[發明專利]基于機器學習的用戶作弊行為檢測方法和系統

有效

• 申請號: 202010090357.9
• 申請日: 2020-02-13
• 公開（公告）號: CN112402982B
• 公開（公告）日: 2022-12-23
• 發明（設計）人: 侯庭凱;鄢彪;李昊峰;張怡
• 申請（專利權）人: 上海嗶哩嗶哩科技有限公司
• 主分類號: A63F13/75
• 分類號: A63F13/75;G06N20/10
• 代理公司: 北京英特普羅知識產權代理有限公司 11015
• 代理人: 王勇;鄧小玲

1.一種基于機器學習的用戶作弊行為檢測方法，其特征在于，包括：

接收目標用戶通過目標終端上報的多次游戲對局對應的多組戰斗數據，每組戰斗數據對應一次游戲對局，每組戰斗數據包括在相應游戲對局中的上報戰斗結果和目標角色的角色數據；

基于所述每組戰斗數據的目標角色的角色數據和預測模型，獲取所述目標用戶在每次游戲對局中的預測戰斗結果；

根據所述每次游戲對局的預測戰斗結果和所述每次游戲對局的上報戰斗結果，計算所述多次游戲對局對應的多個預測戰斗結果和多個上報戰斗結果之間的目標偏移值；

判斷所述目標偏移值是否位于預設偏移范圍內；及

如果所述目標偏移值沒有位于所述預設偏移范圍內，則確定所述目標用戶具有作弊行為。

2.根據權利要求1所述的基于機器學習的用戶作弊行為檢測方法，其特征在于，所述多組戰斗數據包括N組戰斗數據，N為≥2的正整數；

基于每組戰斗數據的目標角色的角色數據和預測模型，獲取所述目標用戶在每次游戲對局中的預測戰斗結果，包括：

將第i組戰斗數據中的目標角色的角色數據轉化為目標戰斗力特征值，所述第i組戰斗數據對應第i次游戲對局，1≤i≤N；

將所述目標戰斗力特征值和所述第i次游戲對局中的其他角色的戰斗力特征值輸入到所述預測模型中，以得到所述目標用戶在所述第i次游戲對局中的預測戰斗結果。

3.根據權利要求2所述的用戶作弊行為檢測方法，其特征在于，所述預測模型基于支持向量機算法訓練得到。

4.根據權利要求2所述的基于機器學習的用戶作弊行為檢測方法，其特征在于，所述第i組戰斗數據的目標角色的角色數據包括所述目標角色的多個角色屬性；

將第i組戰斗數據中的目標角色的角色數據轉化為目標戰斗力特征值，包括：

對第i組戰斗數據中的目標角色的多個角色屬性執行加權求和操作，得到所述目標戰斗力特征值。

5.根據權利要求1～4任意一項所述的基于機器學習的用戶作弊行為檢測方法，其特征在于，還包括：

如果所述目標偏移值沒有位于所述預設偏移范圍內，則鎖定所述目標終端，以阻止所述目標終端的訪問操作。

6.一種基于機器學習的用戶作弊行為檢測系統，其特征在于，所述系統包括：

接收模塊，用于接收目標用戶通過目標終端上報的多次游戲對局對應的多組戰斗數據，每組戰斗數據對應一次游戲對局，每組戰斗數據包括在相應游戲對局中的上報戰斗結果和目標角色的角色數據；

獲取模塊，用于基于所述每組戰斗數據的目標角色的角色數據和預測模型，獲取所述目標用戶在每次游戲對局中的預測戰斗結果；

計算模塊，用于根據所述每次游戲對局的預測戰斗結果和所述每次游戲對局的上報戰斗結果，計算所述多次游戲對局對應的多個預測戰斗結果和多個上報戰斗結果之間的目標偏移值；

判斷模塊，用于判斷所述目標偏移值是否位于預設偏移范圍內；及

確定模塊，用于如果所述目標偏移值沒有位于所述預設偏移范圍內，則確定所述目標用戶具有作弊行為。

7.一種計算機設備，包括存儲器、處理器以及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述計算機程序時實現權利要求1至5任一項所述方法的步驟。

8.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序可被至少一個處理器所執行，以使所述至少一個處理器執行如權利要求1至5任一項所述方法的步驟。