构建基于密度峰值聚类算法的反作弊系统

摘要：

文章针对密度峰值聚类算法(Density Peak,DPeak)能够有效解决离群点检测和分类的问题,结合算法特点进行改良优化,提出了一种基于密度峰值聚类算法的反作弊模型,通过构建对抗性学习框架、优化算法计算复杂度、引入LOF判别分类机制、多模态融合技术等创新方法,实现了不同阶段黑产演变环境下的规则校验和分类判定.该模型有效解决了百万级数据集时间复杂度高、任意形状类簇的聚类等流量反作弊服务的领域性挑战问题,对于密度峰值聚类算法的产业应用具有一定的研究意义.实验结果表明,反作弊模型在聚类效果和算力测试上均达到了预期结果,证明了该模型的有效性.

关键词：密度峰值、聚类算法、截断距离、反作弊

分类号：TP391(计算技术、计算机技术)

资助基金：中青年教师教育科研项目JAT191014

在线出版日期：2022-06-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：46-48,90