第二届“中国高校计算机大赛-大数据挑战赛” ->赛题链接
鼠标轨迹识别当前广泛运用于多种人机验证产品中，不仅便于用户的理解记忆，而且极大增加了暴力破解难度。但攻击者可通过黑产工具产生类人轨迹批量操作以绕过检测，并在对抗过程中不断升级其伪造数据以持续绕过同样升级的检测技术。我们期望用机器学习算法来提高人机验证中各种机器行为的检出率，其中包括对抗过程中出现的新的攻击手段的检测。
| 字段 | 类型 | 解释 |
|---|---|---|
| a1 | bigint | 编号id |
| a2 | string | 鼠标移动轨迹(x,y,t) |
| a3 | string | 目标坐标(x,y) |
| label | string | 类别标签：1-正常轨迹，0-机器轨迹 |
设定Precision为P，Recall为R，白样本为正常轨迹，黑样本为机器轨迹其中：
P = 判黑的数据中真正为黑的数量/判黑的数据总量，
R = 判黑的数据中真正为黑的数量/真实黑数据总量，
参赛队伍最终得分F = 5PR/(2P+3R)*100。最终排名按照F值评判，F值越大，代表结果越优，排名越靠前。
- 参赛人数：1986，参数队伍：1222
- 初赛A榜：94.89，排名165
- 初赛B榜：86.78，排名77
- 复赛：NULL