应用程序的排名欺诈检测方法和排名欺诈检测系统的制作方法
【专利摘要】本发明提供了一种应用程序的排名欺诈检测方法和排名欺诈检测系统。所述方法包括：活跃期检测步骤，基于历史排名信息检测所述应用程序的活跃期；排名欺诈检测步骤，基于至少一个与排名相关的证据对所述活跃期进行检测，得到排名欺诈检测结果。本发明的方法及系统能够自动地识别出与应用程序有关的排名欺诈行为，从而使应用程序用户获得真实的应用程序排名信息。
【专利说明】应用程序的排名欺诈检测方法和排名欺诈检测系统
【技术领域】
[0001]本发明涉及网络领域，尤其涉及一种应用程序的排名欺诈检测方法和排名欺诈检测系统。
【背景技术】
[0002]用户应用程序，尤其是安装并运行于移动终端的移动应用程序近年来发展迅速。为了方便用户选择并安装应用程序，很多应用程序网站或应用程序商店会集中地提供应用程序的查询、下载、评价等服务，同时还会定期地，例如毎日，发布应用程序排行榜(Application Leaderboard)以体现一些当前受用户欢迎的应用程序。事实上,该排行榜是促销应用程序的最重要手段之一，应用程序在排行榜上很高的排名通常会刺激用户大量下载该应用程序，并为应用程序开发者带来巨大的经济收益。因此，应用程序开发者非常希望其应用程序在排行榜上占据更高的排名。
[0003]应用程序的排名欺诈(Ranking Fraud)是指目的在于提高应用程序在应用程序排行榜上的排名而进行的欺骗行为。事实上，不同于依赖传统的市场手段来提高应用程序排名，应用程序开发者通过夸大其产品销量或发布虚假的产品评价来实施排名欺诈的行为已经越来越普遍，例如雇佣“水军(human water armies)”来在短时间内提升应用程序的下载量和评价次数等。
[0004]业界已经意识到防止排名欺诈以使应用程序用户获得真实的应用程序排名信息的重要性。为了防止应用程序的排名欺诈，现有的办法是根据一天内应用程序排名上升的程度来推断排名欺诈行为的存在，并在判断出现排名欺诈的时候直接锁定整个应用程序的排名，这种方式过于简单粗暴，难以准确判断排名欺诈行为而且伤害了正常应用程序的排名上升。可见，本领域对于应用程序的排名欺诈检测问题的理解和研究还非常有限，至今还不存在有效检测应用程序的排名欺诈的相关技木。
【发明内容】
[0005]本发明的目的在于提供一种应用程序的排名欺诈的检测技木，从而自动地有效识别出与应用程序有关的排名欺诈行为，以使应用程序用户获得真实的应用程序排名信息。
[0006]为解决上述技术问题，根据本发明的ー个方面，提供一种应用程序的排名欺诈检测方法，所述方法包括:
[0007]活跃期检测步骤，基于历史排名信息检测所述应用程序的活跃期；
[0008]排名欺诈检测步骤，基于至少一个与排名相关的证据对所述活跃期进行检测，得到排名欺诈检测結果。
[0009]根据本发明的另ー个方面，还提供一种应用程序的排名欺诈检测系统，所述系统包括:
[0010]活跃期检测单元，用于基于历史排名信息检测所述应用程序的活跃期；
[0011]排名欺诈检测単元，用于基于至少ー个与排名相关的证据对所述活跃期进行检测，得到排名欺诈检测結果。
[0012]根据本发明的另ー个方面，还提供一种应用程序的排名欺诈检测方法，所述方法包括:
[0013]基于至少一个与排名相关的证据对应用程序的活跃期进行检测，得到排名欺诈检测結果。
[0014]根据本发明的另ー个方面，还提供一种应用程序的排名欺诈检测系统，所述系统包括:
[0015]排名欺诈检测単元，用于基于至少ー个与排名相关的证据对应用程序的活跃期进行检测，得到排名欺诈检测結果。
[0016]本发明的方法及系统能够自动地有效识别出与应用程序有关的排名欺诈行为，从而使应用程序用户获得真实的应用程序排名信息。
【专利附图】
【附图说明】
[0017]图1是本发明【具体实施方式】中应用程序的排名欺诈检测方法的流程图；
[0018]图2a是在应用程序排行榜中活跃事件的一个示例；
[0019]图2b是在应用程序排行榜中活跃期的一个示例；
[0020]图3是应用程序的一个活跃事件中不同排名阶段的示意图；
[0021]图4a是ー个疑似存在排名欺诈的应用程序的排名记录示意图；
[0022]图4b是ー个正常应用程序的排名记录示意图；
[0023]图5是本发明【具体实施方式】中应用程序的排名欺诈检测系统的系统结构图；
[0024]图6是本发明另ー实施例中应用程序的排名欺诈检测系统的结构示意图。
【具体实施方式】
[0025]下面结合附图和实施例，对本发明的【具体实施方式】作进ー步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。
[0026]本发明针对与应用程序排名相关的技术问题进行研究，因此本领域技术人员对本发明中的“应用程序”应做广义理解，其包括可发布于互联网并可供用户下载、评价、执行的各种程序或文件，即包括运行于个人电脑中的传统应用程序、运行于移动终端的移动应用程序，也包括可下载并播放的图片、音频、视频等多媒体文件等。
[0027]在检测应用程序的排名欺诈时，有几个需要解决的重要问题。首先，在应用程序的整个生命周期中并不会总出现排名欺诈，因此首先需要检测可能出现排名欺诈的时间；第ニ，由于应用程序数量巨大，很难手工地为每个出现排名欺诈的应用程序进行标定，因此需要提供一种自动检测排名欺诈的技术；第三，现有技术中并不确定可基于何种依据来检测排名欺诈的存在。
[0028]本发明的ー个【具体实施方式】对应用程序的排名欺诈行为进行了整体性的分析和研究，提供了一种可检测应用程序的排名欺诈的技术，其可通过对应用程序的历史排名信息的分析来检测应用程序的“活跃期”，针对活跃期中应用程序的排名特征，基于与排名相关的证据来进行排名欺诈的检測。
[0029]根据发明人的分析发现，存在排名欺诈的应用程序并不会长期在排名榜上占据很高的排名，排名较高的情况仅是作为ー些独立事件集中发生在一段相对较短的时期内，这表明排名欺诈行为正是发生在这段时期内。在本发明中，可将应用程序持续排名较高的时期称为应用程序的“活跃事件(Leading Event)”，可将频繁发生活跃事件的时期称为应用程序的“活跃期(Leading Session)”。因此，对于排名欺诈的检测首先需要检测每个应用程序有可能存在排名欺诈的该活跃事件和该活跃期。
[0030]应用程序商店运营商处拥有应用程序的历史排名信息,从应用程序商店运营商处直接获取，或通过对应用程序商店运营商在一段较长历史时期内持续发布的应用程序排行榜信息进行分析和处理，也可以获得应用程序的历史排名信息。由于应用程序的该历史排名信息记载了有关应用程序排名的历史信息和相关的用户评价信息，因此在本发明【具体实施方式】中，可以基于该历史排名信息来进行每个应用程序的活跃事件和活跃期的检测，并进而实现对排名欺诈的检測。通过分析应用程序的排名行为发现，相比于正常的应用程序而言，存在排名欺诈的应用程序在活跃事件和活跃期内会呈现成不同的排名特征。因此，有可能从应用程序的历史排名信息中抽取出一些与排名相关的用于判定排名欺诈的证据，并获取这些证据，从而实现对排名欺诈的检测。
[0031]如图1所示，本发明的ー个【具体实施方式】中提供了一种应用程序的排名欺诈检测方法，所述方法包括:
[0032]活跃期检测步骤S10，基于历史排名信息检测所述应用程序的活跃期；排名欺诈检测步骤S20，基于至少一个与排名相关的证据来对所述活跃期进行检测，得到排名欺诈检测結果。
[0033]下面，结合附图来说明本发明【具体实施方式】中上述排名欺诈检测方法的各步骤流程和功能。
[0034]由于历史排名信息是本发明中检测应用程序的排名欺诈的数据基础，因此作为本发明的ー个优选实施方式，该排名欺诈检测方法还可包括一历史排名信息获取步骤，获取所述应用程序在应用程序排行榜上的历史排名信息。
[0035]应用程序排行榜通常可显示受欢迎的排名前K位的应用程序，例如前1000位等。而且，应用程序排行榜通常会定期更新，例如每日进行更新。因此，对于每个应用程序a而言都有其历史排名信息，该历史排名信息可以包括表示为ー个与离散时间序列对应的排名序列Ra = Ir13, ぐ，く}，该离散时间序列中的时间点之间的间隔固定，即应用程序排行榜的更新周期。其中，Aa是该应用程序a在时间h时的排名，riae {I,...,K..+ 00表示应用程序a不在排行榜排名前K位之列；n表示所有历史排名信息所对应的时间点总数。例如，在排行榜每天更新的情况下，h就表示该段历史中的第i天，n就是历史排名信息所对应的总天数。可以看出，ピ的值越小，说明应用程序a第i天在排行榜上的排名越尚。
[0036]在一个应用程序被发布后，任何下载用户都可以对其进行评价。实际上，用户评价对于应用程序推广而言是最重要的特征之一。具有越高评价的应用程序就会吸引越多的用户来下载它，并导致该应用程序在排行榜上的更高排名。因而在历史排名信息中，还可以包括历史各时间段中应用程序的用户对该应用程序做出的评价信息。
[0037]在该历史排名信息获取步骤中，可以多种方式来获取该历史排名信息。例如，可从应用程序商店运营商处直接获取该历史排名信息，也可以从应用程序商店在一段较长历史时期内持续发布的数据中抽取该历史排名信息等。
[0038]S10:活跃期检测步骤，基于历史排名信息检测所述应用程序的活跃期。
[0039]活跃期表示一应用程序在应用程序排行榜上排名较高，也就是用户关注度比较高的一段时期，因此对应用程序市场会造成较大影响的排名欺诈行为只会出现在这些活跃期内。所以在本发明【具体实施方式】中，对于排名欺诈的检测首先要从应用程序的历史排名信息中检测出应用程序的活跃期。
[0040]在本发明ー个优选实施方式中，在该活跃期检测步骤中可进ー步包括ー活跃事件检测步骤，基于该历史排名信息检测所述应用程序的活跃事件。
[0041]由于应用程序 开发者均希望其应用程序在排行榜上占据较高的排名，因此应用程序开发者有可能利用排名欺诈的手段使其应用程序跻身排行榜前列。通过分析发现，应用程序并不会总是在排名榜上占据很高的排名，发生持续排名较高的时期即为“活跃事件”，图2a中示出了应用程序的活跃事件的例子，图中横轴表示历史排名信息对应的时间序列(Date Index),纵轴表示应用程序的排名(Ranking),图中的事件I (Eventl)和事件2(Event2)表示该应用程序排名历史中所出现的两个活跃事件，其轮廓分别由活跃事件期间的排名点连接而成。
[0042]在本发明【具体实施方式】中，应用程序在应用程序排行榜上排名较高的标准是该应用程序的排名不大于ー排名阈值K*。由于应用程序的排名在排行榜前K*位之列被认为是排名较高，因而应用程序的排名持续在前K*位之列的时间段即可被认为是一个活跃事件，该活跃事件应从该应用程序开始进入排行榜前K*位之列开始，持续到该应用程序跌出排行榜前K*位之列结束。
[0043]优选地，本发明实施方式中的方法还可包括ー设置该排名阈值K*的步骤，从而确定应用程序在应用程序排行榜上排名较高的标准。由于排行榜上的应用程序总数量K通常很大，例如为1000等，因此上述排名阈值K*通常小于K值。根据应用程序排行榜中应用程序的总数量K和本领域技术人员的分析需求等因素，该排名阈值K*可在例如I~500之间的整数间取值。本领域技术人员可以理解，K*的取值越小，应用程序被认为排名较高的标准就越高。在图2a中，该K*的取值为300。
[0044]根据上述对于活跃事件的文字表述，应用程序a的活跃事件e可以如下公式化表述:
[0045]给定ー排名阈值K*作为排名较高的标准，其中K* G [I, K];应用程序a的活跃事件e包括从ー开始时间到ー结束时间的ー时间范围
【权利要求】
1.一种应用程序的排名欺诈检测方法，其特征在于，所述方法包括: 活跃期检测步骤，基于历史排名信息检测所述应用程序的活跃期； 排名欺诈检测步骤，基于至少一个与排名相关的证据对所述活跃期进行检测，得到排名欺诈检测結果。
2.根据权利要求1所述的方法，其特征在于，所述排名欺诈检测步骤进一歩包括: 证据验证步骤，基于至少一个与排名相关的证据对所述活跃期进行验证并得到ー欺诈參数。
3.根据权利要求2所述的方法，其特征在于，所述排名欺诈检测步骤进一歩包括: 活跃事件分析步骤，识别所述活跃期中至少ー个活跃事件的上升阶段、保持阶段和下降阶段。
4.根据权利要求3所述的方法，其特征在于，在所述活跃事件分析步骤中，确定所述活跃事件中所述应用程序的排名在一峰值范围AR内的第一个时间和最后ー个时间，将所述第一个时间和所述最后ー个时间之间的时间段识别为所述保持阶段，将所述活跃事件中在保持阶段之前的时间段识别为所述上升阶段，将所述活跃事件中在保持阶段之后的时间段识别为所述下降阶段。
5.根据权利要求3所述的方法，其特征在于，所述与排名相关的证据基于所述活跃期内的活跃事件中的上升阶段和/或下降阶段构成。
6.根据权利要求5所述的方法，其特征在干， 所述欺诈參数是所述活跃期内所有活跃事件的所述上升阶段的时间范围的平均值，或所述活跃期内所有活跃事件的所述下降阶段的时间范围的平均值，或所述活跃期内所有活跃事件的所述上升阶段的时间范围和下降阶段的时间范围的和的平均值。
7.根据权利要求5所述的方法，其特征在干， 所述欺诈參数是所述活跃期内所有活跃事件的所述上升阶段的曲线与时间轴相交所形成的鋭角的角度的平均值，或所有活跃事件的所述下降阶段的曲线与时间轴相交所形成的鋭角的角度的平均值，或所有活跃事件的所述上升阶段的曲线和所述下降阶段的曲线与时间轴相交所形成的鋭角的角度和的平均值。
8.根据权利要求3所述的方法，其特征在干， 所述与排名相关的证据基于所述活跃期内的活跃事件中的保持阶段构成。
9.根据权利要求8所述的方法，其特征在干， 所述欺诈參数是所述活跃期内所有活跃事件的所述保持阶段的时间范围的平均值。
10.根据权利要求8所述的方法，其特征在于，基于所有活跃事件的所述保持阶段中所述应用程序的平均排名和所述保持阶段的时间范围来计算所述欺诈參数。
11.根据权利要求2所述的方法，其特征在干， 所述与排名相关的证据基于所述活跃期内活跃事件的数量构成。
12.根据权利要求11所述的方法，其特征在干， 所述欺诈參数是所述活跃期内活跃事件的数量。
13.根据权利要求2所述的方法，其特征在于，在所述证据验证步骤中，综合考虑所述至少ー个与排名相关的证据，将基于所述至少ー个与排名相关的证据验证得到的对应欺诈參数进行加权计算，从而得到所述欺诈參数。
14.根据权利要求3-13中任一项所述的方法，其特征在于，所述排名欺诈检测步骤进ー步包括: 欺诈參数判断步骤，将所述欺诈參数与一阈值进行比较，从而判断所述应用程序是否存在排名欺诈。
15.根据权利要求1所述的方法，其特征在于，所述方法还包括: 历史排名信息获取步骤，获取所述应用程序在应用程序排行榜上的所述历史排名信
o
16.根据权利要求15所述的方法，其特征在于，在所述历史排名信息获取步骤中，从应用程序商店运营商获取所述历史排名信息，或从应用程序商店发布的数据中抽取所述历史排名信息。
17.根据权利要求1所述的方法，其特征在于，所述历史排名信息包括表示为ー个与离散时间序列对应的排名序列，所述排名序列中的每个元素对应于所述时间序列中的ー个离散时间点，表示所述应用程序在所述离散时间点时的排名。
18.根据权利要求1所述的方法，其特征在于，所述方法还包括:将所检测出的所述应用程序的所述活跃期发送给应用程序开发者、应用程序商店运营商、应用程序用户中的至少ー个。
19.根据权利要求1 所述的方法，其特征在于，所述方法还包括:将所检测出的所述排名欺诈检测结果发送给应用程序商店运营商、应用程序用户中的至少ー个。
20.一种应用程序的排名欺诈检测系统，其特征在于，所述系统包括: 活跃期检测单元，用于基于历史排名信息检测所述应用程序的活跃期； 排名欺诈检测単元，用于基于至少ー个与排名相关的证据对所述活跃期进行检测，得到排名欺诈检测結果。
21.根据权利要求20所述的系统，其特征在于，所述排名欺诈检测単元进ー步包括: 证据验证模块，用于基于至少ー个与排名相关的证据对所述活跃期进行验证并得到一欺诈參数。
22.根据权利要求21所述的系统，其特征在于，所述排名欺诈检测単元进ー步包括: 活跃事件分析模块，用于识别所述活跃期中至少ー个活跃事件的上升阶段、保持阶段和下降阶段。
23.根据权利要求22所述的系统，其特征在于，所述活跃事件分析模块，用于确定所述活跃事件中所述应用程序的排名在一峰值范围AR内的第一个时间和最后ー个时间，将所述第一个时间和所述最后ー个时间之间的时间段识别为所述保持阶段，将所述活跃事件中在保持阶段之前的时间段识别为所述上升阶段，将所述活跃事件中在保持阶段之后的时间段识别为所述下降阶段。
24.根据权利要求22所述的系统，其特征在于，所述与排名相关的证据基于所述活跃期内的活跃事件中的上升阶段和/或下降阶段构成。
25.根据权利要求22所述的系统，其特征在于，所述与排名相关的证据基于所述活跃期内的活跃事件中的保持阶段构成。
26.根据权利要求21所述的系统，其特征在干， 所述与排名相关的证据基于所述活跃期内活跃事件的数量构成。
27.根据权利要求21所述的系统，其特征在于，所述证据验证模块，用于综合考虑所述至少ー个与排名相关的证据，将基于所述至少ー个与排名相关的证据验证得到的对应欺诈參数进行加权计算，从而得到所述欺诈參数。
28.根据权利要求21-27中任一项所述的系统，其特征在于，所述排名欺诈检测单元进ー步包括: 欺诈參数判断模块，用于将所述欺诈參数与一阈值进行比较，从而判断所述应用程序是否存在排名欺诈。
29.根据权利要求20所述的系统，其特征在于，所述系统还包括: 历史排名信息获取单元，用于获取所述应用程序在应用程序排行榜上的所述历史排名信息。
30.根据权利要求29所述的系统，其特征在于，所述历史排名信息获取单元，用于从应用程序商店运营商获取所述历史排名信息，或从应用程序商店发布的数据中抽取所述历史排名信息。
31.根据权利要求20所述的系统，其特征在干，所述系统还包括一活跃期发送单元，用于将所检测出的所述应用程序的所述活跃期发送给应用程序开发者、应用程序商店运营商、应用程序用户中的至少ー个。
32.根据权利要求20所述的系统，其特征在于，所述系统还包括ー排名欺诈检测结果发送单元，用于将所检测出的所述排名欺诈检测结果发送给应用程序商店运营商、应用程序用户中的至少ー个。
33.一种应用程序的排`名欺诈检测方法，其特征在于，所述方法包括: 基于至少一个与排名相关的证据对应用程序的活跃期进行检测，得到排名欺诈检测结果。
34.根据权利要求33所述的方法，其特征在于，所述方法进ー步包括: 证据验证步骤，基于至少一个与排名相关的证据对所述活跃期进行验证并得到ー欺诈參数。
35.根据权利要求34所述的方法，其特征在于，所述方法进ー步包括: 活跃事件分析步骤，识别所述活跃期中至少ー个活跃事件的上升阶段、保持阶段和下降阶段。
36.根据权利要求35所述的方法，其特征在于，在所述活跃事件分析步骤中，确定所述活跃事件中所述应用程序的排名在一峰值范围AR内的第一个时间和最后ー个时间，将所述第一个时间和所述最后ー个时间之间的时间段识别为所述保持阶段，将所述活跃事件中在保持阶段之前的时间段识别为所述上升阶段，将所述活跃事件中在保持阶段之后的时间段识别为所述下降阶段。
37.根据权利要求35所述的方法，其特征在于，所述与排名相关的证据基于所述活跃期内的活跃事件中的上升阶段和/或下降阶段构成。
38.根据权利要求37所述的方法，其特征在干， 所述欺诈參数是所述活跃期内所有活跃事件的所述上升阶段的时间范围的平均值，或所述活跃期内所有活跃事件的所述下降阶段的时间范围的平均值，或所述活跃期内所有活跃事件的所述上升阶段的时间范围和下降阶段的时间范围的和的平均值。
39.根据权利要求37所述的方法，其特征在干， 所述欺诈參数是所述活跃期内所有活跃事件的所述上升阶段的曲线与时间轴相交所形成的鋭角的角度的平均值，或所有活跃事件的所述下降阶段的曲线与时间轴相交所形成的鋭角的角度的平均值，或所有活跃事件的所述上升阶段的曲线和所述下降阶段的曲线与时间轴相交所形成的鋭角的角度和的平均值。
40.根据权利要求34所述的方法，其特征在干， 所述与排名相关的证据基于所述活跃期内的活跃事件中的保持阶段构成。
41.根据权利要求40所述的方法，其特征在干， 所述欺诈參数是所述活跃期内所有活跃事件的所述保持阶段的时间范围的平均值。
42.根据权利要求40所述的方法，其特征在干，基于所有活跃事件的所述保持阶段中所述应用程序的平均排名和所述保持阶段的时间范围来计算所述欺诈參数。
43.根据权利要求34所述的方法，其特征在干， 所述与排名相关的证据基于所述活跃期内活跃事件的数量构成。
44.根据权利要求43所述的方法，其特征在干， 所述欺诈參数是所述活跃期内活跃事件的数量。
45.根据权利要求43所述的方法，其特征在于，在所述证据验证步骤中，综合考虑所述至少ー个与排名相关的证据，将基于所述至少ー个与排名相关的证据验证得到的对应欺诈參数进行加权计算，从而得到所述欺诈參数。
46.根据权利要求34-45中任一项所述的方法，其特征在于，所述方法进ー步包括: 欺诈參数判断步骤，将所述欺诈參数与一阈值进行比较，从而判断所述应用程序是否存在排名欺诈。
47.根据权利要求33所述的方法，其特征在于，所述方法还包括:将所检测出的所述排名欺诈检测结果发送给应用程序商店运营商、应用程序用户中的至少ー个。
48.一种应用程序的排名欺诈检测系统，其特征在于，所述系统包括: 排名欺诈检测単元，用于基于至少ー个与排名相关的证据对应用程序的活跃期进行检测，得到排名欺诈检测結果。
49.根据权利要求48所述的系统，其特征在于，所述排名欺诈检测単元进ー步包括: 证据验证模块，用于基于至少ー个与排名相关的证据对所述活跃期进行验证并得到一欺诈參数。
50.根据权利要求49所述的系统，其特征在于，所述排名欺诈检测単元进ー步包括: 活跃事件分析模块，用于识别所述活跃期中至少ー个活跃事件的上升阶段、保持阶段和下降阶段。
51.根据权利要求50所述的系统，其特征在于，所述活跃事件分析模块，用于确定所述活跃事件中所述应用程序的排名在一峰值范围AR内的第一个时间和最后ー个时间，将所述第一个时间和所述最后ー个时间之间的时间段识别为所述保持阶段，将所述活跃事件中在保持阶段之前的时间段识别为所述上升阶段，将所述活跃事件中在保持阶段之后的时间段识别为所述下降阶段。
52.根据 权利要求50所述的系统，其特征在干，所述与排名相关的证据基于所述活跃期内的活跃事件中的上升阶段和/或下降阶段构成。
53.根据权利要求50所述的系统，其特征在于，所述与排名相关的证据基于所述活跃期内的活跃事件中的保持阶段构成。
54.根据权利要求49所述的系统，其特征在干， 所述与排名相关的证据基于所述活跃期内活跃事件的数量构成。
55.根据权利要求49所述的系统，其特征在于，所述证据验证模块，用于综合考虑所述至少ー个与排名相关的证据，将基于所述至少ー个与排名相关的证据验证得到的对应欺诈參数进行加权计算，从而得到所述欺诈參数。
56.根据权利要求49-55中任一项所述的系统，其特征在于，所述排名欺诈检测单元进ー步包括: 欺诈參数判断模块，用于将所述欺诈參数与一阈值进行比较，从而判断所述应用程序是否存在排名欺诈。
57.根据权利要求48所述的系统，其特征在于，所述系统还包括ー排名欺诈检测结果发送单元，用于将所检测出的所述排名欺诈检测结果发送给应用程序商店运营商、应用程序用户中的至少ー个。`
【文档编号】G06F17/30GK103559210SQ201310470187
【公开日】2014年2月5日 申请日期:2013年10月10日 优先权日:2013年10月10日
【发明者】祝恒书, 于魁飞 申请人:北京智谷睿拓技术服务有限公司