[发明专利]基于用户在线行为数据的作弊用户判定方法及装置

说明书

技术领域

本发明属于用户在线行为的检测技术领域，尤其涉及一种基于用户在线 行为数据的作弊用户判定方法及装置。

背景技术

在互联网技术较为发达的背景下，某些用户通过互联网模拟器或机器人 进行大批量在线行为模拟，以达到快速、大量获取资源的目的，这样的用户 被定义为作弊用户。为了防止用户作弊行为，亟需一种能从海量的用户中鉴 别出这些作弊用户的方法。

发明内容

本发明的目的在于提供一种基于用户在线行为数据的作弊用户判定方 法及装置，以解决上述问题。

本发明的实施例提供了一种基于用户在线行为数据的作弊用户判定方 法，包括以下步骤：

步骤1，根据用户唯一号对在线行为对应用户的行为记录进行更新，并 将更新的行为记录记入用户在线行为数据库；

其中，该行为记录包括该用户唯一号对应的行为总次数、行为频率及用 户产生时长；该行为总次数为日行为总次数，该行为频率为日平均行为频率， 该用户产生时长为用户注册后到最近产生行为日的时间；

步骤2，根据用户唯一号从该用户在线行为数据库中调取用户唯一号下 的所有行为记录，当该行为总次数大于1时，通过计算求得行为危险系数， 根据阀值判定该用户唯一号对应用户是否为作弊用户，当该行为危险系数大 于阀值则判定为作弊用户。

进一步，该方法还包括：通过该阀值确定非作弊用户，当该行为危险系 数小于所述阀值时，判定用户唯一号对应用户为非作弊用户。

进一步，该方法还包括：通过该行为总次数确定非作弊用户，当该行为 总次数小于等于1时，判定用户唯一号对应用户为非作弊用户。

进一步，该行为危险系数根据评估公式求得，该评估公式如下：

δ=(logρ((N2t)+ω))2-α*(logρ(f+γ))2+β]]>

其中，δ为危险系数，N为行为总次数，t为用户产生时长，f为行为频 率,ρ，ω，α，γ，β均为常数系数。

本发明的实施例还提供了一种基于用户在线行为数据的作弊用户判定 装置，包括：

行为记录更新模块，用于根据用户唯一号对在线行为对应用户的行为记 录进行更新，并将更新的行为记录记入用户在线行为数据库；

其中，该行为记录包括该用户唯一号对应的行为总次数、行为频率及用 户产生时长；该行为总次数为日行为总次数，该行为频率为日平均行为频率， 该用户产生时长为用户注册后到最近产生行为日的时间；

作弊用户判定模块，用于根据用户唯一号从该用户在线行为数据库中调 取该用户唯一号下的所有行为记录，当该行为总次数大于1时，通过计算求 得行为危险系数，根据阀值判定该用户唯一号对应用户是否为作弊用户，当 该行为危险系数大于阀值则判定为作弊用户。

进一步，该作弊用户判定模块还用于通过该阀值确定非作弊用户，当该 行为危险系数小于该阀值时，判定用户唯一号对应用户为非作弊用户。

进一步，该作弊用户判定模块还用于通过该行为总次数确定非作弊用 户，当该行为总次数小于等于1时，判定用户唯一号对应用户为非作弊用户。