文献类型：期刊文章

作　　者：万子云[1] 陈世伟[2] 秦斌[3] 聂伟[1] 徐明[3]

WAN Ziyun;CHEN Shiwei;QIN Bin;NIE Wei;XU Ming(School of Electronics and Information Engineering,Shenzhen University,Shenzhen 518061,China;School of Mechatronics and Control Engineering,Shenzhen University,Shenzhen 518061,China;Information Institute,Shenzhen University,Shenzhen 518061,China)

机构地区：[1]深圳大学电子与信息工程学院,深圳518061 [2]深圳大学机电与控制工程学院,深圳518061 [3]深圳大学信息中心,深圳518061

出　　处：《信息安全学报》

基　　金：深圳大学和深信服科技股份有限公司广东省联合培养研究生示范基地资助;深圳大学2020年研究生教育改革项目(No.860-000001050503)资助。

年　　份：2021

卷　　号：6

期　　号：1

起止页码：32-39

语　　种：中文

收录情况：CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、普通刊

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%。

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  

分 类 号：TP183]