[发明专利]应用程序的刷量识别方法、装置

说明书

技术领域

本申请涉及移动互联网技术领域，尤其涉及应用程序的刷量识别方法、装置。

背景技术

随着移动互联网技术的发展，各种基于该移动互联网的移动端应用程序层出不穷，为人们的工作和学习带来诸多便利。但同时，对应用程序的下载刷量现象也随之产生，即，应用程序开发者或恶意利益相关者通过刷下载量或更新量，甚至伪造下载、更新，造成相应应用程序很受欢迎的假象，从中获取利益。

现有应用应用程序的刷量行为识别方法虽然很多，但都或多或少存在一些缺点。其中一种识别方法为：通过对应用程序或者提供各种应用程序的渠道的群体下载行为进行监控及分析，判断相应群体是否存在刷量行为；具体的，如果分析发现同一开发者开发的多个应用程序出现非常接近的下载趋势，或者某应用程序在多个省份和地域的下载量一样或非常接近，或者某应用程序某段时间的下载量和卸载量几乎一致，等等，都可以判定存在刷量行为。但这种方法是针对群体的分析，所以无法针对某个用户甚至某个下载行为，做出是否刷量的判断。现有另一种识别方法，通过获取阈值时间段内各个用户操作应用程序的操作数据，分析出每个用户是否存在多次下载同一应用程序的刷量行为；但这种方法只能识别出同一个用户的反复刷量行为，如果恶意用户通过不断虚拟新的设备伪装成初次下载来进行刷量，该方法将完全失效。

因此，如何准确识别各类应用程序刷量行为，已成为本领域技术人员亟需解决的问题。

发明内容

为克服相关技术中存在的问题，本申请提供一种应用程序的反刷量方法、装置。

本申请第一方面，提供一种应用程序的刷量识别方法，包括：

获取每次用户操作行为发生时相应移动终端中各个传感器的状态采样值；

根据所述状态采样值计算所述用户操作行为的可信度；

判断所述用户操作行为的可信度是否在预设范围内，如果是，则判定所述用户操作行为为刷量行为。

结合第一方面，在第一方面第一种可行的实施方式中，获取每次用户操作行为发生 时相应的移动终端中各个传感器的状态采样值，包括：

在发生用户操作行为时，获取相应移动终端中各个传感器的可访问状态；

对于可访问状态为允许访问的传感器，按照预设采样周期对其状态值进行采样得到对应的状态采样值。

结合第一方面，或者第一方面第一种可行的实施方式，在第一方面第二种可行的实施方式中，在根据所述状态采样值计算所述用户操作行为的可信度之前，所述方法还包括：

获取状态值正样本和状态值负样本，并根据所述状态值正样本和状态值负样本进行训练，确定预设神经网络模型的模型参数。

结合第一方面第二种可行的实施方式，在第一方面第三种可行的实施方式中，根据所述状态采样值计算所述用户操作行为的可信度，包括：

根据所述状态采样值计算各个传感器的采样值标准差；

根据所述采样值标准差生成对应于所述用户操作行为的特征向量；

将所述特征向量输入预设神经网络模型，并根据所述预设神经网络模型的模型参数计算所述用户操作行为的可信度。

结合第一方面，或者第一方面第一种可行的实施方式，在第一方面第四种可行的实施方式中，所述方法还包括：

在获取到所述状态采样值后，将所述状态采样值与对应的传感器标识码和移动终端标识码以打点日志的形式进行存储。

本申请第二方面，提供一种应用程序的刷量识别装置，包括：

数据采样单元，用于获取每次用户操作行为发生时相应移动终端中各个传感器的状态采样值；

数据处理单元，用于根据所述状态采样值计算所述用户操作行为的可信度；

刷量识别单元，用于判断所述用户操作行为的可信度是否在预设范围内，如果是，则判定所述用户操作行为为刷量行为。

结合第二方面，在第二方面第一种可行的实施方式中，所述数据采样单元包括：

访问状态确定模块，用于在发生用户操作行为时，获取相应移动终端中各个传感器的可访问状态；

数据采样模块，用于对于可访问状态为允许访问的传感器，按照预设采样周期对其 状态值进行采样得到对应的状态采样值。

结合第二方面，或者第二方面第一种可行的实施方式，在第二方面第二种可行的实施方式中，所述装置还包括：

模型训练单元，用于获取状态值正样本和状态值负样本，并根据所述状态值正样本和状态值负样本进行训练，确定预设神经网络模型的模型参数。