真正的步骤或不是:在移动到钱应用程序中的自动步行者检测
1Department of Information Security, Seoul Women's University, 621, Hwarang-ro, Nowon-gu, Seoul 01797, Republic of Korea.
Sensors (Basel, Switzerland)
|February 26, 2025
概括
移动钱 (M2E) 应用程序奖励身体活动,但一些用户使用自动步行者作弊. 我们的AI方法准确地检测到假活动,确保为真实用户提供公平的奖励.
科学领域:
- 数字健康数字健康
- 人工智能的人工智能
- 人与计算机的交互
背景情况:
- 移动获取 (M2E) 应用程序将身体活动与数字奖励相结合.
- 与游戏钱 (P2E) 模式不同,M2E平台激励现实世界的运动.
- 越来越多的智能手机使用和健康意识推动了M2E采用.
研究的目的:
- 开发一种基于人工智能的方法,以区分真实的用户活动和模拟的自动步行者活动在M2E平台上.
- 确保M2E应用程序中的奖励分配机制的完整性.
- 为了验证模型在各种数据集中的通用性.
主要方法:
- 利用通过智能手机收集的六个开放步行数据集和自动步行者数据集.
- 开发并评估了一种人工智能模型,以区分真实和模拟的步态数据.
- 进行了公正和透明的模型评估.
主要成果:
- 人工智能模型在自动步行者数据集中获得了F1得分0.997.
- 人工智能模型在真正的步态数据集中获得了1000的完美F1得分.
- 在可见和不可见的数据集上展示了有效的歧视,证实了模型的概括性.
结论:
- 提出的基于人工智能的方法有效地识别了M2E应用中的模拟活动.
- 这种方法提高了M2E奖励系统的公平性和可靠性.
- 该模型在各种数据集中的强大性能支持其在M2E平台中的实际应用.
