随着互联网的蓬勃发展,人们日渐趋于通过使用互联网来进行社交以及分享信息。而随着互联网日新月异的发展与网民数量的骤增,网络已经成为一个更加适合传播广告并获得良好展示效果的平台,各种网络广告交易平台也如雨后春笋般出现。而为了吸引更多的网民关注自身产品,部分广告商甚至将广告信息发布到了社交平台网站当中,这种情况严重的影响到社交平台网站的产品质量等问题,因此本反作弊系统的开发目的就是降低社交平台网络中的作弊信息率,从而提高相关产品的质量以及用户满意度。本系统的数据处理流程是增量式的获取过去短时间内用户提交的数据,通过调用本课题提出的反作弊策略,完成对新增数据的作弊嫌疑度打分,并根据打分结果,完成对用户数据的处理。在本系统的实现中,主要包括了基于增量式计算方法的数据抽取模块,基于支持向量机分类方法训练所得的文本打分模型而开发的反作弊文本维度策略模块,基于逻辑回归模型训练所得的用户打分模型而开发的单用户策略模块,基于密度聚类算法而开发的作弊用户挖掘策略模块以及基于统计学的反作弊策略监控模块的开发共五个模块,这五个模块涵盖了本系统需求中对用户数据的获取,判定,处理以及监控整个流程,使本系统具有较强的完整性和完善性。在本系统的测试中,采用基于实例的测试方法验证了本系统的功能性需求,尤其针对本系统中提出的文本和用户维度的策略,在测试其无功能性错误之外,还采用了统计学方法,随机抽取用户实时提交数据进行验证,对各个策略的准确率和召回率进行了测试,符合预期设定要求。在此基础上,针对策略未覆盖以及错误判断的用户提交数据进行了分析,提出了日后的改进方案。通过对本系统的综合性测试运行,证实发现,本系统切实的实现了对社交平台中的作弊信息的识别删除效果,同时本系统中的策略监控模块,也实现了对异常情况的实时报警,保证了整个系统的正确顺利运行。