[發明專利]基于貝葉斯模型的移動考勤防作弊大數據檢測方法

有效

• 申請號: 201710096671.6
• 申請日: 2017-02-22
• 公開（公告）號: CN106897743B
• 公開（公告）日: 2020-05-05
• 發明（設計）人: 鄧健爽;李俊立
• 申請（專利權）人: 廣州市勤思網絡科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 東莞市神州眾達專利商標事務所(普通合伙) 44251
• 代理人: 皮發泉

本發明公開一種基于貝葉斯模型的移動考勤防作弊大數據檢測方法，其用于解決現有技術中考勤作弊的缺陷。其包括如下步驟：構建代打卡作弊模型；對代打卡作弊模型進行應用；其中，構建代打卡作弊模型包括建立樣本庫、模型訓練、模型應用和模型優化四個步驟。本發明基于hadoop+spark搭建大數據平臺，利用貝葉斯模型進行數據建模和訓練，構建考勤防作弊樣本及模型，從而對用戶的考勤打卡數據進行實時的檢測；本發明可以較精準識別作弊人員及代打卡數據，作日常考勤考勤與管理提供有效依據，更好的防范與杜絕作弊行為。

技術領域

本發明涉及一種考勤防作弊的檢測方法，尤其涉及一種基于貝葉斯模型的移動考勤防作弊大數據檢測方法。

背景技術

傳統的指紋考勤設備在企業使用過程中存在種種弊端。尤其是在外勤人員多、人員渠道種類多、崗位變動頻繁、人員流動性強、組織結構復雜的保險類企業，外勤簽到、排隊打卡、出席率管控等等成為了考勤的痛點。

現有移動考勤打卡系統，其采用最新的互聯網技術，可以通過GPS精準定位，實現手機上打卡考勤、請假申請和審批、查詢功能，滿足在外會議、出差、臨時調動等考勤需求，但是由于手機系統作弊成本較低，業務員到達指定考勤地點后通過登錄不同賬號，或者購買多臺手機分別登錄不同人員的賬號，即可實現代他人打卡，這樣未到該地點的用戶通過其它人代打卡也可成功進行考勤，失去考勤的真實性，導致考勤數據失真，無法解決保險虛擬人力的問題。而移動考勤系統可以通過手機硬件碼識別，防止用戶通過同個手機登陸不同賬號進行作弊，但當用戶直接購買多臺手機，通過不同手機登錄不同賬號代替他人打卡這類作弊行為就無從防范與判別。

綜上，有必要設計一種基于貝葉斯模型的移動考勤防作弊大數據檢測方法來彌補上述缺陷。

發明內容

本發明提出一種基于貝葉斯模型的移動考勤防作弊大數據檢測方法，用于解決現有技術中考勤作弊的缺陷。本發明基于hadoop+spark搭建大數據平臺，利用貝葉斯模型進行數據建模和訓練，構建考勤防作弊樣本及模型，從而對用戶的考勤打卡數據進行實時的檢測；本發明可以較精準識別作弊人員及代打卡數據，作日常考勤考勤與管理提供有效依據，更好的防范與杜絕作弊行為。

本發明的技術方案是這樣實現的：

本發明公開一種基于貝葉斯模型的移動考勤防作弊大數據檢測方法，其包括如下步驟：(S1)構建代打卡作弊模型；(S2)對步驟(S1)構建的代打卡作弊模型進行應用；其中，步驟(S1)包括如下步驟：(S11)建立樣本庫：梳理多個代打卡規則，根據代打卡規則篩選出疑似代打卡人員的記錄數據，并建立樣本庫；(S12)模型訓練：將步驟(S11)中樣本庫的數據使用十倍交叉的方式進行貝葉斯模型的訓練；(S13)模型應用：針對步驟(S12)中的其中一條人員記錄進行分析，首先將其按照樣本處理規則建立各特征維度，得到樣本，將樣本作為模型的輸入，計算后得到結果，如果結果為1，則判定樣本是正常人員，如果結果為-1則為代簽人員；(S14)模型優化：從樣本特征的組合優化、特征的處理、樣本的真實標簽的獲取對模型處理結構進行優化。

其中，步驟(S2)中，代打卡模型的應用流程包括用戶打卡偵測流程和大數據模型訓練流程。

其中，用戶打卡偵測流程包括如下步驟：(S31)用戶來到指定辦公地點，打開手機系統點擊考勤；(S32)系統實時獲取用戶賬號信息、手機設備信息、GPS定位經緯度信息、用戶排班班次信息內容；(S33)用戶打卡數據作為輸入進入大數據偵測平臺；(S34)大數據偵測平臺通過代打卡作弊模型進行計算，實時檢測數據作弊的可疑度；(S35)超過大數據偵測平臺預設值認為是可能作弊的數據，輸出結果，反饋到管理人員。