[发明专利]基于贝叶斯模型的移动考勤防作弊大数据检测方法

摘要

本发明公开一种基于贝叶斯模型的移动考勤防作弊大数据检测方法，其用于解决现有技术中考勤作弊的缺陷。其包括如下步骤：构建代打卡作弊模型；对代打卡作弊模型进行应用；其中，构建代打卡作弊模型包括建立样本库、模型训练、模型应用和模型优化四个步骤。本发明基于hadoop+spark搭建大数据平台，利用贝叶斯模型进行数据建模和训练，构建考勤防作弊样本及模型，从而对用户的考勤打卡数据进行实时的检测；本发明可以较精准识别作弊人员及代打卡数据，作日常考勤考勤与管理提供有效依据，更好的防范与杜绝作弊行为。

主权项

一种基于贝叶斯模型的移动考勤防作弊大数据检测方法，其特征在于，其包括如下步骤：（S1）构建代打卡作弊模型；（S2）对步骤（S1）构建的代打卡作弊模型进行应用；其中，步骤（S1）包括如下步骤：（S11）建立样本库：梳理多个代打卡规则，根据代打卡规则筛选出疑似代打卡人员的记录数据，并建立样本库；（S12）模型训练：将步骤（S01）步骤中样本库的数据使用十倍交叉的方式进行贝叶斯模型的训练；（S13）模型应用：针对步骤（S02）中的其中一条人员记录进行分析，首先将其按照样本处理规则建立各特征维度，得到样本，将样本作为模型的输入，计算后得到结果，如果结果为1，则判定样本是正常人员，如果结果为‑1则为代签人员；（S14）模型优化：从样本特征的组合优化、特征的处理、样本的真实标签的获取对模型处理结构进行优化。