[发明专利]作弊识别方法、装置、电子设备及可读存储介质

说明书

本公开的实施例提供了一种作弊识别方法、装置、电子设备及可读存储介质，所述方法包括：获取用户的实时行为，并根据所述实时行为生成实时用户特征；将所述实时用户特征、预先生成的历史用户特征输入至预先训练得到的机器模型中，预测得到所述实时行为对应的作弊概率，所述机器模型通过用户特征样本构成的用户特征样本集训练得到，所述用户特征样本包括一个或多个用户特征，所述用户特征样本集根据所述用户特征之间的相关性进行预处理；根据所述作弊概率确定所述实时行为是否为作弊行为。本公开实施例可以根据实时行为预测作弊行为，有助于解决冷启动问题。

技术领域

本公开的实施例涉及网络技术领域，尤其涉及一种作弊识别方法、装置、电子设备及可读存储介质。

背景技术

在网络技术的迅速发展下，同时也导致了网络作弊的频繁发生。网络作弊严重影响网络数据的质量和用户体验。

现有技术中，一种可以识别作弊订单的方案的主要步骤包括：首先，获取订单的属性信息和与订单相关的用户的行为信息；然后，根据订单的属性信息和行为信息，通过作弊预测模型获取订单的作弊概率，其中，用户的行为信息包括：乘客的历史作弊行为、乘客的注册时间、乘客的手机号/设备是否是黑名单用户、司机的历史作弊行为、司机的注册时间及司机的该天的订单数；最后，若作弊概率大于第一阈值，则确定该订单为作弊订单，否则为正常订单。

发明人对上述方案进行研究过程中发现，上述方案依赖于乘客、司机的历史作弊行为，存在冷启动问题，即当不存在历史作弊行为时，需要通过其他方法补充历史作弊行为，导致模型的识别准确度较低。

发明内容

本公开的实施例提供一种作弊识别方法、装置、电子设备及可读存储介质，可以解决现有技术中作弊识别的上述问题。

根据本公开的实施例的第一方面，提供了一种作弊识别方法，所述方法包括：

获取用户的实时行为，并根据所述实时行为生成实时用户特征；

将所述实时用户特征、预先生成的历史用户特征输入至预先训练得到的机器模型中，预测得到所述实时行为对应的作弊概率，所述机器模型通过用户特征样本构成的用户特征样本集训练得到，所述用户特征样本包括一个或多个用户特征，所述用户特征样本集根据所述用户特征之间的相关性进行预处理；

根据所述作弊概率确定所述实时行为是否为作弊行为。

根据本公开的实施例的第二方面，提供了一种作弊识别装置，所述装置包括：

实时用户特征生成模块，用于获取用户的实时行为，并根据所述实时行为生成实时用户特征；

作弊概率预测模块，用于将所述实时用户特征、预先生成的历史用户特征输入至预先训练得到的机器模型中，预测得到所述实时行为对应的作弊概率，所述机器模型通过用户特征样本构成的用户特征样本集训练得到，所述用户特征样本包括一个或多个用户特征，所述用户特征样本集根据所述用户特征之间的相关性进行预处理；

作弊行为判别模块，用于根据所述作弊概率确定所述实时行为是否为作弊行为。

根据本公开的实施例的第三方面，提供了一种电子设备，包括：

处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现前述作弊识别方法。

根据本公开的实施例的第四方面，提供了一种可读存储介质，其特征在于，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行前述作弊识别方法。