[发明专利]一种作弊用户的识别方法及系统

权利要求书

1.一种作弊用户的识别方法，其特征在于，所述方法包括：

获取目标用户的用户信息，并基于所述用户信息，判断所述目标用户是否为疑似作弊用户；

在确定所述目标用户为疑似作弊用户后，获取所述目标用户的行为数据，所述行为数据表征所述目标用户的至少一个行为特征；

获取与所述行为特征相关联的判定阈值，并基于所述判定阈值，判断所述行为特征是否属于异常行为特征；

基于针对所述行为特征的判断结果，确定所述目标用户是否为作弊用户。

2.根据权利要求1所述的方法，其特征在于，所述用户信息包括所述目标用户的用户名；相应地，判断所述目标用户是否为疑似作弊用户包括：

判断所述目标用户的用户名是否具备指定格式，若具备所述指定格式，判定所述目标用户为疑似作弊用户；其中，所述指定格式为注册用户名时默认采用的格式。

3.根据权利要求1所述的方法，其特征在于，所述用户信息包括所述目标用户在单位时间内的视频点播次数/视频点赞次数；相应地，判断所述目标用户是否为疑似作弊用户包括：

判断所述目标用户在单位时间内的视频点播次数/视频点赞次数是否超过次数阈值，若超过，判定所述目标用户为疑似作弊用户。

4.根据权利要求1所述的方法，其特征在于，所述用户信息包括所述目标用户的账号当前登录的通信地址；相应地，判断所述目标用户是否为疑似作弊用户包括：

统计所述通信地址处登陆的不同账号的数量，并判断统计的所述数量是否超过数量阈值，若超过，判定所述目标用户为疑似作弊用户。

5.根据权利要求1所述的方法，其特征在于，按照以下方式确定与所述行为特征相关联的判定阈值：

获取多个非作弊用户的行为数据，并从所述多个非作弊用户的行为数据中分别提取出指定行为特征对应的数据，其中，提取的所述数据用于表征所述行为特征的量化结果；

统计提取出的所述数据中，所述指定行为特征对应的量化临界值，并将所述量化临界值作为与所述指定行为特征相关联的判定阈值。

6.根据权利要求1所述的方法，其特征在于，判断所述行为特征是否属于异常行为特征包括：

统计所述行为特征在所述目标用户的行为数据中对应的量化值；

当与所述行为特征相关联的判定阈值表征判定下限值时，判断统计出的所述量化值是否小于所述判定阈值；若小于，判定所述行为特征属于异常行为特征；若大于或者等于，判定所述行为特征不属于异常行为特征；

当与所述行为特征相关联的判定阈值表征判定上限值时，判断统计出的所述量化值是否大于所述判定阈值；若大于，判定所述行为特征属于异常行为特征；若小于或者等于，判定所述行为特征不属于异常行为特征；

其中，所述行为特征至少包括点播行为特征、点赞行为特征、收藏行为特征、播放时长行为特征、评论行为特征、下载行为特征、转发行为特征中的至少一种。

7.根据权利要求1或6所述的方法，其特征在于，当所述行为特征为播放时长行为特征时，判断所述行为特征是否属于异常行为特征包括：

从所述目标用户的行为数据中统计所述目标用户观看视频的平均播放时长，并统计所述目标用户观看的视频的平均总时长；

计算所述平均播放时长与所述平均总时长的比值，当计算的所述比值小于指定时长比例阈值时，判定所述播放时长行为特征为异常行为特征。

8.根据权利要求1所述的方法，其特征在于，基于针对所述行为特征的判断结果，确定所述目标用户是否为作弊用户包括：

统计所述判断结果中异常行为特征的数量，若统计的所述数量大于指定数量阈值，判定所述目标用户为作弊用户；

若统计的所述数量小于或者等于所述指定数量阈值，判定所述目标用户为非作弊用户。