[發明專利]基于決策樹的游戲作弊檢測方法

有效

• 申請號: 200610145808.4
• 申請日: 2006-11-17
• 公開（公告）號: CN101187959A
• 公開（公告）日: 2008-05-28
• 發明（設計）人: 趙睿;顧翀;王堅
• 申請（專利權）人: 中興通訊股份有限公司
• 主分類號: G06F19/00
• 分類號: G06F19/00;G06F17/30
• 代理公司: 北京中博世達專利商標代理有限公司
• 代理人: 申健

技術領域

本發明涉及網絡連機中游戲作弊檢測方法，特別涉及基于決策樹的游戲作弊檢測方法。

背景技術

數據挖掘，指的是從大型數據庫或數據倉庫中提取所需求的內容，通常需求內容是隱含的、事先未知的潛在有用信息。數據挖掘是一個高級的處理過程，它從數據集中識別出以模式來表示的知識。高級的處理過程是指一個多步驟的處理過程，步驟之間相互影響、反復調整，形成一種螺旋式上升的過程。數據挖掘的任務是從數據中發現模式。模式是一個用語言L來表示的一個表達式E，它可用來描述數據集F中數據的特性，E所描述的數據是集合F的一個子集FE。E作為一個模式要求它比列舉數據子集FE中所有元素的描述方法簡單。OLAP技術使數據倉庫能夠快速響應重復而復雜的分析查詢，從而使數據倉庫能有效地用于聯機分析。OLAP的多維數據模型和數據聚合技術可以組織并匯總大量的數據，以便能夠利用聯機分析和圖形工具迅速對數據進行評估。

在網絡游戲中很多都是用外掛進行游戲的，現有防外掛技術的起點是代碼安全，保護重點通常是游戲的客戶端執行代碼。通過局部對抗外掛開發者可能采用的分析、調試和跟蹤手段，防止外掛程序修改代碼等等。為防止外掛侵入程序，通常會采用執行代碼抽取技術實現代碼安全。同時增加網游客戶端軟件的加密點來進一步控制游戲安全。但是，這種防御模式偏于被動，現有的外掛軟件通過截獲網絡數據包，可以繞過客戶端的安全防線，模擬客戶端發包，進而修改數據服務器，達到欺詐的目的。

發明內容

為了克服現有技術的缺陷和不足，本發明的目的在于提供一種基于決策樹的游戲作弊檢測方法，能夠通過主動防御的模式進行數據挖掘分析，提高網絡聯機游戲中防外掛的能力。

為了達到上述目的，本發明一種基于決策樹的游戲作弊檢測方法，包括以下步驟：

(1)定時在玩家信息數據庫中提取無冗余的特征屬性數據集合；

(2)將該特征屬性數據集合分為特征屬性訓練數據和特征屬性測試數據；

(3)由特征屬性訓練數據生成決策樹，并通過特征屬性測試數據對決策書進行裁剪生成目標決策樹模型；

(4)對該目標決策樹進行評估，得到適合的目標決策樹模型；

(5)對目標決策樹進行分析處理生成分類玩家數據庫后，對分類玩家數據進行聯機分析處理來檢測出帶有外掛的作弊玩家。

優選地，所述步驟(1)具體為：

(11)定時對玩家信息數據庫的記錄進行數據清洗，將冗余的或無關的數據從數據集中刪除；

(12)提取玩家信息數據庫中無冗余的數據組成特征屬性數據集合。

優選地，所述步驟(3)具體為：

(31)將特征屬性訓練數據進行切分處理得到預定的決策樹層數，并選擇裁剪節點生成決策樹；

(32)使用特征屬性測試數據的分類屬性對決策樹進行裁剪處理，生成目標決策樹模型。

優選地，所述步驟(4)具體為：

(41)使用特征屬性測試數據分別對該生成的目標決策樹模型和正在使用的決策樹模型進行評估，如果評估結果大于預先設定的誤差閥值，則返回步驟(3)；否則，進入步驟(42)；

(42)判斷生成的目標決策樹模型的誤差值是否大于正在使用的目標決策樹模型，如果判斷結果為是，則使用該正在使用的目標決策樹模型；如果判斷結果為否，則使用該生成的目標決策樹模型。

優選地，所述步驟(5)具體為：

(51)對目標決策樹進行分析，生成分類規則集；

(52)使用該分類規則集，生成分類玩家數據庫；

(53)對分類玩家數據進行聯機分析處理，檢測出作弊玩家及其外掛的功能。

優選地，所述切分處理的方法為：

對特征屬性訓練數據進行不斷的切分，每一次對應一個游戲人物特征屬性的判斷并同時對應一個節點，直到切分的層數達到了預定的層數為止。

優選地，所述裁剪處理的方法為：

當測試玩家數據進入決策樹并到達葉節點時，測試玩家數據的分類屬性與葉子節點的分類屬性比較得到每個枝條的出錯率，通過對每個枝條的出錯率進行加權平均，計算出不剪枝該節點的錯誤率，并判斷裁剪是否能夠降低錯誤率，如果是，則剪掉該節點的所有子節點后，通過測試玩家數據校驗出錯率，生成錯誤率小的目標決策樹模型。