1.一种作弊用户的判断方法，包括以下步骤：

S1，获取用户群体中的每一用户的至少一个指标的指标值；

S2，计算所述至少一个指标所对应的阈值；

S3，获取待识别用户的所述至少一个指标的指标值；以及

S4，对所述待识别用户的所述至少一个指标的指标值与所述至少一个指标所对应的阈值进行比较，当所述待识别用户的所述至少一个指标的指标值大于所述至少一个指标所对应的阈值时，判断所述待识别用户为作弊用户，否则，判断所述待识别用户为非作弊用户。

2.如权利要求1所述的方法，其特征在于，步骤S2进一步包括：

S21，获取所述至少一个指标中的每一个指标所对应的候选阈值集合；以及S22，在每一个候选阈值集合中各选择一个候选阈值并构成候选阈值组，选择满足预设规则的候选阈值组作为最终所需的所述至少一个指标的阈值。

3.如权利要求2所述的方法，其特征在于，步骤S21进一步包括：

S211，对所述用户群体中的每一用户的至少一个指标中的每一个指标的指标值进行从小到大排列，得到所述每一个指标的最大指标值和0.9分位点所对应的指标值；以及S212，在所述每一个指标的最大指标值和所述0.9分位点所对应的指标值之间等距取M个值，构成所述候选阈值集合，M为预设的正整数。

4.如权利要求3所述的方法，其特征在于，所述用户群体包括作弊用户集合和非作弊用户集合，所述预设规则为所述候选阈值组使H值最小，其中，其中，S是作弊用户集合，N是非作弊用户集合；Tt表示用户的每一个指标的指标值的集合，xt表示候选阈值组；p(Tt≥xt，g)表示在群体g中，用户的每一个指标的指标值均大于等于候选阈值组中对应的阈值的概率，具体的计算方式是在群体g中满足Tt≥xt的人数除以群体g的总人数；p(Tt＜xt，g)表示在群体g中，用户所对应的每一个指标的指标值均小于候选阈值组中对应的阈值的概率，具体的计算方式是在群体g中满足Tt＜xt的人数除以群体g的总人数。

5.如权利要求1-4中的任一项所述的方法，其特征在于，所述作弊用户的判断方法应用于网络直播平台。

6.如权利要求5所述的方法，其特征在于，所述至少一个指标包括用户的观看时长、用户发送的弹幕数量、交易次数或登录次数。

7.如权利要求5所述的方法，其特征在于，所述至少一个指标包括用户的观看时长、用户发送的弹幕数量、交易次数以及登录次数中的任意两个或更多个。

8.一种计算机可读存储介质，其上存储有可执行指令，其特征在于，所述指令在由处理器执行时，实现如权利要求1-7中的任一项所述的作弊用户的判断方法的步骤。

9.一种电子设备，包括：

存储器，用于存储可执行指令；以及

处理器，用于执行所述存储器中存储的可执行指令，以实现如权利要求1-7中的任一项所述的作弊用户的判断方法的步骤。