[发明专利]共享资源文件防作弊方法

说明书

本发明公开了共享资源文件防作弊方法，所述方法包括以下步骤：S1：将入库文件转化为PDF格式文件，并把转化后的PDF格式文件上传至资源存量库中；S2：Luncene通过数据库获取资源存量库中的路径信息，通过路径信息在资源存量库中获取资源文件，Luncene装载和构建文档对象，对存量资源文件进行分词，并创建索引文件；S3：随机抽取新共享资源文件内容片段，片段数N＝3次抽样，装载共享资源文件，获取共享资源文件字符总长度T、内容片段步长S＝10，构建随机数集合C＝字符总长度T‑步长S；提高了判定共享资源是否为作弊行为的时间，提高了整个效率。同时避免了相似文件进入资源库，节约了存储空间。

技术领域

本发明涉及一种文件防作弊方法，具体涉及共享资源文件防作弊方法。

背景技术

网络技术的高速发展，大家可以共享自己的资源文件。在有偿共享条件下，发现有小部分人，在他人已共享的文件基础上进行下载，然后微量改动，再进行共享，非法获取报酬。如果不能够对共享资源文件进行有效防作弊就会出现以下问题：

1、造成共享资源的收集成本加大。

2、相似资源文件导致存储空间浪费。

3、相似资源文件导致资源文件获取者选择成本加大。

发明内容

本发明所要解决的技术问题是造成共享资源的收集成本大、相似资源文件导致存储空间浪费、耗时过长等问题，本发明的目的就是提出一种既能够减少服务器消耗，又能快速获取新共享资源文件与存量资源文件的相似度，防止共享资源文件作弊行为。

本发明通过下述技术方案实现：

共享资源文件防作弊方法，所述方法包括以下步骤：S1：将入库文件转化为PDF格式文件，并把转化后的PDF格式文件上传至资源存量库中；S2：Luncene通过数据库获取资源存量库中的路径信息，通过路径信息在资源存量库中获取资源文件，Luncene装载和构建文档对象，对存量资源文件进行分词，并创建索引文件；S3：随机抽取新共享资源文件内容片段，片段数N＝3次抽样，装载共享资源文件，获取共享资源文件字符总长度T、内容片段步长S＝10，构建随机数集合C＝字符总长度T-步长S；S4：若C＝0,共享文件所有内容最为抽样片段内容；若C0,以随机数集合C为限，生成随机数K,获取K至K+S间的内容片段，并重复S3步骤，当内容片段数量等于N时停止抽样；S5：利用N次抽样内容片段作为检索关键字在搜索引擎做N次检索暂存检索结果；S6：对N次检索结果进行分析，计算文件在N次搜索中命中数H，文件在搜索结果中出现一次，命中数H增加1；S7；获取存量相似资源文件列表及数量Fn，文件命中数H与内容片段数N进行比较，命中率R＝H/N如果命中率R＝60％，该文件即为存量相似资源文件。

现有技术为了防止共享资源文件作弊行为，现采用文件内容处理技术利用“向量空间模型”计算新共享资源文件与存量资源文件的相似度。如果文件相似度超过了判定值，则判定新共享资源文件为作弊文件，文件不允许进入资源库。该技术对文件相似度的判定会耗费大量服务器资源。并且随存量资源数量增大，文件相似度的识别过程会越来越长。

进一步地，所述步骤S1中的入库文件通过转化器整体转化为PDF格式文件。采用PDF格式文件进行文件内容的存储、共享以及文件内容片段的对比时因为PDF格式文件能够较好的实现在线查看，并且在对比时，可以通过OCR等文字识别软件，快速的将文字进行识别处理。

进一步地，所述步骤S2中的数据库为MYSQL数据库。与其他的大型数据库例如Oracle、DB2、SQL Server等相比，MySQL自有它的不足之处，如规模小、功能有限，但是本发明中仅需要进行简单的存储，并且MYSQL是开放数据库，因此使用这种方式不用花一分钱(除开人工成本)就可以建立起一个稳定、免费的网站系统。

进一步地，所述步骤S6中的检索结果为内容片段对应的文件列表。