[发明专利]用于识别APP推广中设备作弊的方法及装置

说明书

本申请公开一种用于识别APP推广中设备作弊的方法、装置、电子设备及计算机可读介质。该方法包括：在接收到设备注册和/或激活后，获取所述设备的硬件信息、行为信息与渠道信息；由所述设备的硬件信息中提取作弊特征点；以及根据所述渠道信息、所述行为信息、所述作弊特征点通过作弊识别模型判断所述设备是否有作弊行为；如果所述设备存在作弊行为，则对所述设备以及所述渠道进行作弊标记。本申请公开的用于识别APP推广中设备作弊的方法、装置、电子设备及计算机可读介质，能够快速识别APP推广激活中的作弊的设备。

技术领域

本发明涉及移动信息处理领域，具体而言，涉及一种用于识别APP推广中设备作弊的方法、装置、电子设备及计算机可读介质。

背景技术

APP推广的计费方式是按照CPA(Cost Per Action)计费，即按照APP下载激活计费。作弊推广渠道通过安卓模拟器、刷机软件、安装虚拟机等多种刷机方式，修改设备硬件参数、模拟用户行为，制造虚假用户下载、激活和行为流量，以此来骗取推广费用。业内针对APP推广的反作弊技术手段，大多通过激活设备信息等某些维度的统计特征来分析辨别推广渠道的优劣。其中，通过激活设备信息进行的作弊识别方式可例如，通过低价设备排名：根据经验分析渠道的新增用户或者启动用户的设备排名。如果发现某款低价设备排名异常靠前，就视这些设备为异常设备。还可例如，通过新版本操作系统占比：很多渠道刷量工作室在操作系统版本的适配上会有延时，查看渠道用户的操作系统时，可以和全体手机网民的操作系统的分布做比较。其他特征还有手机号码归属地、ip、机型、运营商等，通过统计推广渠道这些设备特征是否集中，或者特征分布是否和正常渠道分布不一致等，来辨别渠道是否作弊。

现有技术的缺点存在如下缺点，作弊渠道经常将作弊激活用户掺入真实用户中，通过统计渠道的设备信息特征和用户行为特征，能一定程度上发现较为低级的作弊，但大多是基于统计数据，且特征维度单一，只能知道渠道大致的作弊比例，很难真正辨别每一个下载激活是否为作弊。作弊团队通过和各个公司不断的对抗中，作弊技术不断升级，常见的设备硬件信息，尤其是安卓设备都能被修改，并且修改频繁；用户行为也能被模拟。特征统计以及黑名单不能对作弊手段变化做出及时反应。

因此，需要一种新的用于识别APP推广中设备作弊的方法、装置、电子设备及计算机可读介质。

在所述背景技术部分公开的上述信息仅用于加强对本发明的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

有鉴于此，本发明提供一种用于识别APP推广中设备作弊的方法、装置、电子设备及计算机可读介质，能够快速识别APP推广激活中的作弊的设备。

本发明的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本发明的实践而习得。

根据本发明的一方面，提出一种用于识别APP推广中设备作弊的方法，该方法包括：在接收到设备注册和/或激活后，获取设备的硬件信息、行为信息与渠道信息；由设备的硬件信息中提取作弊特征点；以及根据渠道信息、行为信息、作弊特征点通过作弊识别模型判断设备是否有作弊行为；如果设备存在作弊行为，则对设备以及渠道进行作弊标记。

在本公开的一种示例性实施例中，还包括：根据历史硬件信息与历史行为信息建立作弊特征提取模型。

在本公开的一种示例性实施例中，根据历史硬件信息与历史行为信息建立作弊特征提取模型，包括：根据历史硬件信息、历史行为信息通过作弊特征提取模型获取作弊特征点。

在本公开的一种示例性实施例中，根据历史硬件信息、历史行为信息通过作弊特征提取模型获取作弊特征点，包括：通过聚类算法将所述历史硬件信息作为特征，对所述设备进行分类；通过历史行为信息识别异常的分类；以及提取异常的分类中的部分历史硬件信息作为作弊特征点。

在本公开的一种示例性实施例中，还包括：通过历史渠道信息、历史行为信息、作弊特征点建立作弊识别模型。