1.一種作弊檢測方法，其特征在于，包括：
對樣本數(shù)據(jù)進行統(tǒng)計，得到各個樣本的指標參數(shù)，其中，一個樣本的指標參數(shù)的維度包括：所述一個樣本的總點擊量、點擊人數(shù)、每小時點擊量、樣本點擊地區(qū)和樣本對應(yīng)搜索詞的點擊量；
根據(jù)所述指標參數(shù)，生成各個樣本的特征參數(shù)，其中，一個樣本的特征參數(shù)的維度包括：點擊量離散系數(shù)、每小時點擊量離散系數(shù)、地域集中度、查詢詞多樣性指數(shù)和人均點擊量；
根據(jù)所述各個樣本的特征參數(shù)建立檢測模型，并根據(jù)所述檢測模型判定待測試的商品數(shù)據(jù)是否異常，所述檢測模型的維度包括所述各個樣本的特征參數(shù)的維度。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述根據(jù)所述指標參數(shù)，生成各個樣本的特征參數(shù)，包括：
對于一個樣本：
根據(jù)C＝Stdev/Mean獲取所述一個樣本的總點擊量離散系數(shù)，其中，Stdev表示所述一個樣本的總點擊量的標準差，Mean表示所述一個樣本的總點擊量的平均數(shù)，C表示所述一個樣本的總點擊量離散系數(shù)；
根據(jù)C’＝Stdev’/Mean’獲取所述一個樣本的指定時段內(nèi)的點擊量離散系數(shù)，其中，Stdev’表示所述一個樣本的在指定時段內(nèi)的點擊量的標準差，Mean’表示所述一個樣本的在指定時段內(nèi)的平均數(shù)，C’表示所述一個樣本的在指定時段內(nèi)的離散系數(shù)；
根據(jù)R＝max(ni)/N獲取所述一個樣本的地域集中度，其中，ni表示所述一個樣本的樣本點擊地區(qū)中的單個城市的點擊量，N表示所述一個樣本的樣本點擊地區(qū)中的總點擊量，R表示所述一個樣本的地域集中度；
根據(jù)H＝-∑(Pi)(lnPi)獲取所述一個樣本的查詢詞多樣性指數(shù)，其中，H表示多樣性指數(shù)，Pi表示在所述一個樣本的樣本對應(yīng)搜索詞的點擊量中第i個查詢詞對應(yīng)的點擊量所占比例，當總點擊量為N時，第i個查詢詞對應(yīng)的點擊量為ni，則Pi＝ni/N；
根據(jù)P＝N/U獲取所述一個樣本的人均點擊量，其中，N表示所述一個樣本的總點擊量，U表示所述一個樣本的點擊人數(shù)，P表示人均點擊量；
重復(fù)上述對于所述一個樣本的過程，得到各個樣本的特征參數(shù)。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述根據(jù)所述各個樣本的特征參數(shù)建立檢測模型，包括：
建立基礎(chǔ)模型(X，Y)，其中，X＝(x1,x2,x3,x4,x5),Y＝(1,0)，x1表示點擊量離散系數(shù)，x2表示指定時段內(nèi)的點擊量離散系數(shù)，x3表示地域集中度，x4表示查詢詞多樣性指數(shù)，x5表示人均點擊量，Y＝1表示數(shù)據(jù)異常，Y＝0表示數(shù)據(jù)正常
根據(jù)所述各個樣本的特征參數(shù)訓(xùn)練所述基礎(chǔ)模型，得到所述檢測模型。
4.根據(jù)權(quán)利要求1所述的方法，其特征在于，還包括：
當待測試的商品數(shù)據(jù)異常時，提取目標用戶的信息，所述目標用戶包括點擊了出現(xiàn)異常的商品數(shù)據(jù)的用戶；
提取目標用戶針對所述出現(xiàn)異常的商品數(shù)據(jù)的點擊數(shù)；
根據(jù)所述目標用戶針對所述出現(xiàn)異常的商品數(shù)據(jù)的點擊數(shù)，檢測作弊用戶的點擊數(shù)；
在所述出現(xiàn)異常的商品數(shù)據(jù)中，去除所述作弊用戶的點擊數(shù)。
5.根據(jù)權(quán)利要求4所述的方法，其特征在于，還包括：所述檢測作弊用戶的點擊數(shù)處于異常范圍，所述異常范圍包括：點擊數(shù)處于大于μ+3σ和小于μ-3σ的用戶；或者，點擊數(shù)處于大于μ-2σ和小于μ+2σ的用戶，其中，μ表示正態(tài)分布的數(shù)學(xué)期望，σ表示正態(tài)分布的標準差。
6.一種作弊檢測裝置，其特征在于，包括：
統(tǒng)計模塊，用于對樣本數(shù)據(jù)進行統(tǒng)計，得到各個樣本的指標參數(shù)，其中，一個樣本的指標參數(shù)的維度包括：所述一個樣本的總點擊量、點擊人數(shù)、每小時點擊量、樣本點擊地區(qū)和樣本對應(yīng)搜索詞的點擊量；
特征提取模塊，用于根據(jù)所述指標參數(shù)，生成各個樣本的特征參數(shù)，其中，一個樣本的特征參數(shù)的維度包括：點擊量離散系數(shù)、每小時點擊量離散系數(shù)、地域集中度、查詢詞多樣性指數(shù)和人均點擊量；
分析模塊，用于根據(jù)所述各個樣本的特征參數(shù)建立檢測模型，并根據(jù)所述檢測模型判定待測試的商品數(shù)據(jù)是否異常，所述檢測模型的維度包括所述各個樣本的特征參數(shù)的維度。
7.根據(jù)權(quán)利要求6所述的裝置，其特征在于，所述特征提取模塊，具體用于，對于一個樣本：根據(jù)C＝Stdev/Mean獲取所述一個樣本的總點擊量離散系數(shù)，其中，Stdev表示所述一個樣本的總點擊量的標準差，Mean表示所述一個樣本的總點擊量的平均數(shù)，C表示所述一個樣本的總點擊量離散系數(shù)；根據(jù)C’＝Stdev’/Mean’獲取所述一個樣本的指定時段內(nèi)的點擊量離散系數(shù)，其中，Stdev’表示所述一個樣本的在指定時段內(nèi)的點擊量的標準差，Mean’表示所述一個樣本的在指定時段內(nèi)的平均數(shù)，C’表示所述一個樣本的在指定時段內(nèi)的離散系數(shù)；根據(jù)R＝max(ni)/N獲取所述一個樣本的地域集中度，其中，ni表示所述一個樣本的樣本點擊地區(qū)中的單個城市的點擊量，N表示所述一個樣本的樣本點擊地區(qū)中的總點擊量，R表示所述一個樣本的地域集中度；根據(jù)H＝-∑(Pi)(lnPi)獲取所述一個樣本的查詢詞多樣性指數(shù)，其中，H表示多樣性指數(shù)，Pi表示在所述一個樣本的樣本對應(yīng)搜索詞的點擊量中第i個查詢詞對應(yīng)的點擊量所占比例，當總點擊量為N時，第i個查詢詞對應(yīng)的點擊量為ni，則Pi＝ni/N；根據(jù)P＝N/U獲取所述一個樣本的人均點擊量，其中，N表示所述一個樣本的總點擊量，U表示所述一個樣本的點擊人數(shù)，P表示人均點擊量；
并重復(fù)上述對于所述一個樣本的過程，得到各個樣本的特征參數(shù)。
8.根據(jù)權(quán)利要求7所述的裝置，其特征在于，所述分析模塊，具體用于建立基礎(chǔ)模型(X，Y)，其中，X＝(x1,x2,x3,x4,x5),Y＝(1,0)，x1表示點擊量離散系數(shù)，x2表示指定時段內(nèi)的點擊量離散系數(shù)，x3表示地域集中度，x4表示查詢詞多樣性指數(shù)，x5表示人均點擊量，Y＝1表示數(shù)據(jù)異常，Y＝0表示數(shù)據(jù)正常
根據(jù)所述各個樣本的特征參數(shù)訓(xùn)練所述基礎(chǔ)模型，得到所述檢測模型。
9.根據(jù)權(quán)利要求6所述的裝置，其特征在于，還包括：降權(quán)模塊，所述降權(quán)模塊包括：
用戶提取子模塊，用于當待測試的商品數(shù)據(jù)異常時，提取目標用戶的信息，所述目標用戶包括點擊了出現(xiàn)異常的商品數(shù)據(jù)的用戶；
點擊數(shù)分析子模塊，用于提取目標用戶針對所述出現(xiàn)異常的商品數(shù)據(jù)的點擊數(shù)；并根據(jù)所述目標用戶針對所述出現(xiàn)異常的商品數(shù)據(jù)的點擊數(shù)，檢測作弊用戶的點擊數(shù)；
篩選子模塊，用于在所述出現(xiàn)異常的商品數(shù)據(jù)中，去除所述作弊用戶的點擊數(shù)。
10.根據(jù)權(quán)利要求9所述的裝置，其特征在于，還包括：所述檢測作弊用戶的點擊數(shù)處于異常范圍，所述異常范圍包括：點擊數(shù)處于大于μ+3σ和小于μ-3σ的用戶；或者，點擊數(shù)處于大于μ-2σ和小于μ+2σ的用戶，其中，μ表示正態(tài)分布的數(shù)學(xué)期望，σ表示正態(tài)分布的標準差。