欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  后端开发

昨日微博看见有人出了一道题

程序员文章站 2022-06-11 21:46:22
...
昨天微博看见有人出了一道题
在100万个用户名中,尽可能找出机器自动创建的用户名。
其实就是反spam比较简单的一种。

有些人说拿每个用户名取google或baidu搜索下看看有没有上网痕迹。先不说这个靠不靠谱,出题人明显是想从算法角度去解决此问题,而非社会工程学,所以那些就算了。

我开始想了个对100万个用户名先进行分词,然后统计每个词在这100万个用户名中出现的次数,也就是统计词频。然后按照词频进行倒排序,取top n。接下来就在那100万个用户名中找出包含top n中出现的词。这些很可能就是机器创建的。

但后来想这么做并不科学,可能会误杀一大片正常用户名。因为在每个时间段都会出现一些热词,很多人喜欢用这些热词作为用户名的一部分。或者是某些经典词,可能会被大部分人使用。

因此我觉得除非可以人工参与进来找出一些热词。将热词从top n中排除。否则这个方法一点也不好。


想看看大家有什么想法,一起讨论下。注意,此命题说了只能针对用户名,而不能去对用户发言或注册日期之类的做处理。

------解决方案--------------------
1、从以往的注册经历上看,机器自动创建的用户名 多以用户提交的注册信息组合而成。也有前缀加顺号的
2、考察前缀相同的用户名是最简洁的方式

如果手边有可供利用的数据,倒是可以探究一下算法。遗憾的是没有
------解决方案--------------------
这个我也关注下哈哈,虽然初学不太懂。
------解决方案--------------------
引用:
1、从以往的注册经历上看,机器自动创建的用户名 多以用户提交的注册信息组合而成。也有前缀加顺号的
2、考察前缀相同的用户名是最简洁的方式

如果手边有可供利用的数据,倒是可以探究一下算法。遗憾的是没有

就拿csdn的用户库来试。。。手上还有100M+的那个库。。。。

目前觉得靠谱点的就是 某些字符 + 数字,并且数字是顺着一直下去的。

------解决方案--------------------
如果我是机器,我就不用简字,英文,我用日文韩文马来文,你能有那么大的数据库辨伪?
所以防护王道还是验证码。
------解决方案--------------------
这个用算法无解...

ci169
ci1699
ci16999
ci169999
ci1699999

就像上面这几个CSDN账号哪个是机器注册能算出来嘛。
------解决方案--------------------
为什么hot的被认为机器的????
------解决方案--------------------
有意思的题目,有没有什么免费LAMP空间?上传一份,大家来攻破一下。
'tom'.substr(str_shuffle("abcdefghijklmnopqrstuvwxyz"), 0, 4);

------解决方案--------------------
使用 贝叶斯分类 应该只正路,只是如何组织原始数据是个问题
在有众多不确定因素的前提下就贸然提及算法有点不妥
建议你先使用 weka(一个java的数据挖掘软件)做一下探测
------解决方案--------------------
人注册的用户名肯定是有一定的逻辑的,这样才方便记忆,而机器自动注册的不用;
我觉得可以用破解密码的方法,用字典做筛子筛一下先。
题目只是说尽可能找出。

其实即便是错乱字母排序出来的用户名,也无法确定就是机器注册的,
除非有用户登录行为或者注册间隔等辅助信息,,不然,我真觉得这个找法没啥意义。
昨日微博看见有人出了一道题

声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn核实处理。

相关文章

相关视频


网友评论

文明上网理性发言,请遵守 新闻评论服务协议

我要评论
  • 昨日微博看见有人出了一道题
  • 专题推荐