基于深度学习的MOOC作弊行为检测研究

• 作者: 万子云 陈世伟 秦斌 聂伟 徐明
• 来源期刊: 信息安全学报
• 学科: 工学
• 关键词: 作弊行为检测 深度学习 卷积神经网络 双向门控循环单元 注意力机制
• 年，卷（期）: 2021,（1）
• 页码范围: 32-39
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19363/J.cnki.cn10-1380/tn.2021.01.03

摘要

快速准确地检测出MOOC学习者的作弊行为,对维护MOOC平台的发展及学习者的正常学习具有重要意义.本文研究了一种深度学习混合模型用于MOOC作弊行为的检测.该模型通过融合了卷积神经网络、双向门控循环单元以及注意力机制,大大提升了单一模型的检测性能.本文选取某MOOC平台的学习行为数据进行了实验验证,实验结果显示该模型在验证集上的精确率、召回率、AUC和误报率分别达到98.51％、81.35％、91.07％和0.016％,具有良好的应用前景.另外,本文采用了数据扩增的方法以解决MOOC作弊行为检测中存在的数据不均衡问题,实验中通过该方法进行数据平衡后,该模型在相同的验证集上的AUC提升了1.78％.