一种反作弊行为识别方法、装置、电子设备和存储介质与流程

1.本技术涉及互联网技术领域，尤其涉及一种反作弊行为识别方法、装置、电子设备和存储介质。


背景技术：

2.进入移动互联网时代，伴随着网络和计算机的广泛应用，线上广告已经成为广告投放的新形式。线上广告在带来丰厚流量收益的同时，广告作弊的潜在威胁也越来越大。
3.在相关技术中的反作弊方案都是基于sdk(software development kit，软件开发工具包)侧收集一些行为参数发送到服务器，由服务器来通过反作弊规则判定是否有反作弊行为。然而部分数据涉及隐私信息，而且未来对用户本地数据上传的把控会越来越严，这种方式有很高的风险。因此如何识别作弊广告行为一直在线广告系统中非常重要的问题之一。


技术实现要素：

4.本技术实施例提供一种反作弊行为识别方法、装置、电子设备和存储介质，用以提供一种本地反作弊方法，在保证用户隐私的同时提高反作弊的准确率和速度。
5.本技术实施例提供的第一种反作弊行为识别方法，包括：
6.获取目标对象对展示页面中已投放广告的响应行为信息，以及所述已投放广告的广告画面信息；
7.根据预先获取的目标反作弊规则中的广告展示规则对所述广告画面信息进行分析，获得用于表示所述已投放广告是否符合所述广告展示规则的第一识别结果；以及
8.根据所述目标反作弊规则中的行为规则对所述响应行为信息进行分析，获得用于表示所述目标对象的响应行为是否符合所述行为规则的第二识别结果；
9.通过对所述第一识别结果以及所述第二识别结果进行汇总处理，获得针对所述目标对象的反作弊行为识别结果。
10.可选的，所述方法还包括：
11.接收所述广告操作服务器下发的规则阈值；
12.若接收到的规则阈值与所述目标反作弊规则中的规则阈值不同，则将所述目标反作弊规则中的规则阈值替换为接收到的规则阈值，其中接收到的规则阈值是所述广告操作服务器根据接收到的各个对象的反作弊行为识别结果对各个对象对应的去除信息后的响应行为信息进行统计分析得到的。
13.本技术实施例提供的第二种反作弊行为识别方法，包括：
14.接收客户端发送的广告请求，其中所述广告请求为客户端响应于目标对象请求广告的操作后发送的；
15.根据所述广告请求中的硬件参数，从预先配置的反作弊规则集合中查找与所述硬件参数匹配的目标反作弊规则，并将所述目标反作弊规则下发给所述客户端，以使所述客
户端根据所述目标反作弊规则对所述目标对象进行反作弊行为识别，其中所述硬件参数为所述客户端所在终端设备的硬件参数，所述目标反作弊规则包括广告展示规则以及行为规则，所述广告展示规则用于对已投放广告的广告画面信息进行分析，所述行为规则用于对所述目标对象针对所述已投放广告的响应行为信息进行分析。
16.本技术实施例提供的第三种反作弊行为识别方法，包括：
17.接收各个客户端发送的对各个对象对应的去除目标信息后的响应行为信息，以及针对所述各个对象的反作弊行为识别结果；
18.基于所述反作弊行为识别结果对去除目标信息后的响应行为信息进行统计分析，确定目标反作弊规则中的规则阈值，并将所述规则阈值分别下发给所述各个对象的客户端，以使所述各个对象的客户端在确定预先获取的目标反作弊规则中的规则阈值与接收到的规则阈值不同时，将所述预先获取的目标反作弊规则中的规则阈值替换为接收到的规则阈值，所述目标反作弊规则包括广告展示规则以及行为规则，所述广告展示规则用于对已投放广告的广告画面信息进行分析，所述行为规则用于对对象针对所述已投放广告的响应行为信息进行分析。
19.本技术实施例提供的第一种反作弊行为识别装置，包括：
20.信息获取单元，用于获取目标对象对展示页面中已投放广告的响应行为信息，以及所述已投放广告的广告画面信息；
21.分析单元，用于根据预先获取的目标反作弊规则中的广告展示规则对所述广告画面信息进行分析，获得用于表示所述已投放广告是否符合所述广告展示规则的第一识别结果；以及根据所述目标反作弊规则中的行为规则对所述响应行为信息进行分析，获得用于表示所述目标对象的响应行为是否符合所述行为规则的第二识别结果；
22.汇总单元，用于通过对所述第一识别结果以及所述第二识别结果进行汇总处理，获得针对所述目标对象的反作弊行为识别结果。
23.可选的，所述分析单元具体用于：
24.对所述广告画面信息进行图像识别，确定所述已投放广告中的广告区域；
25.基于所述广告展示规则中与所述已投放广告的广告类型相对应的目标广告展示规则，对所述已投放广告中广告区域的画面占比进行分析，获得所述第一识别结果。
26.可选的，若所述已投放广告的广告类型为目标广告类型；
27.所述识别单元还用于：
28.获取所述已投放广告中包含的目标区域信息；
29.所述识别单元具体用于：
30.基于所述广告展示规则中与所述已投放广告的广告类型相对应的目标广告展示规则，对所述目标区域信息进行分析；
31.根据对所述目标区域信息的分析结果，以及对所述已投放广告中广告区域的画面占比的分析结果，获得所述第一识别结果。
32.可选的，所述响应行为信息包括所述目标对象针对所述已投放广告的各类响应行为的响应信息；所述识别单元具体用于：
33.分别将所述各类响应行为对应的响应信息与所述行为规则中设置的各类响应行为对应的规则阈值进行比对，获得用于表示所述目标对象的响应行为是否符合所述行为规
则的第二识别结果。
34.可选的，所述汇总单元具体用于：
35.若所述第一识别结果表示所述已投放广告符合所述广告展示规则，则确定所述反作弊行为识别结果包括所述已投放广告为正常广告；否则，则确定所述反作弊行为识别结果包括所述已投放广告为作弊广告；
36.若所述第二识别结果表示所述目标对象符合所述行为规则，则确定所述反作弊行为识别结果包括所述目标对象为正常对象；否则，则确定所述反作弊行为识别结果包括所述目标对象为作弊对象。
37.可选的，所述装置还包括：
38.传输单元，用于基于如下方式获得所述目标反作弊规则：
39.响应于所述目标对象请求广告的操作，向本地反作弊规则文件服务器发送广告请求，其中所述广告请求包括客户端所在终端设备的硬件参数；
40.接收所述本地反作弊规则文件服务器返回的与所述硬件参数匹配的目标反作弊规则。
41.可选的，所述汇总单元还用于：
42.根据预先设置的信息去除规则去除所述响应行为信息中的目标信息，获得去除目标信息后的响应行为信息；
43.将所述去除目标信息后的响应行为信息以及所述目标对象的反作弊行为识别结果上传给广告操作服务器，以使所述广告操作服务器根据所述反作弊行为的识别结果对所述去除目标信息后的响应行为信息进行统计分析。
44.可选的，所述汇总单元具体用于：
45.将所述响应行为信息按照预设响应类别进行分类，确定各类响应行为所属的原始类别，并记录所述各类响应行为所对应的响应时间；
46.按照所述信息去除规则去除所述各类响应行为所属的类别中的目标信息，得到所述各类响应行为的抽象类别；
47.将所述各类响应行为的抽象类别与预设操作集合进行归类合并，得到所述各类响应行为的目标类别；
48.将所述各类响应行为的目标类别以及所对应的响应时间进行绑定后，作为所述去除目标信息后的响应行为信息。
49.可选的，所述装置还包括：
50.更新单元，用于接收所述广告操作服务器下发的规则阈值；
51.若接收到的规则阈值与所述目标反作弊规则中的规则阈值不同，则将所述目标反作弊规则中的规则阈值替换为接收到的规则阈值，其中接收到的规则阈值是所述广告操作服务器根据接收到的各个对象的反作弊行为识别结果对各个对象对应的去除目标信息后的响应行为信息进行统计分析得到的。
52.本技术实施例提供的第二种反作弊行为识别装置，包括：
53.第一接收单元，用于接收客户端发送的广告请求，其中所述广告请求为客户端响应于目标对象请求广告的操作后发送的；
54.规则下发单元，用于根据所述广告请求中的硬件参数，从预先配置的反作弊规则
集合中查找与所述硬件参数匹配的目标反作弊规则，并将所述目标反作弊规则下发给所述客户端，以使所述客户端根据所述目标反作弊规则对所述目标对象进行反作弊行为识别，其中所述硬件参数为所述客户端所在终端设备的硬件参数，所述目标反作弊规则包括广告展示规则以及行为规则，所述广告展示规则用于对已投放广告的广告画面信息进行分析，所述行为规则用于对所述目标对象针对所述已投放广告的响应行为信息进行分析。
55.本技术实施例提供的第三种反作弊行为识别装置，包括：
56.第二接收单元，用于接收各个客户端发送的对各个对象对应的去除目标信息后的响应行为信息，以及针对所述各个对象的反作弊行为识别结果；
57.统计分析单元，用于基于所述反作弊行为识别结果对去除目标信息后的响应行为信息进行统计分析，确定目标反作弊规则中的规则阈值，并将所述规则阈值分别下发给所述各个对象的客户端，以使所述各个对象的客户端在确定预先获取的目标反作弊规则中的规则阈值与接收到的规则阈值不同时，将所述预先获取的目标反作弊规则中的规则阈值替换为接收到的规则阈值，所述目标反作弊规则包括广告展示规则以及行为规则，所述广告展示规则用于对已投放广告的广告画面信息进行分析，所述行为规则用于对对象针对所述已投放广告的响应行为信息进行分析。
58.本技术实施例提供的一种电子设备，包括处理器和存储器，其中，所述存储器存储有程序代码，当所述程序代码被所述处理器执行时，使得所述处理器执行上述任意一种反作弊行为识别方法的步骤。
59.本技术实施例提供一种计算机可读存储介质，其包括程序代码，当所述程序代码在电子设备上运行时，所述程序代码用于使所述电子设备执行上述任意一种反作弊行为识别方法的步骤。
60.本技术实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行上述任意一种反作弊行为识别方法的步骤。
61.本技术有益效果如下：
62.本技术实施例提供的反作弊行为识别方法、装置、电子设备和存储介质，由于本技术实施例将反作弊的重心从服务器端迁移到了客户端，由客户端预先获取用于反作弊行为识别的反作弊规则，进而对本地采集到的对象行为以及广告画面等进行分析来获得最终的反作弊行为识别结果，不需要将对象行为以及广告画面等信息中涉及隐私的信息上传至服务器，而是直接由客户端进行分析，可以规避隐私信息收集的政策风险，此外与相关技术相比，本技术增加了本地基于用户行为分析的反作弊行为判断以及基于本地广告画面分析的反作弊判断方法，提高了反作弊的准确率和速度，也节省了服务器带宽资源。
63.本技术的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本技术而了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
64.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本申
请的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
65.图1为本技术实施例中的一种应用场景的一个可选的示意图；
66.图2为本技术实施例中的第一种反作弊行为识别方法的流程示意图；
67.图3为本技术实施例中的一种展示页面的示意图；
68.图4为本技术实施例中的一种对响应行为信息进行脱敏处理的流程示意图；
69.图5为本技术实施例中的第二种反作弊行为识别方法的流程示意图；
70.图6为本技术实施例中的第三种反作弊行为识别方法的流程示意图；
71.图7a为本技术实施例中的为一种反作弊行为识别方法的交互时序流程示意图；
72.图7b为本技术实施例中用另一种形式表示的一种反作弊行为识别方法的交互时序流程示意图；
73.图8为本技术实施例中的第一种反作弊行为识别装置的组成结构示意图；
74.图9为本技术实施例中的第二种反作弊行为识别装置的组成结构示意图；
75.图10为本技术实施例中的第三种反作弊行为识别装置的组成结构示意图；
76.图11为应用本技术实施例的一种电子设备的一个硬件组成结构示意图。
具体实施方式
77.为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术的技术方案进行清楚、完整地描述，显然，所描述的实施例是本技术技术方案的一部分实施例，而不是全部的实施例。基于本技术文件中记载的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本技术技术方案保护的范围。
78.下面对本技术实施例中涉及的部分概念进行介绍。
79.opencv：opencv是一个基于bsd(berkeley software distribution，伯克利软件套件)许可(开源)发行的跨平台计算机视觉库，可以运行在各种操作系统上。它实现了图像处理和计算机视觉方面的很多通用算法。在本技术实施例中，可结合opencv技术对广告画面信息进行分析。
80.sdk：sdk是一些软件工程师为特定的软件包、软件框架、硬件平台、操作系统等建立应用软件时的开发工具的集合。在相关技术中，主要是基于sdk侧收集用户的一些行为参数，并发送到服务器，由服务器来进行反作弊行为识别。
81.广告曝光：指广告在用户侧的广告位(如用户访问的页面中的广告位、用户使用的应用中的广告位)展示，广告在用户侧展示一次称为一次广告曝光。
82.广告点击：用户在用户侧设备(如智能手机、平板电脑等终端设备)通过点击广告而访问广告主的页面，用户点击一次广告而访问广告主的页面，称为广告点击。
83.广告作弊和作弊对象：在广告曝光、点击、效果等环节，用户出于某种恶意的目的，存在可以提升广告曝光量、广告点击量、广告点击率、转化率等指标的行为，这种作弊对象的恶意的行为称为广告作弊。相应地，将产生作弊行为的用户称为作弊用户，或者是作弊对象。作弊对象可能是通过点击广告、下载应用或发帖回帖等手段达到盈利或营造舆论等目的的网络人员，还可能是自然人，也可能是伪装用户的作弊程序等。
84.反作弊行为识别：对广告曝光、点击和效果等环节进行检查，判断广告曝光、广告
点击、广告效果等是由于用户侧的正常访问触发，还是由于作弊对象通过广告作弊手段实现。
85.客户端或称为用户端，是指与服务器相对应，为客户提供本地服务的程序。除了一些只在本地运行的应用程序之外，一般安装在普通的客户机上，需要与服务端互相配合运行。因特网发展以后，较常用的用户端包括了如万维网使用的网页浏览器，收寄电子邮件时的电子邮件客户端，以及即时通讯的客户端软件等。对于这一类应用程序，需要网络中有相应的服务器和服务程序来提供相应的服务，如数据库服务，电子邮件服务等等，这样在客户机和服务器端，需要建立特定的通信连接，来保证应用程序的正常运行。
86.人工智能(artificialintelligence，ai)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
87.人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
88.随着人工智能技术研究和进步，人工智能技术在多个领域展开研究和应用，例如常见的智能家居、智能穿戴设备、虚拟助理、智能音箱、智能营销、无人驾驶、自动驾驶、无人机、机器人、智能医疗、智能客服等，相信随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。
89.本技术实施例提供的方案涉及人工智能的机器学习技术。机器学习是实现人工智能的一种途径，它和数据挖掘有一定的相似性，也是一门领域交叉学科，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。对比数据挖掘从大数据之间找相互特性而言，机器学习更加注重算法的设计，让计算机能够自动地从数据中学习规律，并利用规律对未知数据进行预测。
90.在本技术实施例中，可通过在客户端部署反作弊模型，基于反作弊模型对目标对象进行反作弊行为识别。其中，反作弊模型就是基于机器学习技术训练得到的。在下文中会结合具体实施例进行详细说明。
91.下面对本技术实施例的设计思想进行简要介绍：
92.进入移动互联网时代，广告给广告主带来丰厚流量收益。当前，伴随着网络和计算机的广泛应用，线上广告已经成为广告投放的新形式。在线上广告系统中，广告主通过向广告发布者付费，以通过网页、浏览器、应用程序(app，application)或其他在线媒体来投放自己的广告。
93.但是，随着互联网的迅速发展，线上广告在带来丰厚流量收益的同时，广告作弊相关灰色产业链的潜在威胁也越来越大。在相关技术中，都是基于sdk侧收集一些行为参数，发送到服务器，由服务器来通过反作弊规则判定是否有反作弊行为。
94.然而，相关技术的方案需要将采集到的行为参数等上传至服务器，由于部分数据涉及隐私信息，例如用户的一些浏览网站，或者一些具体的交互&行为等数据，而且未来对
用户本地数据上传的把控会越来越严，这种方式有很高的风险。此外，相关技术的方案只支持上传数据长度有限的结构化数据，例如点击坐标，但是对于一些数据无法进行上传，例如用户当前屏幕中的广告画面信息。
95.有鉴于此，本技术实施例提出了一种在客户端本地判断用户是否存在作弊行为的方法，在原有基于在线反作弊行为判断的基础上，增加了本地基于用户行为分析的反作弊行为判断以及基于本地截图和分析的反作弊判断方法，由客户端根据预先获取的目标反作弊规则来进行反作弊行为的识别，无需将隐私信息等传至服务器，可以直接在本地采集隐私信息或者是一些复杂的结构化数据等，规避未来隐私信息收集的政策风险，提高了反作弊的准确率和速度，也节省了服务器带宽资源。
96.以下结合说明书附图对本技术的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本技术，并不用于限定本技术，并且在不冲突的情况下，本技术中的实施例及实施例中的特征可以相互组合。
97.如图1所示，其为本技术实施例的应用场景示意图。其为本技术实施例的应用场景示意图。该应用场景图中包括两个终端设备110和一个服务器130，可通过终端设备110登录广告界面120。终端设备110与服务器130之间可以通过通信网络进行通信。每个终端设备对应的一个用户，图1中是以用户对应左侧的终端设备110，用户b对应右侧的终端设备110为例，实际上不限制终端设备的数量。在某些情况下，各终端设备之间可以先通过服务器130进行通信，终端设备到终端设备之间可以建立直接通信，终端设备到终端设备之间直接通信的方式可以称为点到点通信，在这情况下，各终端设备110之间的某些交互过程可能并不需要服务器130的中转。
98.其中，每个终端设备中可以安装有在线文档客户端。在本技术实施例中，客户端可以是社交软件，例如即时通信软件、短视频软件，还可以是小程序、网页等，在此不做具体限定。其中，终端设备110上需要安装有客户端，这里的客户端可以是软件，也可以是网页、小程序等客户端，服务器130则是与软件或是网页、小程序等相对应的服务器。
99.在一种可选的实施方式中，通信网络是有线网络或无线网络。终端设备110以及服务器130可以通过有线或无线通信方式进行直接或间接地连接，本技术在此不做限制。
100.在本技术实施例中，终端设备110为用户使用的电子设备，该电子设备可以是个人计算机、手机、平板电脑、笔记本、电子书阅读器等具有一定计算能力并且运行有即时通信类软件及网站或者社交类软件及网站的计算机设备。各终端设备110通过无线网络与服务器130连接，服务器130可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、cdn(content delivery network，内容分发网络)、以及大数据和人工智能平台等基础云计算服务的云服务器。
101.在本技术实施例中，用户通过终端设备110可登陆广告界面120，终端设备110通过响应用户在广告界面120触发的各种操作，例如点击、滑动等。
102.其中，在终端设备110响应用户操作之后，可能会存在与服务器130之间的交互，例如终端设备110向服务器130发送广告请求，从服务器130获取目标反作弊规则等。
103.参阅图2所示，为本技术实施例提供的一种反作弊行为识别方法的实施流程图，应用于客户端，该方法的具体实施流程如下：
104.s21：获取目标对象对展示页面中已投放广告的响应行为信息，以及已投放广告的广告画面信息；
105.在本技术实施例中，以目标对象为用户为例，用户在客户端侧请求广告后，可对展示页面中显示的已投放广告产生交互行为，例如点击、滑动等，这些行为统称为用户的响应行为，对应的响应行为信息这是指这些行为相关的数据，例如点击的次数、点击时间等。其中，广告画面信息可以是通过截图、录屏等方式获取的广告画面等。在下文中，广告画面信息主要是指广告画面的截图。
106.s22：根据预先获取的目标反作弊规则中的广告展示规则对广告画面信息进行分析，获得用于表示已投放广告是否符合广告展示规则的第一识别结果；以及，根据目标反作弊规则中的行为规则对响应行为信息进行分析，获得用于表示目标对象的响应行为是否符合行为规则的第二识别结果；
107.在一种可选的实施方式中，客户端侧预先获取的目标反作弊规则可以是预先从服务器侧拉取的，具体实现过程为：
108.客户端响应于目标对象请求广告的操作，向本地反作弊规则文件服务器发送广告请求，其中广告请求包括客户端所在终端设备的硬件参数；本地反作弊规则文件服务器在接收到客户端发送的广告请求之后，根据广告请求中的硬件参数，从预先配置的反作弊规则集合中查找与硬件参数匹配的目标反作弊规则，并将目标反作弊规则下发给客户端。
109.其中，本地反作弊规则文件服务器侧存储的反作弊规则集合中的反作弊规则可以来源于以下三种方式中的任意一种或多种：
110.方式一、线上已经运行的部分行为数据的反作弊规则，可以包括广告展示规则和行为规则中的至少一种；
111.方式二、收集用户上传的历史行为数据，通过分析这些历史行为数据制定相应的行为规则。例如可以将用户打开页面的停留时间做一个记录，通过行为规则来看停留时间的平均值、中值，及方差。如果每个页面停留时间都大致相同的，或者数据见有一个周期性的规律，就有机器操作脚本来进行作弊的嫌疑。假设根据用户上传的历史行为数据统计分析，最终指定：页面停留时长要大于1秒，若小于1秒则表示存在作弊行为；
112.方式三、人工给出不同广告类别的广告展示规则，例如对于某一广告类型，设定广告主体视图的高度不得小于整体屏幕高度的75％，若小于75％则表示存在广告作弊的情况。
113.在采用上述所列举的方式构建的反作弊规则集合包括不同硬件参数对应的行为规则以及广告展示规则，其中不同硬件参数对应的行为规则中的规则阈值不同，或者是不同硬件参数对应的广告展示规则中的规则阈值不同。
114.其中，规则阈值是指反作弊规则中设置的参考标准，例如对于行为规则“页面停留时长要大于1秒”而言，规则阈值为1秒，该规则阈值是用户页面浏览时间的参考标准，其中页面停留时长是指用户浏览广告的时长。对于不同硬件参数而言，例如对于一些新机型的终端设备，由于cpu(central processing unit，中央处理器)速度较快，因此页面停留时长这一规则阈值会较低；而对于一些旧机型的终端设备，由于cpu速度较慢，因此页面停留时长这一规则阈值会较高。
115.再比如对于广告展示规则“广告主体视图的高度不得小于整体屏幕高度的75％”，
其中规则阈值为75％，该规则阈值是广告主体视图高度的参考标准。
116.需要说明的是，在本技术实施例中，本地反作弊规则文件服务器每次更新反作弊规则时都会将规则版本号 1，最终规则会随客户端请求而进行下发，方便客户端能及时更新。
117.其中，用户在请求广告时，同时会请求本地反作弊规则文件服务器中最新的反作弊规则。本地反作弊规则文件服务器会根据广告请求中的硬件参数来适配不同的反作弊规则。例如针对页面停留时长的规则阈值，a机型对应的规则阈值为1秒，b机型对应的规则阈值为1.5秒，c机型对应的规则阈值为2秒。再比如，针对广告主体视图高度的规则阈值，a机型对应的规则阈值为75％，b机型对应的规则阈值为70％，c机型对应的规则阈值为80％。
118.本次请求广告的终端设备为a机型，因此服务器下发给客户端的目标反作弊规则中的行为规则包括：页面停留时长要大于1秒。目标反作弊规则中的广告展示规则包括：广告主体视图的高度不得小于整体屏幕高度的75％。
119.在客户端接收到本地反作弊规则文件服务器下发的目标反作弊规则之后，会根据反作弊规则信息中的版本号和本地版本号进行对比，来决定是否需要更新本地反作弊规则，如果需要则替换本地反作弊规则并持久化，之后再次检测到用户请求广告后，无需再从本地反作弊规则文件服务器中拉取目标反作弊规则，而是直接采用本地的目标反作弊规则即可。
120.例如，上述实施例中本地反作弊文件服务器下发的目标反作弊规则的版本号为v2，而客户端本地保存的反作弊规则的版本号为v1，该情况下，用本地反作弊文件服务器下发的目标反作弊规则替换本地反作弊规则并持久化。之后，即可基于目标反作弊规则来对目标对象进行反作弊行为分析，得到第一识别结果和第二识别结果。
121.s23：通过对第一识别结果以及第二识别结果进行汇总处理，获得针对目标对象的反作弊行为识别结果。
122.在用户触发广告操作，例如曝光(广告被展示)、点击(广告被点击)、转化(完成一次下载)等等行为时，本地反作弊模块会将这个过程中由本地行为数据收集器收集上来的数据来进行本地反作弊行为判断，主要分成两个部分：第一个部分即基于广告展示规则在客户端本地对广告画面信息进行分析；第二部分即基于行为规则在客户端本地对用户的响应行为信息进行分析。
123.下面首先对基于广告展示规则对广告画面信息进行分析的过程进行详细介绍：
124.在一种可选的实施方式中，广告展示规则与广告类型相关，在基于目标反作弊规则中的广告展示规则对广告画面信息进行分析时，需要判断已投放广告的广告画面信息是否符合相应的广告类型相对应的目标广告展示规则，具体过程如下：
125.首先需要对展示页面中展示的已投放广告的广告画面信息进行图像识别，确定已投放广告中的广告区域；进而基于广告展示规则中与已投放广告的广告类型相对应的目标广告展示规则，对已投放广告中广告区域的画面占比进行分析，获得第一识别结果。
126.在本技术实施例中，不同广告类型的广告画面中所要求的广告区域占比或者是其他画面信息可能存在不同，因此本技术在进行分析时，要采用对应的目标广告展示规则来进行判断，主要判断已投放广告中的广告区域的画面占比是否符合规定。
127.以广告画面信息为截图为例，如图3所示，其为本技术实施例中示出的一种开屏广
告截图的示意图。首先采用opencv等方式对广告截图进行图片标注和图片文字识别，划分出图片的基础数据及坐标。其中图片的基础数据包括图片中的文字、图片中的基础画面数据等，坐标主要是指广告主体视图部分的坐标，或者还可包括广告页脚部分的边界点坐标等。
128.其中，对于任何一个广告，可以大致将广告分为最多三个区域，这个视不同广告类型而定。以开屏广告为例，可以将广告区域分为body(主体)和footer(页脚)两部分，假设客户端接收到的广告展示规则中与首屏广告这一广告类型对应的广告展示规则规定body区域不得少于屏幕面积的75％，footer区域不得超过屏幕面积的25％，当然除了面积占比还可以规定高度占比等，在此不做具体限定。
129.在获取上述数据之后，结合图3所示的广告的广告类型对应的目标广告展示规则进行匹配，判断是否满足目标广告展示规则。假设图3所示的广告截图的body区域占屏幕面积的80％，超过了75％；footer区域占屏幕面积的20％，小于25％，即符合目标广告展示规则，此时对应的第一识别结果可以用1表示；若不符合目标广告展示规则时，此时对应的第一识别结果可以用0表示。
130.可选的，针对目标类型的广告，广告画面中可能会存在一些广告图标或者是文字标识等，因此，除了判断广告区域占比之外，还需要进一步判断广告画面中的目标区域的信息是否符合相应的广告展示规则。该情况下，在确定第一识别结果时，除了要对已投放广告中广告区域的画面占比进行分析之外，还需要对目标区域信息进行分析，根据这两部分的分析结果来获得第一识别结果。若这两部分中有任一部分不符合目标广告展示规则，则对应的第一识别结果可以用0表示；若这两部分都符合目标广告展示规则，则对应的第一识别结果用1表示。
131.以目标类型为某广告投放系统的x类型广告为例，假设该类广告一定会有对应的logo(图标)以及“广告”二字，例如图3虚线框s30所示，这些信息即目标区域信息，目标区域即虚线框s30所示的这一部分区域，即body区域的右下角部分。
132.若x类型的开屏广告包含虚线框s30所示的目标区域信息，且body区域不得少于屏幕面积的75％，footer区域不得超过屏幕面积的25％，则表明该广告为一个有效的x类型广告，也就是正常广告，否则可以确定该广告为作弊广告，即一个无效的广告，无法或者是影响广告投放方的收益。比如对于正常的开屏广告，用户可以通过点击跳转至该广告相应的链接，而作弊广告无法达到这样的效果，可能只是一张作弊的广告图片。在本技术实施例中，基于广告画面信息符合广告展示规则的基础上，进而判定用户是否存在作弊行为。
133.需要说明的是，上述实施方式实现了通过本地广告截图对比对广告作弊行为的分析，可以作为相关技术中基于线上手机数据的反作弊能力的一个重要补充，以推动将反作弊重心从服务端迁移到客户端的发展，接收服务器相关资源的开销。
134.在介绍完广告展示规则之后，下面对根据目标反作弊规则中的行为规则对响应行为信息进行分析的过程进行详细介绍：
135.在一种可选的实施方式中，根据目标反作弊规则中的行为规则对目标对象的响应行为信息进行分析，获得用于表示目标对象的响应行为是否符合行为规则的第二识别结果时，首选需要对目标对象的响应行为信息进行分析，确定目标对象针对已投放广告的各类响应行为，以及与各类响应行为对应的响应信息；之后，分别将各类响应行为对应的响应信
息与行为规则中设置的各类响应行为对应的规则阈值进行比对，获得用于表示目标对象的响应行为是否符合行为规则的第二识别结果。
136.其中，用户对已投放广告的响应行为信息包括点击坐标，手势滑动距离，历史浏览页面信息等数据，对应的响应行为分别为点击、滑动和浏览页面。
137.分别将各类响应行为对应的响应信息进行行为规则匹配，看是否存在作弊问题。例如，判断用户的点击坐标是在符合点击坐标对应的坐标规则阈值，判断用户的手势滑动距离是否符合点击坐标对应的距离规则阈值，判断用户浏览广告展示页面的时长是否符合时长规则阈值等。若其中有至少n项响应行为对应的响应信息不符合对应的规则阈值时，则可确定第二识别结果表示目标对象的响应行为不符合行为规则，此时第二识别结果可用0表示，其中n为正整数，可根据实际情况而定；反之，则可确定第二识别结果表示目标对象的响应行为符合行为规则，此时第二识别结果可用1表示。
138.下面列举一种客户端获取到的目标反作弊规则，具体规则格式如下：
[0139][0140][0141]
上述所列举的目标反作弊规则中：
[0142]
version字段表示本次目标反作弊规则的版本号，behaviorrules字段表示行为规则，screenshotrules表示广告展示规则。
[0143]
具体的，行为规则的规则格式为：[《公式，取值范围》,《公式，取值范围》,
…
]，其中每一组《公式，取值范围》表示一类响应行为的行为信息，以及该类响应行为对应的取值范围(即规则阈值)。例如《页面停留时长,》＝1》表示平均页面浏览时长要大于1s，时长规则阈值即为1s。
[0144]
其中，广告展示规则的规则格式中的adtype1字段表示广告类型，上述是以广告类型1为例进行举例说明的，对于该类型的广告，imagemustinclude字段表示图片url，可用于判断广告url是否正确；includedescrption字段表示包含文字，可用于判断广告截图中是否包含目标文字；bodyviewheightrange:[a,b]可用于判断广告主体视图的高度是否符合在规则阈值a和规则阈值b划定的区间内，例如a取值为75，b取值为100，即表示广告主体视图高度不得小于整体屏幕高度的75％。同理，headerviewheightrange:[a,b]表示广告页眉视图高度与整个屏幕高度相比的占比区间，footerviewheightrange:[a,b]表示广告页脚视图高度与整个屏幕高度相比的占比区间。
[0145]
在获得第一识别结果和第二识别结果之后，由客户端汇总第一识别结果和第二识别结果。如果属于作弊，则带上作弊具体原因，随曝光、点击、转化操作上传至广告操作服务器作为广告操作服务器判断是否作弊的重要依据。同时还可将本地交互数据和历史行为数据脱敏后上传至广告操作服务器，或者是上传至本地反作弊规则文件服务器，到达用户交互信息数据库，作为本地反作弊规则文件服务器更新反作弊规则集合时的参考数据。
[0146]
在本技术实施例中，客户端在进行汇总处理时，对于第一识别结果而言，若第一识别结果取值为1，则表示已投放广告符合广告展示规则，此时反作弊行为识别结果包括已投放广告为正常广告；若第一识别结果取值为0，则表示已投放广告不符合广告展示规则，此时反作弊行为识别结果包括已投放广告为作弊广告。
[0147]
对于第二识别结果而言，若第二识别结果取值为1，则表示目标对象符合行为规则，此时反作弊行为识别结果包括目标对象为正常对象；若第二识别结果取值为0，则表示目标对象不符合行为规则，此时反作弊行为识别结果包括目标对象为作弊对象。
[0148]
因此，在将第一识别结果与第二识别结果进行汇总时，一共可分为以下四种情况：
[0149]
情况一、第一识别结果表示已投放广告符合广告展示规则，第二识别结果表示目标对象符合行为规则，该情况下，反作弊行为识别结果包括：已投放广告为正常广告，目标对象为正常对象，也就是说广告正常投放，且目标对象没有作弊。
[0150]
情况二、第一识别结果表示已投放广告符合广告展示规则，第二识别结果表示目标对象不符合行为规则，该情况下，反作弊行为识别结果包括：已投放广告为正常广告，目标对象为作弊对象，也就是说广告正常投放，且目标对象的行为属于作弊行为。
[0151]
情况三、第一识别结果表示已投放广告不符合广告展示规则，第二识别结果表示目标对象符合行为规则，该情况下，反作弊行为识别结果包括：已投放广告为作弊广告，目标对象为正常对象，也就是说广告投放非正常，该广告的截图不符合广告展示规则，为虚假广告，但是目标对象的行为属于正常行为，目标对象未作弊。
[0152]
情况四、第一识别结果表示已投放广告不符合广告展示规则，第二识别结果表示目标对象不符合行为规则，该情况下，反作弊行为识别结果包括：已投放广告为作弊广告，目标对象为作弊对象，也就是说广告投放非正常，该广告的截图不符合广告展示规则，为虚假广告，并且目标对象的行为属于作弊行为。
[0153]
在本技术实施例中，客户端通过对第一识别结果和第二识别结果的汇总处理得到针对目标对象的反作弊行为识别结果之后，可将反作弊行为识别结果上传至广告操作服务器，用于广告操作服务器进行统计分析。
[0154]
除此之外，客户端除了依据目标反作弊规则对用户的响应行为信息和已投放广告
的广告画面信息进行分析之外，还可进一步将用户的响应行为信息脱敏后上传至用户交互信息数据库以及广告操作服务器，这里用户的响应行为信息包括本地交互数据和历史行为数据等。
[0155]
在一种可选的实施方式中，客户端根据预先设置的信息去除规则去除响应行为信息中的目标信息，获得去除目标信息后的响应行为信息，也就是对用户的响应行为信息进行脱敏处理后的响应行为信息；进而将去除目标信息后的响应行为信息以及目标对象的反作弊行为识别结果上传给广告操作服务器；广告操作服务器接收到各个客户端发送的对各个对象对应的去除目标信息后的响应行为信息，以及针对各个对象的反作弊行为识别结果之后，基于反作弊行为识别结果对去除目标信息后的响应行为信息进行统计分析，确定目标反作弊规则中的规则阈值，并将确定的规则阈值分别下发给各个对象的客户端。
[0156]
在本技术实施例中，客户端接收到广告操作服务器下发的规则阈值之后，将接收到的规则阈值与本地存储的目标反作弊规则中的规则阈值进行比较，在确定目标反作弊规则中的规则阈值与广告操作服务器下发的规则阈值不同时，将目标反作弊规则中的规则阈值替换为广告操作服务器下发的规则阈值。
[0157]
例如，本地反作弊规则文件服务器下发给客户端的目标反作弊规则包括：页面停留时长要大于1秒；广告主体视图的高度不得小于整体屏幕高度的75％。其中，页面停留时长对应的规则阈值为1秒，广告主体视图高度对应的规则阈值。假设广告操作服务器下发的新的页面停留时长规则阈值为1.5秒，此时客户端确定与目标反作弊规则中的页面停留时长规则阈值不同，将目标反作弊规则中关于页面停留时长的这一行为规则调整为：页面停留时长要大于1.5秒。
[0158]
需要说明的是，在本技术实施例中，广告操作服务器可以结合客户端上传的反作弊行为识别结果，以及用户的响应行为信息来进一步调整规则阈值，进而下发给客户端，由客户端调整相应的目标反作弊规则，以提高反作弊规则行为识别的准确性。
[0159]
其中，去除目标信息指对用户的响应行为信息进行脱敏处理，去除其中的敏感信息。参见图4，其为本技术实施例中所列举的一种脱敏方法的流程图，具体过程如下：
[0160]
在步骤s41中，将响应行为信息按照预设响应类别进行分类，确定各类响应行为所属的原始类别，并记录各类响应行为所对应的响应时间；
[0161]
其中，响应行为的原始类别也就是包含敏感信息的具体类。在将响应行为信息按照预设响应类别分类时，主要是指按照用停留或者交互的类名分类，比如userview(用户视图)，clickbutton(单击按钮)，messagedialogue(信息对话)，inputtextield(输入字段)等，并记录停留或者交互的具体时间，以ms为单位。
[0162]
例如userview这一行为对应的停留时间为2s；clickbutton这一行为对应的停留时间为0.5s；messagedialogue这一行为对应的停留时间为5sinputtextield这一行为对应的停留时间为3s。
[0163]
在步骤s42中，按照信息去除规则去除各类响应行为所属的类别中的目标信息，得到各类响应行为的抽象类别；
[0164]
该过程即对用户响应行为进行抽象的过程，将基于上述方式划分得到的各类响应行为的具体类别进行抽象，例如上述所列举的四类原始类别可抽象为view(视图)，button(按钮)，dialogue(对话)，input(输入)。其中，将具体类别进行抽象，得到抽象类别的过程
即去除目标信息的过程，在本技术实施例中，目标信息是指与用户一些涉及隐私的行为相关的敏感信息。
[0165]
在步骤s43中，将各类响应行为的抽象类别与预设操作集合进行归类合并，得到各类响应行为的目标类别；
[0166]
在得到抽象类别之后，即可将抽象类别归并到预设操作集合中，在本技术实施例中所列举的预设操作集合为：《静态视图元素，按钮交互元素，输入框交互元素》，将上述所列举的四类抽象类别与预设操作集合进行归类合并后，上述例子会被归并为《静态视图元素，按钮交互元素，静态视图元素，输入框交互元素》，即view对应的目标类别为静态视图元素，button对应的目标类别为按钮交互元素，dialogue对应的目标类别为静态视图元素，input对应的目标类别为输入框交互元素。
[0167]
在步骤s44中，将各类响应行为的目标类别以及所对应的响应时间进行绑定后，作为去除目标信息后的响应行为信息。
[0168]
在本技术实施例中，将目标类别和停留时间进行绑定可得：《静态元素，2s》，《按钮交互元素，0.5s》，《输入框交互元素，5s》，《静态元素，3s》，按照时间顺序上传广告操作服务器，例如：{《静态元素，2s》，《按钮交互元素，0.5s》，《输入框交互元素，5s》，《静态元素，3s》
…
}。
[0169]
在上述实施方式中，通过对用户的响应行为信息进行脱敏处理，可以规避未来隐私信息收集的政策风险。
[0170]
本技术实施例中的反作弊行为识别方法还可以结合人工智能技术来实现，具体的实现方式为：获取目标对象针对已投放广告的响应行为信息以及已投放广告的广告画面信息；将获取的响应行为信息以及广告画面信息输入已训练的反作弊模型中，获得反作弊模型输出的针对目标对象的反作弊行为识别结果，其中已训练的反作弊模型是基于训练样本集通过机器学习训练得到的。其中训练样本集包括多组数据，多组数据中的每组数据均包括：
[0171]
第一类组数据：样本广告的广告画面信息以及第一标签，其中第一标签用于标注样本广告是真实样本广告还是作弊样本广告；
[0172]
第二类组数据：样本对象对样本广告的响应行为信息以及第二标签，其中第二标签用于标注样本对象是正常样本对象还是作弊样本对象。
[0173]
进一步的，本技术实施例中的反作弊模型是通过采用多组数据利用机器学习训练得出的，基于这些数据，通过机器学习训练成一个反作弊模型下发到客户端，再基于客户端上的机器学习框架进行数据处理即可。
[0174]
在本技术实施例中，通过机器学习模型来进行本地反作弊行为识别时，可以有效提高识别的效率和准确率。
[0175]
在介绍完客户端侧的反作弊行为识别方法之后，下面对广告操作服务器侧和本地反作弊规则文件服务器侧的反作弊行为识别方法进行简要介绍：
[0176]
参阅图5所示，为本技术实施例提供的一种反作弊行为识别方法的实施流程图，应用于本地反作弊规则文件服务器，该方法的具体实施流程如下：
[0177]
s51：接收客户端发送的广告请求，其中广告请求为客户端响应于目标对象请求广告的操作后发送的；
[0178]
s52：根据广告请求中的硬件参数，从预先配置的反作弊规则集合中查找与硬件参数匹配的目标反作弊规则，并将目标反作弊规则下发给客户端，以使客户端根据目标反作弊规则对目标对象进行反作弊行为识别，其中硬件参数为客户端所在终端设备的硬件参数，目标反作弊规则包括广告展示规则以及行为规则，广告展示规则用于对已投放广告的广告画面信息进行分析，行为规则用于对目标对象针对已投放广告的响应行为信息进行分析。
[0179]
在上述实施方式中，由本地反作弊规则文件服务器配置反作弊规则集合，不断更新与各硬件参数对应的反作弊规则，此外，本地反作弊规则文件服务器不需要接收客户端上传的用户响应行为信息和广告画面信息，而是将与客户端发送的广告请求中的硬件参数对应的目标反作弊规则下发给客户端，将反作弊重心从服务端迁移到客户端，因而能够有效节省本地反作弊规则文件服务器相关资源的开销。具体实现方式可参见上述实施例，在此不再重复赘述。
[0180]
参阅图6所示，为本技术实施例提供的一种反作弊行为识别方法的实施流程图，应用于广告操作服务器，该方法的具体实施流程如下：
[0181]
s61：接收各个客户端发送的对各个对象对应的去除目标信息后的响应行为信息，以及针对各个对象的反作弊行为识别结果；
[0182]
s62：基于反作弊行为识别结果对去除目标信息后的响应行为信息进行统计分析，确定目标反作弊规则中的规则阈值，并将规则阈值分别下发给各个对象的客户端，以使各个对象的客户端在确定预先获取的目标反作弊规则中的规则阈值与接收到的规则阈值不同时，将预先获取的目标反作弊规则中的规则阈值替换为接收到的规则阈值，目标反作弊规则包括广告展示规则以及行为规则，广告展示规则用于对已投放广告的广告画面信息进行分析，行为规则用于对对象针对已投放广告的响应行为信息进行分析。
[0183]
在上述实施方式中，客户端在上传识别结果时，若识别结果表示作弊，此时还可进一步带上作弊具体原因，随曝光、点击、转化等操作对应的去除目标信息后的响应行为信息上传至广告操作服务器。广告操作服务器可以根据接收到的反作弊行为识别结果作出服务器这一侧的反作弊行为判定，还可依据接收到的反作弊行为识别结果对接收到的响应行为信息进行统计分析，比如基于统计分析上调页面停留时长对应的规则阈值，将原来的规则阈值1秒调整为1.5秒，并将新调整的规则阈值下发给客户端，由客户端更新阈值。
[0184]
在上述实施方式中，广告操作服务器可以结合客户端上传的反作弊行为识别结果，以及用户的响应行为信息来进一步调整规则阈值，进而下发给客户端，由客户端调整相应的目标反作弊规则，以提高反作弊规则行为识别的准确性。
[0185]
参阅图7a所示，为一种反作弊行为识别方法的交互时序流程示意图。该方法的具体实施流程如下：
[0186]
步骤s701：客户端响应于用户请求广告的操作，向本地反作弊规则文件服务器发送广告请求，该广告请求中包含客户端所在终端设备的硬件参数；
[0187]
步骤s702：本地反作弊规则文件服务器根据广告请求中的硬件参数，查找硬件参数对应的目标反作弊规则；
[0188]
步骤s703：本地反作弊规则文件服务器将目标反作弊规则发送给客户端；
[0189]
步骤s704：客户端根据目标反作弊规则中的广告展示规则对目标广告的广告画面
信息进行分析，获得第一识别结果；
[0190]
步骤s705：客户端根据目标反作弊规则中的行为规则对目标对象针对目标广告的响应行为信息进行分析，获得第二识别结果；
[0191]
步骤s706：客户端对第一识别结果以及第二识别结果进行汇总处理，获得针对目标对象的反作弊行为识别结果；
[0192]
步骤s707：客户端将获得的反作弊行为识别结果上传至广告操作服务器；
[0193]
步骤s708：客户端对目标对象针对目标广告的响应行为信息进行脱敏处理，得到脱敏后的响应行为信息；
[0194]
步骤s709：客户端将脱敏后的响应行为信息上传至广告操作服务器；
[0195]
步骤s710：广告操作服务器根据接收到的作弊行为识别结果对响应行为信息进行统计分析，确定目标反作弊规则中的规则阈值；
[0196]
步骤s711：广告操作服务器将确定的规则阈值下发给客户端；
[0197]
步骤s712：客户端在确定广告操作服务器下发的规则阈值与本地的目标反作弊规则中的规则阈值不同时，将目标反作弊规则中的规则阈值替换为广告操作服务器下发的规则阈值。
[0198]
参阅图7b所示，为本技术实施例中用另一种形式表示的一种反作弊行为识别方法的交互时序流程示意图。在本技术实施例中的反作弊行为识别系统包括：客户端，本地反作弊规则文件服务器和广告操作服务器。
[0199]
在用户请求广告时，客户端从本地反作弊规则文件服务器拉取反作弊规则；在拉取到反作弊规则之后，判断是否需要本地更新，如果需要，则更新到本地存储。其中，判断是否需要本地更新即上述实施例中所列举的比对本地反作弊规则文件服务器下发的目标反作弊规则的版本号与客户端本地反作弊规则的版本号的过程，在此不再重复限定。
[0200]
此外，客户端本地反作弊模块采集用户的广告操作以及广告画面信息等，其中用户的广告操作即用户对已投放广告的响应行为相关的数据信息，包括曝光、点击等，是通过客户端本地行为数据收集得到的，而广告截图是基于图像处理得到的，还包括图像标注和识别得到的坐标、基础数据等。
[0201]
基于客户端本地反作弊规则模块采集的上述信息，即可执行两个部分的分析：一、基于广告展示规则对广告画面信息进行分析；二、基于行为规则对用户的响应行为信息的分析。具体分析过程可参见上述实施例，在此不再重复限定。
[0202]
最终，客户端将上述两部分的分析结果进行汇总与处理，上报给广告操作服务器，此外，客户端还可对用户的广告操作等响应行为信息进行脱敏处理后，也上报给广告操作服务器，最终由广告操作服务器进行记录和统计分析。
[0203]
此外，客户端也可将进行脱敏处理后的广告操作等响应行为信息上传至用户交互信息数据库，云端可基于用户交互信息数据库中的这些信息制定反作弊规则，保存到本地反作弊规则文件服务器，此外本地反作弊规则文件服务器中的反作弊规则还可来源于基于线上已经运行的部分行为数据分析得到的反作弊策略集等。
[0204]
在本技术实施例中，通过对用户的响应行为信息的脱敏处理可以规避未来隐私信息收集的政策风险；此外，通过本地截图对比以及本地用户行为分析等，将反作弊重心从服务端迁移到客户端，能有效节省服务器相关资源的开销。
[0205]
基于相同的发明构思，本技术实施例还提供一种反作弊行为识别装置。如图8所示，其为本技术实施例中的第一种反作弊行为识别装置800的结构示意图，可以包括：
[0206]
信息获取单元801，用于获取目标对象对展示页面中已投放广告的响应行为信息，以及已投放广告的广告画面信息；
[0207]
分析单元802，用于根据预先获取的目标反作弊规则中的广告展示规则对广告画面信息进行分析，获得用于表示已投放广告是否符合广告展示规则的第一识别结果；以及根据目标反作弊规则中的行为规则对响应行为信息进行分析，获得用于表示目标对象的响应行为是否符合行为规则的第二识别结果；
[0208]
汇总单元803，用于通过对第一识别结果以及第二识别结果进行汇总处理，获得针对目标对象的反作弊行为识别结果。
[0209]
可选的，分析单元802具体用于：
[0210]
对广告画面信息进行图像识别，确定已投放广告中的广告区域；
[0211]
基于广告展示规则中与已投放广告的广告类型相对应的目标广告展示规则，对已投放广告中广告区域的画面占比进行分析，获得第一识别结果。
[0212]
可选的，若已投放广告的广告类型为目标广告类型；
[0213]
识别单元804还用于：
[0214]
获取已投放广告中包含的目标区域信息；
[0215]
识别单元804具体用于：
[0216]
基于广告展示规则中与已投放广告的广告类型相对应的目标广告展示规则，对目标区域信息进行分析；
[0217]
根据对目标区域信息的分析结果，以及对已投放广告中广告区域的画面占比的分析结果，获得第一识别结果。
[0218]
可选的，响应行为信息包括目标对象针对已投放广告的各类响应行为的响应信息；识别单元804具体用于：
[0219]
分别将各类响应行为对应的响应信息与行为规则中设置的各类响应行为对应的规则阈值进行比对，获得用于表示目标对象的响应行为是否符合行为规则的第二识别结果。
[0220]
可选的，汇总单元803具体用于：
[0221]
若第一识别结果表示已投放广告符合广告展示规则，则确定反作弊行为识别结果包括已投放广告为正常广告；否则，则确定反作弊行为识别结果包括已投放广告为作弊广告；
[0222]
若第二识别结果表示目标对象符合行为规则，则确定反作弊行为识别结果包括目标对象为正常对象；否则，则确定反作弊行为识别结果包括目标对象为作弊对象。
[0223]
可选的，装置还包括：
[0224]
传输单元805，用于基于如下方式获得目标反作弊规则：
[0225]
响应于目标对象请求广告的操作，向本地反作弊规则文件服务器发送广告请求，其中广告请求包括客户端所在终端设备的硬件参数；
[0226]
接收本地反作弊规则文件服务器返回的与硬件参数匹配的目标反作弊规则。
[0227]
可选的，汇总单元803还用于：
[0228]
根据预先设置的信息去除规则去除响应行为信息中的目标信息，获得去除目标信息后的响应行为信息；
[0229]
将去除目标信息后的响应行为信息以及目标对象的反作弊行为识别结果上传给广告操作服务器，以使广告操作服务器根据反作弊行为的识别结果对去除目标信息后的响应行为信息进行统计分析。
[0230]
可选的，汇总单元803具体用于：
[0231]
将响应行为信息按照预设响应类别进行分类，确定各类响应行为所属的原始类别，并记录各类响应行为所对应的响应时间；
[0232]
按照信息去除规则去除各类响应行为所属的类别中的目标信息，得到各类响应行为的抽象类别；
[0233]
将各类响应行为的抽象类别与预设操作集合进行归类合并，得到各类响应行为的目标类别；
[0234]
将各类响应行为的目标类别以及所对应的响应时间进行绑定后，作为去除目标信息后的响应行为信息。
[0235]
可选的，装置还包括：
[0236]
更新单元806，用于接收广告操作服务器下发的规则阈值；
[0237]
若接收到的规则阈值与目标反作弊规则中的规则阈值不同，则将目标反作弊规则中的规则阈值替换为接收到的规则阈值，其中接收到的规则阈值是广告操作服务器根据接收到的各个对象的反作弊行为识别结果对各个对象对应的去除目标信息后的响应行为信息进行统计分析得到的。
[0238]
基于相同的发明构思，本技术实施例还提供一种反作弊行为识别装置。如图9所示，其为本技术实施例中的第二种反作弊行为识别装置900的结构示意图，可以包括：
[0239]
第一接收单元901，用于接收客户端发送的广告请求，其中广告请求为客户端响应于目标对象请求广告的操作后发送的；
[0240]
规则下发单元902，用于根据广告请求中的硬件参数，从预先配置的反作弊规则集合中查找与硬件参数匹配的目标反作弊规则，并将目标反作弊规则下发给客户端，以使客户端根据目标反作弊规则对目标对象进行反作弊行为识别，其中硬件参数为客户端所在终端设备的硬件参数，目标反作弊规则包括广告展示规则以及行为规则，广告展示规则用于对已投放广告的广告画面信息进行分析，行为规则用于对目标对象针对已投放广告的响应行为信息进行分析。
[0241]
基于相同的发明构思，本技术实施例还提供一种反作弊行为识别装置。如图10所示，其为本技术实施例中的第三种反作弊行为识别装置1000的结构示意图，可以包括：
[0242]
第二接收单元1001，用于接收各个客户端发送的对各个对象对应的去除目标信息后的响应行为信息，以及针对各个对象的反作弊行为识别结果；
[0243]
统计分析单元1002，用于基于反作弊行为识别结果对去除目标信息后的响应行为信息进行统计分析，确定目标反作弊规则中的规则阈值，并将规则阈值分别下发给各个对象的客户端，以使各个对象的客户端在确定预先获取的目标反作弊规则中的规则阈值与接收到的规则阈值不同时，将预先获取的目标反作弊规则中的规则阈值替换为接收到的规则阈值，目标反作弊规则包括广告展示规则以及行为规则，广告展示规则用于对已投放广告
的广告画面信息进行分析，行为规则用于对对象针对已投放广告的响应行为信息进行分析。
[0244]
为了描述的方便，以上各部分按照功能划分为各模块(或单元)分别描述。当然，在实施本技术时可以把各模块(或单元)的功能在同一个或多个软件或硬件中实现。
[0245]
在介绍了本技术示例性实施方式的反作弊行为识别方法和装置之后，接下来，介绍根据本技术的另一示例性实施方式的电子设备。
[0246]
所属技术领域的技术人员能够理解，本技术的各个方面可以实现为系统、方法或程序产品。因此，本技术的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。
[0247]
图11是根据一示例性实施例示出的一种电子设备1100的框图，该装置包括：
[0248]
处理器1110；
[0249]
用于存储处理器1110可执行指令的存储器1120；
[0250]
其中，处理器1110被配置为执行指令，以实现本技术实施例中的反作弊行为识别方法。
[0251]
在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器1120，上述指令可由电子设备1100的处理器1110执行以完成上述方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0252]
在一些可能的实施方式中，本技术实施例中的电子设备还包括连接不同系统组件(包括存储器和处理器)的总线1130。
[0253]
总线1130表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器、外围总线、处理器或者使用多种总线结构中的任意总线结构的局域总线。
[0254]
存储器1120可以包括易失性存储器形式的可读介质，例如随机存取存储器(ram)1121和/或高速缓存存储器1122，还可以进一步包括只读存储器(rom)1123。
[0255]
存储器1120还可以包括具有一组(至少一个)程序模块1124的程序/实用工具1125，这样的程序模块包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。
[0256]
电子设备1100也可以与一个或多个外部设备1140(例如键盘、指向设备等)通信，还可与一个或者多个使得用户能与电子设备1100交互的设备通信，和/或与使得该电子设备1100能与一个或多个其它电子设备进行通信的任何设备(例如路由器、调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口1150进行。并且，电子设备1100还可以通过网络适配器1160与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图所示，网络适配器1160通过总线1130与用于电子设备1100的其它模块通信。应当理解，尽管图中未示出，可以结合电子设备1100使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理器、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
[0257]
在一些可能的实施方式中，本技术提供的反作弊行为识别方法的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当程序产品在计算机设备上运行时，程序代
码用于使计算机设备执行本说明书上述描述的根据本技术各种示例性实施方式的反作弊行为识别方法中的步骤，例如，计算机设备可以执行如图2中所示的步骤。
[0258]
程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。
[0259]
本技术的实施方式的程序产品可以采用便携式紧凑盘只读存储器(cd-rom)并包括程序代码，并可以在计算装置上运行。然而，本技术的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被命令执行系统、装置或者器件使用或者与其结合使用。
[0260]
尽管已描述了本技术的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本技术范围的所有变更和修改。
[0261]
显然，本领域的技术人员可以对本技术进行各种改动和变型而不脱离本技术的精神和范围。这样，倘若本技术的这些修改和变型属于本技术权利要求及其等同技术的范围之内，则本技术也意图包含这些改动和变型在内。