和/或不再計費。
[0046]進(jìn)一步地，在一個實施例中，處理器1001調(diào)用存儲器1005中存儲的用戶網(wǎng)絡(luò)行為處理程序，還可以執(zhí)行以下操作:
[0047]結(jié)合歷史數(shù)據(jù)，對當(dāng)前用戶進(jìn)行處理。
[0048]進(jìn)一步地，在一個實施例中，處理器1001調(diào)用存儲器1005中存儲的用戶網(wǎng)絡(luò)行為處理程序，還可以執(zhí)行以下操作:
[0049]對所述第一評估策略和第二評估策略進(jìn)行校準(zhǔn)。
[0050]本實施例通過上述方案，通過獲取用戶的網(wǎng)絡(luò)操作行為；采用預(yù)先創(chuàng)建的第一評估策略，對用戶的網(wǎng)絡(luò)操作行為進(jìn)行第一次評分；若評分結(jié)果符合第一評估策略的預(yù)設(shè)條件，則判斷用戶為可疑用戶；對用戶采用設(shè)定的策略進(jìn)行惡意打擊，由此，可以實現(xiàn)對網(wǎng)絡(luò)廣告、網(wǎng)絡(luò)活動服務(wù)、網(wǎng)頁應(yīng)用服務(wù)等網(wǎng)絡(luò)中惡意行為的有效攔截，減少應(yīng)用開發(fā)商和推廣商的損失。進(jìn)一步地，還可以對判斷為可疑的用戶，采用預(yù)先創(chuàng)建的第二評估策略進(jìn)行第二次評分，從中篩選出正常用戶，以提高惡意用戶的判斷準(zhǔn)確性，降低誤打擊的可能性。
[0051]基于上述硬件架構(gòu)，提出本發(fā)明用戶網(wǎng)絡(luò)行為處理方法實施例。
[0052]如圖2所示，本發(fā)明第一實施例提出一種用戶網(wǎng)絡(luò)行為處理方法，包括:
[0053]步驟S101，獲取用戶的網(wǎng)絡(luò)操作行為；
[0054]其中，用戶的網(wǎng)絡(luò)操作行為可以包括:用戶在應(yīng)用操作過程中，預(yù)定時間內(nèi)點擊IP的次數(shù)；領(lǐng)取應(yīng)用任務(wù)的情況；領(lǐng)取獎勵的情況；付費情況；關(guān)系鏈數(shù)據(jù)；新增IP活躍天
m坐坐>ζλ.?寸寸O
[0055]步驟S102，采用預(yù)先創(chuàng)建的第一評估策略，對所述用戶的網(wǎng)絡(luò)操作行為進(jìn)行第一次評分；
[0056]其中，第一評估策略為可疑度評估策略，具體可以包括:預(yù)定時間內(nèi)用戶點擊IP的次數(shù)達(dá)到預(yù)設(shè)閾值；預(yù)定時間內(nèi)點擊IP的用戶數(shù)達(dá)到預(yù)設(shè)閾值；預(yù)定時間內(nèi)用戶領(lǐng)任務(wù)數(shù)量超過預(yù)設(shè)閾值；預(yù)定時間內(nèi)用戶領(lǐng)獎勵數(shù)量超過預(yù)設(shè)閾值；預(yù)定時間內(nèi)大批用戶點擊進(jìn)入應(yīng)用后行為中斷；用戶賬號中，超過預(yù)設(shè)比例的賬號為小號；用戶登錄頻率超過預(yù)設(shè)閾值；和/或用戶添加好友的頻率超過預(yù)設(shè)閾值，等等。
[0057]在創(chuàng)建第一評估策略時，可以收集用戶歷史數(shù)據(jù)，分析收集的用戶歷史數(shù)據(jù)，找出惡意用戶的常見特征，作為評估因子參與計算所有用戶的可疑程度評分，即第一次評分。
[0058]在進(jìn)行第一次評分時，可以參照上述第一評估策略中的一項或多項進(jìn)行綜合考評，對用戶的操作行為進(jìn)行評分，得到評分結(jié)果，并可以設(shè)定一個可疑程度評分閾值，對于小于該可疑程度評分閾值的用戶，判斷其為可疑用戶，否則，判斷其為正常用戶。
[0059]步驟S103，根據(jù)評分結(jié)果，判斷所述用戶是否為可疑用戶；若是，則進(jìn)入步驟S104 ;否則，進(jìn)入步驟S105 ；
[0060]步驟S104，對用戶采用設(shè)定的策略進(jìn)行處理。
[0061]步驟S105，對用戶按照正常的應(yīng)用處理流程處理。
[0062]對判斷為可疑的用戶，則可以對其采用設(shè)定的策略進(jìn)行惡意打擊，比如:對該用戶不再發(fā)放獎勵，不再統(tǒng)計該用戶的相關(guān)操作(比如領(lǐng)任務(wù)、做任務(wù)等)，和/或，對該用戶不再計費，以防止惡意刷量，保證應(yīng)用開發(fā)商的應(yīng)用推廣質(zhì)量。
[0063]具體的反作弊應(yīng)用場景及策略可以如下:
[0064]分別統(tǒng)計IP\APPID\TASKID在上一個小時的操作用戶構(gòu)成以及IP屬性，對于好友數(shù)低占比(低于閥值X)、惡意IP(N天內(nèi))占比高的維度，下發(fā)打擊。
[0065]此外，還可以設(shè)定:判斷當(dāng)前用戶賬號是不是小號，是的話，才會正式打擊。
[0066]其中，小號的判斷邏輯可以基于如下因素:新增IP活躍天數(shù)&好友數(shù)等。
[0067]對于IP的惡意程度，配置不同的聚集策略(比如預(yù)定時間X分鐘內(nèi)，IP的點擊頻率，點擊用戶數(shù)達(dá)到閾值等)，例如:
[0068]I)正常IP:超過X個用戶，小號占比X%，下發(fā)打擊X小時；
[0069]2)可疑IP:超過X個用戶，小號占比X%，下發(fā)打擊X小時；
[0070]3)惡意IP:超過X個用戶，小號占比X%，下發(fā)打擊X小時。
[0071]另外，還可以考慮以下因素:廣告點擊頻率、點擊的ip分布、點擊的用戶號碼屬性、ip上用戶號碼屬性分布、領(lǐng)獎行為特征，比如領(lǐng)獎的ip、頻率、總量、領(lǐng)獎的號碼的特征坐寸O
[0072]進(jìn)一步地，在對用戶采用設(shè)定的策略進(jìn)行惡意打擊時，還可以結(jié)合離線打擊策略，結(jié)合歷史數(shù)據(jù)(比如歷史IP的點擊情況等)，對當(dāng)前用戶進(jìn)行惡意打擊，作為實時打擊策略的參考，以提1?惡意打擊的精確度。
[0073]本實施例通過上述方案，通過獲取用戶的網(wǎng)絡(luò)操作行為；采用預(yù)先創(chuàng)建的第一評估策略，對用戶的網(wǎng)絡(luò)操作行為進(jìn)行第一次評分；若評分結(jié)果符合第一評估策略的預(yù)設(shè)條件，則判斷用戶為可疑用戶；對用戶采用設(shè)定的策略進(jìn)行惡意打擊，由此，通過不同時間段多維度的操作次數(shù)聚集功能以及特定的反作弊特定策略，可以實現(xiàn)對網(wǎng)頁應(yīng)用中惡意行為的有效攔截，減少應(yīng)用開發(fā)商和推廣商的損失。
[0074]如圖3所示，本發(fā)明第二實施例提出一種用戶網(wǎng)絡(luò)行為處理方法，基于上述圖2所示的實施例，在步驟S104:對用戶采用設(shè)定的策略進(jìn)行惡意打擊之前，還包括:
[0075]步驟S106，采用預(yù)先創(chuàng)建的第二評估策略，基于用戶屬性對所述用戶進(jìn)行第二次評分；
[0076]步驟S107，判斷用戶是否為正常用戶；若是，則進(jìn)入步驟S105 ;否則，進(jìn)入步驟104。
[0077]為了避免對可疑用戶中的正常用戶的誤打擊，本實施例進(jìn)一步還對判斷為可疑的用戶，采用預(yù)先創(chuàng)建的第二評估策略進(jìn)行第二次評分，即采用正常度評估策略進(jìn)行正常程度評分，從中篩選出正常用戶，以提高惡意用戶的判斷準(zhǔn)確性，降低誤打擊的可能性。
[0078]具體地，對于通過第一評估策略判斷為可疑用戶的用戶，采用預(yù)先創(chuàng)建的第二評估策略，基于用戶屬性對用戶進(jìn)行第二次評分。
[0079]其中，第二評估策略可以包括與用戶屬性相關(guān)的一些設(shè)置條件，比如:用戶好友數(shù)超過預(yù)設(shè)閾值；用戶好友中超過預(yù)設(shè)比例(比如80% )的好友為正常用戶；用戶充值頻率或數(shù)量達(dá)到預(yù)設(shè)閾值；和/或用戶付費符合要求。
[0080]在創(chuàng)建第二評估策略時，可以收集用戶歷史數(shù)據(jù)，分析收集的用戶歷史數(shù)據(jù)，找出正常用戶的常見特征，作為評估因子對可疑用戶計算第二次評分。
[0081]在進(jìn)行第二次評分時，可以參照上述第二評估策略中的一項或多項進(jìn)行綜合考評，對可疑用戶進(jìn)行評分，得到評分結(jié)果，并可以設(shè)定一個第二次評分閾值，對于大于該第二次評分閾值的用戶，判斷其為正常用戶，否則，判斷其為惡意用戶。
[0082]因此，若評分結(jié)果符合第二評估策略的預(yù)設(shè)條件，則判斷用戶為正常用戶，對正常用戶按照正常的應(yīng)用處理流程處理，進(jìn)行正常的統(tǒng)計、計費、發(fā)放獎勵等操作。
[0083]若評分結(jié)果不符合第二評估策略的預(yù)設(shè)條件，則判斷該用戶為惡意用戶，并對該用戶采用設(shè)定的策略進(jìn)行惡意打擊。
[0084]本實施例通過上述方案，通過對判斷為可疑的用戶，采用預(yù)先創(chuàng)建的正常度評估策略進(jìn)行正常程度評分，從中篩選出正常用戶，以提高惡意用戶的判斷準(zhǔn)確性，降低誤打擊的可能性。
[0085]如圖4所示，本發(fā)明第三實施例提出一種用戶網(wǎng)絡(luò)行為處理方法，基于上述圖2所示的實施例，還包括:
[0086]步驟S90，創(chuàng)建第一評估策略和第二評估策略；
[0087]步驟S100，對所述第一評估策略和第二評估策略進(jìn)行校準(zhǔn)，進(jìn)入步驟101。
[0088]相比上述實施例，本實施例還包括創(chuàng)建第一評估策略和第二評估策略并對其進(jìn)行校準(zhǔn)的方案。
[0089]具體地，在創(chuàng)建第一評估策略和第二評估策略時，可以收集大量的用戶歷史數(shù)據(jù)，并分別設(shè)置評分閾值。歷史數(shù)據(jù)也可以為用戶投訴的具有明顯作弊特征的案例。
[0090]以QQ平臺為例，歷史數(shù)據(jù)源可以來自以下幾方面:
[0091]1、用戶在平臺APP內(nèi)的數(shù)據(jù)，比如付費留存數(shù)