作弊用户的判断方法、相关存储介质和电子设备技术

本发明专利技术提供一种作弊用户的判断方法，包括以下步骤：S1，获取用户群体中的每一用户的至少一个指标的指标值；S2，计算至少一个指标所对应的阈值；S3，获取待识别用户的至少一个指标的指标值；以及S4，对待识别用户的至少一个指标的指标值与至少一个指标所对应的阈值进行比较，当待识别用户的至少一个指标的指标值大于至少一个指标所对应的阈值时，判断待识别用户为作弊用户，否则，判断待识别用户为非作弊用户。本发明专利技术还涉及相关的计算机可读存储介质以及电子设备。

【技术实现步骤摘要】
作弊用户的判断方法、相关存储介质和电子设备
本专利技术涉及大数据领域，具体涉及一种作弊用户的判断方法、相关计算机可读存储介质和电子设备。
技术介绍
观看视频直播已经成为中国网民在线娱乐生活最主要的组成部分，但是在直播平台上通常会存在一些恶意用户，这些用户会做一些虚假刷关注、刷人气、刷弹幕的行为，以增加自身的热度，来获取大量的关注，这类用户称之为作弊用户。作弊用户的存在会对直播平台的环境产生非常恶劣的影响，甚至有可能导致直播平台用户的流失，找出这种作弊用户有利于维护直播平台的秩序，保证平台的长期健康发展。因此，需要采用有效的手段来识别作弊用户，以尽可能地减小作弊行为对直播平台的影响。但是对于这种作弊用户的识别，通常的方法是根据业务经验来确定的，并没有一个相对精确和可靠的准则，存在较大的随意性。因此，有必要提出一种新的作弊用户的判断方法。
技术实现思路
有鉴于此，为了克服上述问题的至少一个方面，本专利技术的实施例提供了一种作弊用户判断方法。根据本专利技术的一个方面，提供了一种作弊用户的判断方法，包括以下步骤：S1，获取用户群体中的每一用户的至少一个指标的指标值；S2，计算所述至少一个指标所对应的阈值；S3，获取待识别用户的所述至少一个指标的指标值；以及S4，对所述待识别用户的所述至少一个指标的指标值与所述至少一个指标所对应的阈值进行比较，当所述待识别用户的所述至少一个指标的指标值大于所述至少一个指标所对应的阈值时，判断所述待识别用户为作弊用户，否则，判断所述待识别用户为非作弊用户。进一步地，步骤S2进一步包括：S21，获取所述至少一个指标中的每一个指标所对应的候选阈值集合；S22，在每一个候选阈值集合中各选择一个候选阈值并构成候选阈值组，选择满足预设规则的候选阈值组作为最终所需的所述至少一个指标的阈值。进一步地，步骤S21进一步包括：S211，对所述用户群体中的每一用户的至少一个指标中的每一个指标的指标值进行从小到大排列，得到所述每一个指标的最大指标值和0.9分位点所对应的指标值；以及S212，在所述每一个指标的最大指标值和所述0.9分位点所对应的指标值之间等距取M个值，构成所述候选阈值集合，M为预设的正整数。例如，所述用户群体包括作弊用户集合和非作弊用户集合，所述预设规则为所述候选阈值组使H值最小，其中，其中，S是作弊用户集合，N是非作弊用户集合；Tt表示用户的每一个指标的指标值的集合，xt表示候选阈值组；p(Tt≥xt，g)表示在群体g中，用户的每一个指标的指标值均大于等于候选阈值组中对应的阈值的概率，具体的计算方式是在群体g中满足Tt≥xt的人数除以群体g的总人数；p(Tt＜xt，g)表示在群体g中，用户所对应的每一个指标的指标值均小于候选阈值组中对应的阈值的概率，具体的计算方式是在群体g中满足Tt＜xt的人数除以群体g的总人数。例如，所述作弊用户的判断方法应用于网络直播平台。例如，所述至少一个指标包括用户的观看时长、用户发送的弹幕数量、交易次数或登录次数。例如，所述至少一个指标包括用户的观看时长、用户发送的弹幕数量、交易次数以及登录次数中的任意两个或者更多个。本专利技术还提供一种计算机可读存储介质，其上存储有可执行指令，其特征在于，所述指令在由处理器执行时，实现如上所述的任一种作弊用户的判断方法的步骤。本专利技术还提供了一种电子设备，其包括：存储器，用于存储可执行指令；以及处理器，用于执行所述存储器中存储的可执行指令，以实现如上所述的任一种作弊用户的判断方法的步骤。与现有技术相比，本专利技术具有以下优点：本专利技术提出的作弊用户的判断方法，能够依据一种相对稳定且可靠的准则对作弊用户进行判断，其具有科学性，并且能够更加准确的识别出作弊用户，降低了现有技术中依据业务经验错误识别的概率，准确性更高。附图说明通过下文中参照附图对本专利技术所作的描述，本专利技术的其它目的和优点将显而易见，并可帮助对本专利技术有全面的理解。图1为本专利技术实施例提供的作弊用户的判断方法的实施步骤的流程图；图2为本专利技术实施例提供的计算机可读存储介质的结构示意图；图3为本专利技术实施例提供的电子设备的结构示意图。具体实施方式为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例的附图，对本专利技术的技术方案进行清楚、完整地描述。显然，所描述的实施例是本专利技术的一个实施例，而不是全部的实施例。基于所描述的本专利技术的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。除非另外定义，本专利技术使用的技术术语或者科学术语应当为本专利技术所属领域内具有一般技能的人士所理解的通常意义。根据本专利技术的一个方面，提供了一种作弊用户的判断方法，特别是一种用于直播领域的作弊用户的判断方法，其具体实现思路如下：根据已知的作弊用户集合和非作弊用户集合得到相关指标的阈值，再利用待识别用户的至少一个指标的指标值与相应的阈值进行比较，若待识别用户的至少一个指标的指标值均大于其相应的阈值，则判断该用户为作弊用户，否则为非作弊用户。更具体的，下面结合附图对本专利技术的实现判断作弊用户的方法进行详细的描述。参考图1所示，本专利技术的实施例提供的作弊用户的判断方法可以包括如下步骤：S1，获取用户群体中的每一用户的至少一个指标的指标值。在本实施例中，通过对在一定时间内在直播平台上有操作行为的用户进行重要指标统计，重要指标是指与作弊行为相关性非常大的指标，比如用户发送的弹幕的数量、用户所使用的IP地址的数量等等，通常情况下，这些指标所对应的指标值越大，其行为的异常性越大。在本实施例中，一定时间可以是7天。当然在其他实施例中，也可以是其他时间长度，比如可以为更长的时间长度，例如30天，还可以为较短的时间长度。具体的，指标可以包括用户的观看指标、弹幕指标以及交易指标。进一步地，观看指标还可以包括在一定时间内用户的观看天数、观看次数、观看时长、观看房间数、观看时所使用的设备数以及观看时所使用的IP地址数；弹幕指标可以包括发送弹幕天数、发送弹幕次数以及发送弹幕房间数；交易指标可以包括虚拟礼物赠送天数、虚拟礼物赠送次数、虚拟礼物赠送数量、虚拟礼物赠送房间数、获取虚拟礼物天数、获取虚拟礼物次数、获取虚拟礼物数量、分享获得虚拟礼物天数、分享获得虚拟礼物次数、分享获得虚拟礼物数量和其他维度获取虚拟礼物指标。在其他实施例中，指标还可以包括用户的登录指标和充值指标，例如，登录指标可以包括登录次数、登录天数等；充值指标可以包括充值次数和充值金额。在本实施例中，至少一个指标可以包括一个指标或两个指标，例如可以是用户的观看时长、用户发送的弹幕数量、交易次数以及登录次数中的任意一个或两个，也可以是观看指标、弹幕指标以及交易指标三者所包括的指标中的其他任意一个或两个指标。当然，在其他实施例中，也可以是观看指标、弹幕指标以及交易指标三者所包括的指标中的任意三个、四个或者更多个指标。需要说明的是，上述每一指标所对应的指标值都是已知的。S2，计算上述至少一个指标所对应的阈值。具体的，计算至少一个指标所对应的阈值过程如下。首先，执行步骤S21，获取至少一个指标中的每一个指标所对应的候选阈值集合。在本实施例中，获取候选阈值具体可以采用下述步骤：S211，对用户群体中的每一用户的至少一个指标中的每一个指标的指标值进行从本文档来自技高网...

【技术保护点】
1.一种作弊用户的判断方法，包括以下步骤：S1，获取用户群体中的每一用户的至少一个指标的指标值；S2，计算所述至少一个指标所对应的阈值；S3，获取待识别用户的所述至少一个指标的指标值；以及S4，对所述待识别用户的所述至少一个指标的指标值与所述至少一个指标所对应的阈值进行比较，当所述待识别用户的所述至少一个指标的指标值大于所述至少一个指标所对应的阈值时，判断所述待识别用户为作弊用户，否则，判断所述待识别用户为非作弊用户。

【技术特征摘要】
1.一种作弊用户的判断方法，包括以下步骤：S1，获取用户群体中的每一用户的至少一个指标的指标值；S2，计算所述至少一个指标所对应的阈值；S3，获取待识别用户的所述至少一个指标的指标值；以及S4，对所述待识别用户的所述至少一个指标的指标值与所述至少一个指标所对应的阈值进行比较，当所述待识别用户的所述至少一个指标的指标值大于所述至少一个指标所对应的阈值时，判断所述待识别用户为作弊用户，否则，判断所述待识别用户为非作弊用户。2.如权利要求1所述的方法，其特征在于，步骤S2进一步包括：S21，获取所述至少一个指标中的每一个指标所对应的候选阈值集合；以及S22，在每一个候选阈值集合中各选择一个候选阈值并构成候选阈值组，选择满足预设规则的候选阈值组作为最终所需的所述至少一个指标的阈值。3.如权利要求2所述的方法，其特征在于，步骤S21进一步包括：S211，对所述用户群体中的每一用户的至少一个指标中的每一个指标的指标值进行从小到大排列，得到所述每一个指标的最大指标值和0.9分位点所对应的指标值；以及S212，在所述每一个指标的最大指标值和所述0.9分位点所对应的指标值之间等距取M个值，构成所述候选阈值集合，M为预设的正整数。4.如权利要求3所述的方法，其特征在于，所述用户群体包括作弊用户集合和非作弊用户集合，所述预设规则为所述...

【专利技术属性】
技术研发人员：王璐，陈少杰，张文明，
申请(专利权)人：武汉斗鱼网络科技有限公司，
类型：发明
国别省市：湖北,42