技术摘要：
本说明书实施例提出了一种作弊行为的检测方法、装置和电子设备，其中，上述作弊行为的检测方法中，电子设备检测到目标应用的活动页面被打开，并且打开的活动页面与预先配置的活动页面相匹配时，采集上述电子设备的特征数据，然后通过预先训练的检测模型，对上述电子设  全部
背景技术：
】 为了获取更多的新用户，提高老用户的活跃度，数字生活服务平台会联合服务商 投放很多拉新促活的页面或链接，只要用户通过服务商的渠道下载安装了数字生活服务平 台推荐的目标应用或者访问了活动页面，服务商即可获得数字生活服务平台给予的佣金。 在利益的驱使下有部分服务商会利用包含其身份信息的schema从三方应用中强 行唤起用户使用的电子设备中安装的目标应用，并自动跳转进入活动页面，其中，schema是 一种页面内跳转协议，可以通过类似打开网页的方式去通过路由打开一个界面 (Activity)，而非直接通过显式意图(Intent)方式去进行跳转。这种行为一方面会打扰用 户，引起用户投诉；二是服务商通过这种作弊的方式套取了数字生活服务平台给予的佣金， 但却没有带来实际的业务增长。因此，需要提供一种方案，对服务商的这种作弊行为进行检 测。 【
技术实现要素：
】 本说明书实施例提供了一种作弊行为的检测方法、装置和电子设备，以实现对三 方应用通过schema强行打开目标应用的活动页面的作弊行为进行检测。 第一方面，本说明书实施例提供一种作弊行为的检测方法，包括： 检测到目标应用的活动页面被打开，并且打开的活动页面与预先配置的活动页面 相匹配时，采集电子设备的特征数据；其中，所述目标应用安装在所述电子设备上；所述电 子设备的特征数据包括以下之一或组合：传感器数据、锁屏状态和手势特征； 通过预先训练的检测模型，对所述电子设备的特征数据进行检测； 根据检测结果，确定所述目标应用的活动页面本次被打开的行为是否为作弊行 为。 其中一种可能的实现方式中，所述采集电子设备的特征数据包括：调用3D传感器 的接口，采集电子设备的特征数据。 其中一种可能的实现方式中，所述通过预先训练的检测模型，对所述电子设备的 特征数据进行检测之后，还包括： 将检测结果发送给所述目标应用对应的服务器。 其中一种可能的实现方式中，所述传感器数据包括：陀螺仪传感器数据、加速度传 感器数据、重力加速度传感器数据和环境光传感器数据；所述锁屏状态包括表征所述电子 设备是否处于锁屏状态的数据；所述手势特征包括以下之一或组合：起始坐标、结束坐标、 关联的应用标识、页面名称、手势类型和操作时间。 上述作弊行为的检测方法中，电子设备检测到目标应用的活动页面被打开，并且 5 CN 111582922 A 说　明　书 2/13 页 打开的活动页面与预先配置的活动页面相匹配时，采集上述电子设备的特征数据，然后通 过预先训练的检测模型，对上述电子设备的特征数据进行检测，上述检测结果可以包括上 述目标应用的活动页面本次是否被三方应用通过schema强行打开的信息，因此根据检测结 果，就可以确定上述目标应用的活动页面本次被打开的行为是否为作弊行为，从而可以实 现及时对三方应用通过schema强行打开目标应用的活动页面的作弊行为进行检测，避免服 务商恶意薅取大量返佣，并且上述方法由电子设备执行，对电子设备性能的影响极小，节省 了服务器的大量计算资源。 第二方面，本说明书实施例提供一种作弊行为的检测方法，包括： 获取安装目标应用的至少两个电子设备的特征数据；所述电子设备的特征数据是 所述电子设备检测到所述目标应用的活动页面被打开，并且打开的活动页面与预先配置的 活动页面相匹配时采集的； 对所述特征数据进行标注，获得所述特征数据的标签； 利用所述特征数据和所述特征数据的标签，对待训练的检测模型进行训练； 将训练好的检测模型部署到所述目标应用，以便所述电子设备利用所述训练好的 检测模型，对所述目标应用的活动页面被打开的行为进行作弊行为检测。 其中一种可能的实现方式中，所述特征数据的标签用于表示所述特征数据是否为 正样本，所述正样本为所述目标应用对应的服务器记录的、被投诉过且被处罚过的特征数 据。 其中一种可能的实现方式中，所述利用所述特征数据和所述特征数据的标签，对 待训练的检测模型进行训练包括： 将所述特征数据划分为训练集合和验证集合； 利用所述训练集合中的特征数据和所述特征数据的标签对待训练的检测模型进 行训练； 利用训练获得的检测模型对所述验证集合中的特征数据进行检测，根据检测结果 和所述验证集合中的特征数据的标签，确定所述训练获得的检测模型的准确率； 当所述准确率达到预定的准确率阈值时，获得训练好的检测模型。 第三方面，本说明书实施例提供一种作弊行为的检测装置，包括： 采集模块，用于当检测到目标应用的活动页面被打开，并且打开的活动页面与预 先配置的活动页面相匹配时，采集电子设备的特征数据；其中，所述目标应用安装在所述电 子设备上；所述电子设备的特征数据包括以下之一或组合：传感器数据、锁屏状态和手势特 征； 检测模块，用于通过预先训练的检测模型，对所述电子设备的特征数据进行检测； 以及根据检测结果，确定所述目标应用的活动页面本次被打开的行为是否为作弊行为。 其中一种可能的实现方式中，所述采集模块，具体用于调用3D传感器的接口，采集 电子设备的特征数据。 其中一种可能的实现方式中，所述装置还包括： 发送模块，用于在所述检测模块通过预先训练的检测模型，对所述电子设备的特 征数据进行检测之后，将检测结果发送给所述目标应用对应的服务器。 第四方面，本说明书实施例提供一种作弊行为的检测装置，包括： 6 CN 111582922 A 说　明　书 3/13 页 获取模块，用于获取安装目标应用的至少两个电子设备的特征数据；所述电子设 备的特征数据是所述电子设备检测到所述目标应用的活动页面被打开，并且打开的活动页 面与预先配置的活动页面相匹配时采集的； 标注模块，用于对所述获取模块获取的特征数据进行标注，获得所述特征数据的 标签； 训练模块，用于利用所述特征数据和所述特征数据的标签，对待训练的检测模型 进行训练； 部署模块，用于将所述训练模块训练好的检测模型部署到所述目标应用，以便所 述电子设备利用所述训练好的检测模型，对所述目标应用的活动页面被打开的行为进行作 弊行为检测。 其中一种可能的实现方式中，所述特征数据的标签用于表示所述特征数据是否为 正样本，所述正样本为所述目标应用对应的服务器记录的、被投诉过且被处罚过的特征数 据。 其中一种可能的实现方式中，所述训练模块包括： 划分子模块，用于将所述特征数据划分为训练集合和验证集合； 模型训练子模块，用于利用所述训练集合中的特征数据和所述特征数据的标签对 待训练的检测模型进行训练； 模型验证子模块，用于利用训练获得的检测模型对所述验证集合中的特征数据进 行检测，根据检测结果和所述验证集合中的特征数据的标签，确定所述训练获得的检测模 型的准确率； 模型获得子模块，用于当所述准确率达到预定的准确率阈值时，获得训练好的检 测模型。 第五方面，本说明书实施例提供一种电子设备，包括： 至少一个处理器；以及 与所述处理器通信连接的至少一个存储器，其中： 所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指 令能够执行第一方面提供的方法。 第六方面，本说明书实施例提供一种电子设备，包括： 至少一个处理器；以及 与所述处理器通信连接的至少一个存储器，其中： 所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指 令能够执行第二方面提供的方法。 第七方面，本说明书实施例提供一种非暂态计算机可读存储介质，所述非暂态计 算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第一方面提供的方 法。 第八方面，本说明书实施例提供一种非暂态计算机可读存储介质，所述非暂态计 算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行第二方面提供的方 法。 应当理解的是，本说明书实施例的第三、第五和第七方面与本说明书实施例的第 7 CN 111582922 A 说　明　书 4/13 页 一方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。 应当理解的是，本说明书实施例的第四、第六和第八方面与本说明书实施例的第 二方面的技术方案一致，各方面及对应的可行实施方式所取得的有益效果相似，不再赘述。 【附图说明】 为了更清楚地说明本说明书实施例的技术方案，下面将对实施例中所需要使用的 附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书的一些实施例，对于本 领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的 附图。 图1为本说明书作弊行为的检测方法一个实施例的流程图； 图2为本说明书作弊行为的检测方法另一个实施例的流程图； 图3为本说明书作弊行为的检测方法再一个实施例的流程图； 图4为本说明书作弊行为的检测方法再一个实施例的流程图； 图5为本说明书作弊行为的检测方法再一个实施例的流程图； 图6为本说明书作弊行为的检测装置一个实施例的结构示意图； 图7为本说明书作弊行为的检测装置另一个实施例的结构示意图； 图8为本说明书作弊行为的检测装置再一个实施例的结构示意图； 图9为本说明书作弊行为的检测装置再一个实施例的结构示意图； 图10为本说明书电子设备一个实施例的结构示意图。 【