块,被配置为查询所述地址标识对应的位置信息以及网络信息,将所述位置信息以及网络信息作为所述目标对象的用户归属信息;或查询地址标识对应的位置信息,将所述位置信息作为所述目标对象的用户归属信息。
可选地,所述接收模块,进一步被配置为:
接收访问目标对象的用户的访问用户信息以及卡顿用户信息;将所述访问用户信息以及所述卡顿用户信息作为所述用户信息;
相应地,所述确定信息模块,进一步被配置为:
基于所述用户信息中的访问用户信息确定所述目标对象的访问用户归属信息,以及基于所述用户信息中的卡顿用户信息确定所述目标对象的卡顿用户归属信息;将所述访问用户归属信息以及所述卡顿用户归属信息作为所述用户归属信息。
可选地,所述访问检测装置,还包括:
判断模块,被配置为判断所述预设时间区间内所述用户归属信息中的访问用户归属信息的信息数量是否大于预设数量阈值;
若是,则运行所述确定分布模块504。
可选地,所述获取模块502,进一步被配置为:
获取预设时间区间内访问目标对象的用户的第二用户信息;
基于所述第二用户信息确定所述预设时间区间内目标对象的用户归属信息。
综上所述,本申请提供的访问检测装置,通过获取预设时间区间内目标对象的用户归属信息,确定用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在预设时间区间内的访问用户分布和卡顿用户分布,实现了按照归属类型统计目标对象的访问用户分布以及卡顿用户分布。且在结合访问用户分布以及卡顿用户分布的基础上,计算所述预设时间区间内的卡顿率分布,并根据卡顿率分布确定目标对象的访问检测结果,实现了通过分析卡顿率的方式对目标对象是否存在异常访问进行了检测,有效地提高了检测精准度,以便下游业务对存在异常访问的目标对象做出合理的治理。
上述为本实施例的一种访问检测装置的示意性方案。需要说明的是,该访问检测装置的技术方案与上述的访问检测方法的技术方案属于同一构思,访问检测装置的技术方案未详细描述的细节内容,均可以参见上述访问检测方法的技术方案的描述。
图6示出了根据本说明书一个实施例提供的一种计算设备600的结构框图。该计算设备600的部件包括但不限于存储器610和处理器620。处理器620与存储器610通过总线630相连接,数据库650用于保存数据。
计算设备600还包括接入设备640,接入设备640使得计算设备600能够经由一个或多个网络660通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备640可以包括有线或无线的任何类型的网络接口(例如,网络接口卡(NIC))中的一个或多个,诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口,等等。
在本说明书的一个实施例中,计算设备600的上述部件以及图6中未示出的其他部件也可以彼此相连接,例如通过总线。应当理解,图6所示的计算设备结构框图仅仅是出于示例的目的,而不是对本说明书范围的限制。本领域技术人员可以根据需要,增添或替换其他部件。
计算设备600可以是任何类型的静止或移动计算设备,包括移动计算机或移动计算设备(例如,平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如,智能手机)、可佩戴的计算设备(例如,智能手表、智能眼镜等)或其他类型的移动设备,或者诸如台式计算机或PC的静止计算设备。计算设备600还可以是移动式或静止式的服务器。
其中,处理器620用于执行计算机指令时实现所述的访问检测方法的步骤。
上述为本实施例的一种计算设备的示意性方案。需要说明的是,该计算设备的技术方案与上述的访问检测方法的技术方案属于同一构思,计算设备的技术方案未详细描述的细节内容,均可以参见上述访问检测方法的技术方案的描述。
本申请一实施例还提供一种计算机可读存储介质,其存储有计算机指令,所述计算机指令被处理器执行时实现如前所述访问检测方法的步骤。
上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是,该存储介质的技术方案与上述的访问检测方法的技术方案属于同一构思,存储介质的技术方案未详细描述的细节内容,均可以参见上述访问检测方法的技术方案的描述。
上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
所述计算机指令包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括:能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是,所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本申请所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节,也不限制该发明仅为所述的具体实施方式。显然,根据本申请的内容,可作很多的修改和变化。本申请选取并具体描述这些实施例,是为了更好地解释本申请的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。
Claims (16)
1.一种访问检测方法,其特征在于,包括:
获取预设时间区间内目标对象的用户归属信息;
确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布;
基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布;
根据所述卡顿率分布确定所述目标对象的访问检测结果。
2.根据权利要求1所述的访问检测方法,其特征在于,所述基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布,包括:
确定所述预设时间区间内的时间周期;
基于用户归属信息确定每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量;
将每个时间周期内每种归属类型的访问用户数量作为所述预设时间区间内的访问用户分布,以及将每个时间周期内每种归属类型的卡顿用户数量作为所述预设时间区间内的卡顿用户分布。
3.根据权利要求2所述的访问检测方法,其特征在于,所述基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布,包括:
基于每个时间周期内每种归属类型的访问用户数量以及卡顿用户数量计算在每个时间周期内每种归属类型对应的卡顿率;
将每个时间周期内每种归属类型对应的卡顿率作为所述预设时间区间内的卡顿率分布。
4.根据权利要求3所述的访问检测方法,其特征在于,根据所述卡顿率分布确定所述目标对象的访问检测结果,包括:
基于每个时间周期内每种归属类型对应的卡顿率计算每种归属类型对应的卡顿率平均值以及卡顿率标准差;
根据每种归属类型对应的卡顿率平均值以及卡顿率标准差筛选预设时间区间内每种归属类型对应的卡顿率中的异常卡顿率;
基于每种归属类型对应的卡顿率的总数量及其对应的异常卡顿率的异常数量确定目标对象的访问检测结果。
5.根据权利要求4所述的访问检测方法,其特征在于,所述根据每种归属类型对应的卡顿率平均值以及卡顿率标准差筛选预设时间区间内每种归属类型对应的卡顿率中的异常卡顿率,包括:
根据每种归属类型对应的卡顿率平均值以及卡顿率标准差计算每种归属类型对应的异常检测区间;
在预设时间区间内每种归属类型对应的卡顿率中选择不在其对应的异常检测区间内的卡顿率作为每种归属类型对应的异常卡顿率。
6.根据权利要求4所述的访问检测方法,其特征在于,所述基于每种归属类型对应的卡顿率的总数量及其对应的异常卡顿率的异常数量确定目标对象的访问检测结果,包括:
计算每种归属类型对应异常卡顿率的异常数量与其对应的卡顿率的总数量的比值;
判断所述比值中是否存在大于预设比值阈值的比值;
若是,确定所述目标对象的访问检测结果为异常访问;
若否,确定所述目标对象的访问检测结果为正常访问。
7.根据权利要求4所述的访问检测方法,其特征在于,所述基于每个时间周期内每种归属类型对应的卡顿率计算每种归属类型对应的卡顿率平均值以及卡顿率标准差之前,还包括:
确定所述预设时间区间内每种归属类型对应的卡顿率的第一卡顿率数量;
基于所述第一卡顿率数量以及预设数量比例确定第二卡顿率数量;
对所述预设时间区间内每种归属类型对应的卡顿率进行排序,获得排序结果;
根据所述第二卡顿率数量对每种归属类型对应的卡顿率进行更新,并将更新后的每种归属类型对应的卡顿率作为每种归属类型对应的卡顿率。
8.根据权利要求1-7任一所述的访问检测方法,其特征在于,所述获取预设时间区间内目标对象的用户归属信息之前,还包括:
接收访问目标对象的用户的用户信息;
基于所述用户信息确定所述目标对象的用户归属信息。
9.根据权利要求8所述的访问检测方法,其特征在于,所述基于所述用户信息确定所述目标对象的用户归属信息,包括:
对所述用户信息解析,获得地址标识;
查询所述地址标识对应的位置信息以及网络信息,将所述位置信息以及网络信息作为所述目标对象的用户归属信息;或查询地址标识对应的位置信息,将所述位置信息作为所述目标对象的用户归属信息。
10.根据权利要求8所述的访问检测方法,其特征在于,所述接收访问目标对象的用户的用户信息,包括:
接收访问目标对象的用户的访问用户信息以及卡顿用户信息;
将所述访问用户信息以及所述卡顿用户信息作为所述用户信息;
相应地,所述基于所述用户信息确定所述目标对象的用户归属信息,包括:
基于所述用户信息中的访问用户信息确定所述目标对象的访问用户归属信息,以及基于所述用户信息中的卡顿用户信息确定所述目标对象的卡顿用户归属信息;
将所述访问用户归属信息以及所述卡顿用户归属信息作为所述用户归属信息。
11.根据权利要求9或10所述的访问检测方法,其特征在于,所述确定所述用户归属信息的归属类型之前,还包括:
判断所述预设时间区间内所述用户归属信息中的访问用户归属信息的信息数量是否大于预设数量阈值;
若是,执行所述确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布步骤。
12.一种访问检测***,其特征在于,包括:
至少一个客户端以及服务端;
其中,所述至少一个客户端,被配置为向所述服务端发送访问目标对象的用户信息;
所述服务端,被配置为接收所述至少一个客户端发送的所述用户信息;根据所述用户信息确定所述目标对象的用户归属信息;获取预设时间区间内所述目标对象的用户归属信息;确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布;基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布;根据所述卡顿率分布确定所述目标对象的访问检测结果。
13.根据权利要求12所述的访问检测***,其特征在于,所述至少一个客户端,进一步被配置为:
按照预设时间间隔触发目标对象所属的对象页面向所述服务端发送访问所述目标对象的用户的访问用户信息;以及在检测到所述目标对象出现卡顿的情况下,向所述服务端发送所述用户的卡顿用户信息。
14.一种访问检测装置,其特征在于,包括:
获取模块,被配置为获取预设时间区间内目标对象的用户归属信息;
确定分布模块,被配置为确定所述用户归属信息的归属类型,并基于所述归属类型和所述用户归属信息确定在所述预设时间区间内的访问用户分布和卡顿用户分布;
计算模块,被配置为基于所述访问用户分布和所述卡顿用户分布计算所述预设时间区间内的卡顿率分布;
确定结果模块,被配置为根据所述卡顿率分布确定所述目标对象的访问检测结果。
15.一种计算设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机指令,其特征在于,所述处理器执行所述计算机指令时实现权利要求1-11任意一项所述方法的步骤。
16.一种计算机可读存储介质,其存储有计算机指令,其特征在于,所述计算机指令被处理器执行时实现权利要求1-11任意一项所述方法的步骤。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117081.XA CN113840157B (zh) | 2021-09-23 | 2021-09-23 | 访问检测方法、***及装置 |
PCT/CN2022/099473 WO2023045434A1 (zh) | 2021-09-23 | 2022-06-17 | 访问检测方法、***及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111117081.XA CN113840157B (zh) | 2021-09-23 | 2021-09-23 | 访问检测方法、***及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113840157A true CN113840157A (zh) | 2021-12-24 |
CN113840157B CN113840157B (zh) | 2023-07-18 |
Family
ID=78969522
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111117081.XA Active CN113840157B (zh) | 2021-09-23 | 2021-09-23 | 访问检测方法、***及装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113840157B (zh) |
WO (1) | WO2023045434A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023045434A1 (zh) * | 2021-09-23 | 2023-03-30 | 上海哔哩哔哩科技有限公司 | 访问检测方法、***及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909545A (zh) * | 2015-12-22 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 一种确定用户的归属信息的方法和设备 |
CN111092757A (zh) * | 2019-12-06 | 2020-05-01 | 网宿科技股份有限公司 | 一种异常数据的检测方法、***及设备 |
CN112073745A (zh) * | 2020-09-08 | 2020-12-11 | 北京一起教育信息咨询有限责任公司 | 一种基于卡顿率的线路分配方法、装置及电子设备 |
CN113068052A (zh) * | 2021-03-15 | 2021-07-02 | 上海哔哩哔哩科技有限公司 | 确定直播间刷量的方法、直播方法以及数据处理方法 |
CN113094239A (zh) * | 2021-04-27 | 2021-07-09 | 上海哔哩哔哩科技有限公司 | 直播异常原因的确定方法及服务器 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106612216B (zh) * | 2015-10-27 | 2020-02-07 | 北京国双科技有限公司 | 网站访问异常的检测方法及装置 |
CN107819624A (zh) * | 2017-11-10 | 2018-03-20 | 北京潘达互娱科技有限公司 | 一种内容分发网络节点分布信息的确定方法及装置 |
US11363042B2 (en) * | 2019-01-21 | 2022-06-14 | Netapp, Inc. | Detection of anomalies in communities based on access patterns by users |
CN112866806B (zh) * | 2019-11-28 | 2022-09-09 | 武汉瓯越网视有限公司 | 一种识别目标团体的方法及*** |
CN113840157B (zh) * | 2021-09-23 | 2023-07-18 | 上海哔哩哔哩科技有限公司 | 访问检测方法、***及装置 |
-
2021
- 2021-09-23 CN CN202111117081.XA patent/CN113840157B/zh active Active
-
2022
- 2022-06-17 WO PCT/CN2022/099473 patent/WO2023045434A1/zh unknown
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106909545A (zh) * | 2015-12-22 | 2017-06-30 | 阿里巴巴集团控股有限公司 | 一种确定用户的归属信息的方法和设备 |
CN111092757A (zh) * | 2019-12-06 | 2020-05-01 | 网宿科技股份有限公司 | 一种异常数据的检测方法、***及设备 |
CN112073745A (zh) * | 2020-09-08 | 2020-12-11 | 北京一起教育信息咨询有限责任公司 | 一种基于卡顿率的线路分配方法、装置及电子设备 |
CN113068052A (zh) * | 2021-03-15 | 2021-07-02 | 上海哔哩哔哩科技有限公司 | 确定直播间刷量的方法、直播方法以及数据处理方法 |
CN113094239A (zh) * | 2021-04-27 | 2021-07-09 | 上海哔哩哔哩科技有限公司 | 直播异常原因的确定方法及服务器 |
Non-Patent Citations (2)
Title |
---|
穆荣: "网络域名用户异常访问行为信息精准识别仿真", 《计算机仿真》 * |
穆荣: "网络域名用户异常访问行为信息精准识别仿真", 《计算机仿真》, no. 07, 15 July 2018 (2018-07-15) * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023045434A1 (zh) * | 2021-09-23 | 2023-03-30 | 上海哔哩哔哩科技有限公司 | 访问检测方法、***及装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023045434A1 (zh) | 2023-03-30 |
CN113840157B (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113068052B (zh) | 确定直播间刷量的方法、直播方法以及数据处理方法 | |
CN112995689B (zh) | 确定直播间刷量的方法及装置 | |
CN106162233B (zh) | 码率推荐方法及装置 | |
CN103686237B (zh) | 推荐视频资源的方法及*** | |
EP2479684B1 (en) | Method and evaluation server for evaluating a plurality of videos | |
EP3014904B1 (en) | Categorized location identification based on historical locations of a user device | |
US11727419B2 (en) | Realtime busyness for places | |
CN113067808B (zh) | 数据处理方法、直播方法、鉴权服务器及直播数据服务器 | |
CN109756746A (zh) | 视频审核方法、装置、服务器及存储介质 | |
CN106575294B (zh) | 一种轨迹数据查询的方法及装置 | |
CN106604137B (zh) | 一种预测视频观看时长的方法及装置 | |
CN113938318B (zh) | 确定直播间刷量的方法及装置 | |
CN113676754B (zh) | 直播视频转码方法及装置 | |
CN103997662A (zh) | 节目推送的方法及*** | |
CN111683273A (zh) | 视频卡顿信息的确定方法及装置 | |
CN107306200B (zh) | 网络故障预警方法和用于网络故障预警的网关 | |
CN113840157A (zh) | 访问检测方法、***及装置 | |
CN112465565B (zh) | 一种基于机器学习的用户画像预测的方法及装置 | |
CN114945097B (zh) | 视频流处理方法及装置 | |
WO2023151426A1 (zh) | 直播间人数统计方法及装置 | |
CN111368858B (zh) | 用户满意度评估方法及装置 | |
CN104602039A (zh) | 视频业务处理方法、装置及*** | |
CN112995686B (zh) | 数据处理方法、直播方法、鉴权服务器及直播数据服务器 | |
CN109753599B (zh) | 推荐业务的方法和装置 | |
JP2020010321A (ja) | 映像通話サービスの品質をリアルタイムで測定する方法およびシステム |
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 |