一种上机考试答题行为的作弊检测方法和系统与流程

本技术实施例涉及上机考试，尤其涉及一种上机考试答题行为的作弊检测方法和系统。

背景技术：

1、随着信息技术的发展，上机考试因其高效、便捷的特点被广泛应用于各类考试场景中。

2、上机考试广泛应用于各类标准化测试，如职业资格认证、学历教育考试、语言水平测试等。这些考试往往涉及大量的客观题和部分主观题，要求考生在规定时间内完成作答。

3、随着远程考试和在线监考的需求增加，考试组织者迫切需要一套有效的技术手段来监测考生的行为，以防止作弊现象的发生。技术手段需能够实时监控考生的操作行为，并能准确识别出潜在的作弊行为，以保证考试结果的真实性和公平性。

4、目前，许多考试平台已经采用了诸如摄像头监控、人脸识别、双机位监考等方式来防止作弊。但是这些手段主要侧重于物理层面的监控，对于考生在电脑上的具体操作行为难以进行细致的分析和评估。

5、另外，一些系统也尝试通过记录考生的操作日志来进行事后分析，但这种方法无法实现实时检测作弊行为，且在数据分析上缺乏足够的智能化手段，难以区分正常操作与潜在作弊行为。

6、现有方案所存在的以下缺陷：

7、实时性不足：现有的监考方案大多依赖于事后分析，不能在考试过程中即时发现并制止作弊行为，这导致了即便发现作弊也无法在第一时间采取措施。

8、智能化水平有限：虽然有些系统能够记录考生的操作行为，但缺乏有效的算法模型来区分正常操作与作弊行为，无法根据行为特征构建行为基线模型，从而难以准确判断考生是否存在作弊嫌疑。

9、误报与漏报问题：由于缺乏精细的行为特征提取与分析机制，现有方案容易产生误报（将正常操作误认为作弊）或漏报（未能识别出真正的作弊行为），这对考试的公正性和考生的心理造成负面影响。

技术实现思路

1、本技术实施例提供一种上机考试答题行为的作弊检测方法和系统，用以解决上述背景技术中存在的问题。

2、第一方面，本技术实施例中提供了一种上机考试答题行为的作弊检测方法，包括：在考试过程中，持续监控考生的当前操作行为，其中，操作行为包括：包括键盘敲击模式、鼠标动作模式、屏幕浏览模式以及应用程序交互模式；利用所述操作行为提取操作行为特征，所述操作行为特征包括：键盘敲击的时间间隔分布、鼠标移动速度、点击频率、浏览热点区域以及应用程序切换频率；基于所述操作行为特征，构建行为基线模型，其中，所述行为基线模型为基于正常操作行为的历史数据统计用于区分正常操作与潜在作弊行为的模型；利用所述行为基线模型，实时评估考生的行为是否偏离正常范围，并在偏离程度超过预定阈值，确定所述考生存在作弊行为。

3、进一步的，在确定所述考生存在作弊行为之后，所述方法还包括：获取所述考生的生物特征信息，所述生物特征信息包括：面部图像和语音样本；将所述考生的生物特征信息与注册考试时提供的生物特征信息进行对比验证；若验证失败，则将所述考生标记为高风险，并由监考人员进行人工复核。

4、进一步的，基于所述操作行为特征，构建行为基线模型，包括：使用无监督学习技术，从历史操作行为中学习正常操作行为的模式；从所述正常操作行为的模式中提取正常操作行为特征，并将所述正常操作行为特征转换为特征空间中的分布，得到所述行为基线模型。

5、进一步的，使用无监督学习技术，从历史操作行为中学习正常操作行为的模式，包括：对所述历史操作行为进行预处理，得到预处理操作行为，其中，所述预处理包括：数据清洗和归一化处理；利用特征工程增强模型对所述预处理操作行为进行特征提取和特征融合，得到特征数据；利用所述无监督学习技术对从所述特征数据中学习正常操作行为的模式。

6、进一步的，利用所述行为基线模型，实时评估考生的行为是否偏离正常范围，包括：定义行为偏差度量指标；基于所述行为偏差度量指标的表达式和所述操作行为特征，计算出所述考生的行为偏差度量指标值；基于所述考生的行为偏差度量指标值和贝叶斯算法，确定出所述操作行为特征为正常操作的概率；基于所述操作行为特征为正常操作的概率和预设阈值，实时评估所述考生的行为是否偏离正常范围；其中，所述行为偏差度量指标的表达式为：

7、；

8、为第个操作行为特征的重要性权重，为调节偏差度量敏感度的指数，为第个操作行为特征，为所述行为基线模型中第个操作行为特征的平均值，为所述行为基线模型中第个操作行为特征的标准差，为操作行为特征的总数。

9、进一步的，基于所述考生的行为偏差度量指标值和贝叶斯算法，确定出所述操作行为特征为正常操作的概率，包括：基于所述历史操作行为，计算出所述正常操作行为的先验概率；计算出所述操作行为特征对应的边缘概率；基于所述先验概率、所述边缘概率和所述考生的行为偏差度量指标值，计算出所述操作行为特征为正常操作的概率。

10、进一步的，所述方法还包括： 为所述操作行为特征配置动态权重；基于所述动态权重和预设多维距离度量算法，对所述行为偏差度量指标的表达式进行改进，得到改进后的行为偏差度量指标的表达式，其中，所述预设多维距离度量算法包括加权欧式距离算法或马氏距离算法；其中，所述动态权重的表达式为：

11、；

12、为当前时刻，为第个操作行为特征的发生时刻，为衰减系数，为第个操作行为特征最后一次记录的时刻，为自然常数，为操作行为特征的总数。

13、第二方面，本技术实施例提供了一种上机考试答题行为的作弊检测系统，包括：监控单元，用于在考试过程中，持续监控考生的当前操作行为，其中，操作行为包括：包括键盘敲击模式、鼠标动作模式、屏幕浏览模式以及应用程序交互模式；提取单元，用于利用所述操作行为提取操作行为特征，所述操作行为特征包括：键盘敲击的时间间隔分布、鼠标移动速度、点击频率、浏览热点区域以及应用程序切换频率；构建单元，用于基于所述操作行为特征，构建行为基线模型，其中，所述行为基线模型为基于正常操作行为的历史数据统计用于区分正常操作与潜在作弊行为的模型；判定单元，用于利用所述行为基线模型，实时评估考生的行为是否偏离正常范围，并在偏离程度超过预定阈值，确定所述考生存在作弊行为。

14、第三方面，本技术实施例提供了一种计算设备，包括处理组件以及存储组件；所述存储组件存储一个或多个计算机指令；所述一个或多个计算机指令用以被所述处理组件调用执行，实现如上述第一方面所述的方法。

15、第四方面，本技术实施例提供了一种计算机存储介质，存储有计算机程序，所述计算机程序被计算机执行时，实现如上述第一方面所述的方法。

16、在本发明实施例中，通过在考试过程中，持续监控考生的操作行为；利用操作行为提取操作行为特征，操作行为特征包括：键盘敲击的时间间隔分布、鼠标移动速度、点击频率、浏览热点区域以及应用程序切换频率；基于操作行为特征，构建行为基线模型；利用行为基线模型，实时评估当前考生的行为是否偏离正常范围，并在偏离程度超过预定阈值，确定当前考生存在作弊行为，实现了对上机考试过程中作弊行为的高效、准确检测，有助于营造公平、公正的考试环境。

17、本技术的这些方面或其他方面在以下实施例的描述中会更加简明易懂。