[发明专利]一种基于人工神经网络的应用分发平台作弊检测方法

摘要

一种基于人工神经网络的应用分发平台作弊检测方法，该方法包括从数据按用户计算出多个统计数值，通过监督学习训练的人工神经网络根据统计数值进行用户作弊可能性的判断，无需设定阈值，用训练代替，只要人工能完成个案判定就可以训练，不需要对总体的分布情况有了解；具体个案更正就可以重新训练，理论上，可以保证结果符合当前所有个案的预期；通过训练就可以获得MLP程序，不需要重新编程。

主权项

一种基于人工神经网络的应用分发平台作弊检测方法，其特征在于：步骤包括：步骤A：每次应用安装时，记录日志到服务器上的数据库，所述日志包含用户、应用ID、安装时间、手机IMEI、机型、产地和厂商信息；步骤B：从数据库中提取指定时间段的日志作为基础数据，按用户分组统计一批统计数值，选定以下参数：日志总条数、机型的信息熵、产地的信息熵、手机IMEI的信息熵、应用ID的信息熵；所述统计数值作为训练样本；步骤C：人工审核一遍所述训练样本，对认为作弊的用户打上标签1，否则打上标签0，1和0是数字；步骤D：将所述训练样本随机抽样分成3份，其中10%为验证集，60%为训练集，30%为测试集；步骤E：选定开源项目提供的MLP作为人工神经网络程序；步骤F：设定MLP的参数：输入神经元数为5，对应5个所述统计数值；输出神经元数为1，对应人工审核中打上的标签；中间层暂定为1层，输入神经元数暂定为5，之后的训练过程中可能做调整；步骤G：将所述验证集输入到MLP做训练，设定允许误差为0.0001，最大训练递归次数为1,000,000；步骤H：训练完成后用MLP对验证集做判定，从5个所述统计数值输入中得到1个输出值，对比输出值与人工打上的标签的差异；要求：人工标签为1的，对应输出值应尽量接近1，否则尽量接近0，无任何超过0.1的差异；如果差异不满足要求，回到步骤G重新训练，如果重复多次达不到要求，回到步骤F重新设定中间层的层数和输入神经元数；步骤I：保持上面步骤的参数，用所述训练集重新训练MLP；步骤J：用MLP对所述测试集做判定：同样要求：人工标签为1的，对应输出值应尽量接近1，否则尽量接近0，无任何超过0.1的差异；如果差异不满足要求，回到步骤I重新训练，如果重复多次达不到要求，回到步骤F重新设定中间层的层数和输入神经元数；步骤K：经过以上步骤后，获得了判定实际数据的MLP，部署到服务器；步骤L：每天定时从数据库中提取过往30天日志，同样按用户分组计算日志总条数、机型的信息熵、产地的信息熵、手机IMEI的信息熵、应用ID的信息熵，输入到MLP做判定，得出的输出就是作弊可能性判定；步骤M：当出现误判，将当前的统计数值的作弊判定四舍五入取整到0和1，人工纠正误判的部分；这套数据作为训练样本回到步骤D重新训练。