文章针对密度峰值聚类算法(DensityPeak,DPeak)能够有效解决离群点检测和分类的问题，结合算法特点进行改良优化，提出了一种基于密度峰值聚类算法的反作弊模型，通过构建对抗性学习框架、优化算法计算复杂度、引入LOF判别分类机制、多模态融合技术等创新方法，实现了不同阶段黑产演变环境下的规则校验和分类判定。该模型有效解决了百万级数据集时间复杂度高、任意形状类簇的聚类等流量反作弊服务的领域性挑战问题，对于密度峰值聚类算法的产业应用具有一定的研究意义。实验结果表明，反作弊模型在聚类效果和算力测试上均达到了预期结果，证明了该模型的有效性。