[發明專利]一種作弊檢測方法及裝置

在審

• 申請號: 201510846125.0
• 申請日: 2015-11-27
• 公開（公告）號: CN106815452A
• 公開（公告）日: 2017-06-09
• 發明（設計）人: 孫鵬飛;李春生;金陽春
• 申請（專利權）人: 蘇寧云商集團股份有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 江蘇圣典律師事務所32237
• 代理人: 許峰,蘇一幟

1.一種作弊檢測方法，其特征在于，包括：

對樣本數據進行統計，得到各個樣本的指標參數，其中，一個樣本的指標參數的維度包括：所述一個樣本的總點擊量、點擊人數、每小時點擊量、樣本點擊地區和樣本對應搜索詞的點擊量；

根據所述指標參數，生成各個樣本的特征參數，其中，一個樣本的特征參數的維度包括：點擊量離散系數、每小時點擊量離散系數、地域集中度、查詢詞多樣性指數和人均點擊量；

根據所述各個樣本的特征參數建立檢測模型，并根據所述檢測模型判定待測試的商品數據是否異常，所述檢測模型的維度包括所述各個樣本的特征參數的維度。

2.根據權利要求1所述的方法，其特征在于，所述根據所述指標參數，生成各個樣本的特征參數，包括：

對于一個樣本：

根據C＝Stdev/Mean獲取所述一個樣本的總點擊量離散系數，其中，Stdev表示所述一個樣本的總點擊量的標準差，Mean表示所述一個樣本的總點擊量的平均數，C表示所述一個樣本的總點擊量離散系數；

根據C’＝Stdev’/Mean’獲取所述一個樣本的指定時段內的點擊量離散系數，其中，Stdev’表示所述一個樣本的在指定時段內的點擊量的標準差，Mean’表示所述一個樣本的在指定時段內的平均數，C’表示所述一個樣本的在指定時段內的離散系數；

根據R＝max(ni)/N獲取所述一個樣本的地域集中度，其中，ni表示所述一個樣本的樣本點擊地區中的單個城市的點擊量，N表示所述一個樣本的樣本點擊地區中的總點擊量，R表示所述一個樣本的地域集中度；

根據H＝-∑(Pi)(lnPi)獲取所述一個樣本的查詢詞多樣性指數，其中，H表示多樣性指數，Pi表示在所述一個樣本的樣本對應搜索詞的點擊量中第i個查詢詞對應的點擊量所占比例，當總點擊量為N時，第i個查詢詞對應的點擊量為ni，則Pi＝ni/N；

根據P＝N/U獲取所述一個樣本的人均點擊量，其中，N表示所述一個樣本的總點擊量，U表示所述一個樣本的點擊人數，P表示人均點擊量；

重復上述對于所述一個樣本的過程，得到各個樣本的特征參數。

3.根據權利要求2所述的方法，其特征在于，所述根據所述各個樣本的特征參數建立檢測模型，包括：

建立基礎模型(X，Y)，其中，X＝(x1,x2,x3,x4,x5),Y＝(1,0)，x1表示點擊量離散系數，x2表示指定時段內的點擊量離散系數，x3表示地域集中度，x4表示查詢詞多樣性指數，x5表示人均點擊量，Y＝1表示數據異常，Y＝0表示數據正常

根據所述各個樣本的特征參數訓練所述基礎模型，得到所述檢測模型。

4.根據權利要求1所述的方法，其特征在于，還包括：

當待測試的商品數據異常時，提取目標用戶的信息，所述目標用戶包括點擊了出現異常的商品數據的用戶；

提取目標用戶針對所述出現異常的商品數據的點擊數；

根據所述目標用戶針對所述出現異常的商品數據的點擊數，檢測作弊用戶的點擊數；

在所述出現異常的商品數據中，去除所述作弊用戶的點擊數。

5.根據權利要求4所述的方法，其特征在于，還包括：所述檢測作弊用戶的點擊數處于異常范圍，所述異常范圍包括：點擊數處于大于μ+3σ和小于μ-3σ的用戶；或者，點擊數處于大于μ-2σ和小于μ+2σ的用戶，其中，μ表示正態分布的數學期望，σ表示正態分布的標準差。

6.一種作弊檢測裝置，其特征在于，包括：

統計模塊，用于對樣本數據進行統計，得到各個樣本的指標參數，其中，一個樣本的指標參數的維度包括：所述一個樣本的總點擊量、點擊人數、每小時點擊量、樣本點擊地區和樣本對應搜索詞的點擊量；

特征提取模塊，用于根據所述指標參數，生成各個樣本的特征參數，其中，一個樣本的特征參數的維度包括：點擊量離散系數、每小時點擊量離散系數、地域集中度、查詢詞多樣性指數和人均點擊量；

分析模塊，用于根據所述各個樣本的特征參數建立檢測模型，并根據所述檢測模型判定待測試的商品數據是否異常，所述檢測模型的維度包括所述各個樣本的特征參數的維度。