[发明专利]生成作弊预测模型的方法、装置、设备、介质及程序产品

说明书

本公开提供了一种生成作弊预测模型的方法、装置、设备、介质及程序产品，涉及深度学习和知识图谱等人工智能领域。该方法的一实施方式包括：获取目标流量数据集；根据作弊预测模型的第一神经网络，确定目标流量数据集中不作弊对应的第一流量数据；根据作弊预测模型的第二神经网络，对第一流量数据进行作弊检测，得到第一流量数据中作弊对应的第二流量数据；利用目标流量数据集中作弊对应的流量数据和第二流量数据和对应的真实标签进行训练，生成作弊预测模型。

技术领域

本公开涉及计算机领域，具体涉及深度学习和知识图谱等人工智能领域，尤其涉及一种生成作弊预测模型的方法、装置、设备、介质及程序产品。

背景技术

流量反作弊方法是从正常用户行为、机器爬取、恶意刷点击以及羊毛党等行为中去掉非正常用户行为的数据，从而得到有效的日活跃用户数量(Daily Active User，DAU)、点击等数据为后续进行机器学习建模提供准确数据的过程。

目前，目前的反作弊方法包括以下几种情况：(1)基于规则的反作弊方法。(2)采用统计的方法。(3)基于聚类的算法。

发明内容

本公开实施例提出了一种生成作弊预测模型的方法、装置、设备、介质及程序产品。

第一方面，本公开实施例提出了一种生成作弊预测模型的方法，包括：获取目标流量数据集；根据作弊预测模型的第一神经网络，确定目标流量数据集中不作弊对应的第一流量数据；根据作弊预测模型的第二神经网络，对第一流量数据进行作弊检测，得到第一流量数据中作弊对应的第二流量数据；利用目标流量数据集中作弊对应的流量数据和第二流量数据和对应的真实标签进行训练，生成作弊预测模型。

第二方面，本公开实施例提出了一种生成作弊预测模型的装置，包括：数据获取模块，被配置成获取目标流量数据集；数据确定模块，被配置成根据作弊预测模型的第一神经网络，确定目标流量数据集中不作弊对应的第一流量数据；数据得到模块，被配置成根据作弊预测模型的第二神经网络，对第一流量数据进行作弊检测，得到第一流量数据中作弊对应的第二流量数据；模型训练模块，被配置成利用目标流量数据集中作弊对应的流量数据和第二流量数据和对应的真实标签进行训练，生成作弊预测模型。

第三方面，本公开实施例提出了一种预测作弊的方法，包括：获取待预测的流量数据集；将待预测的流量数据集输入预先训练的作弊预测模型的第一神经网络中，得到第一预测标签；以及将所述待预测的流量数据集中第一预测标签为不作弊的第一预测流量数据输入预先训练的作弊预测模型的第二神经网络中，得到第二预测标签；根据所述待预测的流量数据集中第一预测标签为作弊的流量数据，以及所述第一预测流量数据中第二预测标签为作弊的流量数据，确定所述待预测的流量数据集的作弊预测结果。

第四方面，本公开实施例提出了一种预测作弊的装置，包括：数据获取模块，被配置成获取待预测的流量数据集；第一得到模块，被配置成将待预测的流量数据集输入预先训练的作弊预测模型的第一神经网络中，得到第一预测标签；以及第二得到模块，被配置成将所述待预测的流量数据集中第一预测标签为不作弊的第一预测流量数据输入预先训练的作弊预测模型的第二神经网络中，得到第二预测标签；结果得到模块，被配置成根据所述待预测的流量数据集中第一预测标签为作弊的流量数据，以及所述第一预测流量数据中第二预测标签为作弊的流量数据，确定所述待预测的流量数据集的作弊预测结果

第五方面，本公开实施例提出了一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行如第一方面或第二方面描述的方法。

第六方面，本公开实施例提出了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使计算机执行如第一方面或第二方面描述的方法。

第七方面，本公开实施例提出了一种计算机程序产品，包括计算机程序，计算机程序在被处理器执行时实现如第一方面或第二方面描述的方法。