[發(fā)明專利]一種基于人工神經(jīng)網(wǎng)絡的應用分發(fā)平臺作弊檢測方法

在審

• 申請?zhí)枺?/td>: 201710158574.5
• 申請日: 2017-03-17
• 公開（公告）號: CN106991139A
• 公開（公告）日: 2017-07-28
• 發(fā)明（設計）人: 梁達俊
• 申請（專利權(quán)）人: 廣東蜂助手網(wǎng)絡技術(shù)股份有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06N3/08
• 代理公司: 廣州市南鋒專利事務所有限公司44228
• 代理人: 李銀惠

1.一種基于人工神經(jīng)網(wǎng)絡的應用分發(fā)平臺作弊檢測方法，其特征在于：步驟包括：

步驟A：每次應用安裝時，記錄日志到服務器上的數(shù)據(jù)庫，所述日志包含用戶、應用ID、安裝時間、手機IMEI、機型、產(chǎn)地和廠商信息；

步驟B：從數(shù)據(jù)庫中提取指定時間段的日志作為基礎數(shù)據(jù)，按用戶分組統(tǒng)計一批統(tǒng)計數(shù)值，選定以下參數(shù)：日志總條數(shù)、機型的信息熵、產(chǎn)地的信息熵、手機IMEI的信息熵、應用ID的信息熵；所述統(tǒng)計數(shù)值作為訓練樣本；

步驟C：人工審核一遍所述訓練樣本，對認為作弊的用戶打上標簽1，否則打上標簽0，1和0是數(shù)字；

步驟D：將所述訓練樣本隨機抽樣分成3份，其中10%為驗證集，60%為訓練集，30%為測試集；

步驟E：選定開源項目提供的MLP作為人工神經(jīng)網(wǎng)絡程序；

步驟F：設定MLP的參數(shù)：輸入神經(jīng)元數(shù)為5，對應5個所述統(tǒng)計數(shù)值；輸出神經(jīng)元數(shù)為1，對應人工審核中打上的標簽；中間層暫定為1層，輸入神經(jīng)元數(shù)暫定為5，之后的訓練過程中可能做調(diào)整；

步驟G：將所述驗證集輸入到MLP做訓練，設定允許誤差為0.0001，最大訓練遞歸次數(shù)為1,000,000；

步驟H：訓練完成后用MLP對驗證集做判定，從5個所述統(tǒng)計數(shù)值輸入中得到1個輸出值，對比輸出值與人工打上的標簽的差異；

要求：人工標簽為1的，對應輸出值應盡量接近1，否則盡量接近0，無任何超過0.1的差異；如果差異不滿足要求，回到步驟G重新訓練，如果重復多次達不到要求，回到步驟F重新設定中間層的層數(shù)和輸入神經(jīng)元數(shù)；

步驟I：保持上面步驟的參數(shù)，用所述訓練集重新訓練MLP；

步驟J：用MLP對所述測試集做判定：

同樣要求：人工標簽為1的，對應輸出值應盡量接近1，否則盡量接近0，無任何超過0.1的差異；如果差異不滿足要求，回到步驟I重新訓練，如果重復多次達不到要求，回到步驟F重新設定中間層的層數(shù)和輸入神經(jīng)元數(shù)；

步驟K：經(jīng)過以上步驟后，獲得了判定實際數(shù)據(jù)的MLP，部署到服務器；

步驟L：每天定時從數(shù)據(jù)庫中提取過往30天日志，同樣按用戶分組計算日志總條數(shù)、機型的信息熵、產(chǎn)地的信息熵、手機IMEI的信息熵、應用ID的信息熵，輸入到MLP做判定，得出的輸出就是作弊可能性判定；

步驟M：當出現(xiàn)誤判，將當前的統(tǒng)計數(shù)值的作弊判定四舍五入取整到0和1，人工糾正誤判的部分；這套數(shù)據(jù)作為訓練樣本回到步驟D重新訓練。