本發(fā)明涉及一種網(wǎng)絡(luò)游戲外掛的識別方法。

背景技術(shù)：

網(wǎng)絡(luò)游戲是指通過互聯(lián)網(wǎng)登錄后可以多人在線進行的游戲，游戲客戶端可以是臺式機、筆記本、瀏覽器、手機、平板電腦、vr設(shè)備等。

游戲外掛是指在網(wǎng)絡(luò)游戲中通過外掛程序、輔助軟件、腳本等工具謀求以非正常方式獲取虛擬物品的行為。市面上存在大量游戲外掛工作室或從業(yè)人員，通過交易虛擬物品而獲利。游戲外掛直接影響游戲玩家平衡，導(dǎo)致游戲通脹快速放大，外掛非法牟利給游戲運營商帶來巨大損失。

神經(jīng)網(wǎng)絡(luò)算法是一種學(xué)習(xí)型算法，包括有監(jiān)督學(xué)習(xí)和無監(jiān)督學(xué)習(xí)。其中有監(jiān)督學(xué)習(xí)的算法結(jié)構(gòu)一般分為輸入層(inputlayer)、隱藏層(hiddenlayer)、輸出層(outputlayer)，如圖1所示，輸入層負責(zé)接受特征變量傳參；隱藏層負責(zé)計算傳參，是算法的學(xué)習(xí)機構(gòu)，通過訓(xùn)練不斷調(diào)整并最終確定各變量權(quán)重值，輸出層負責(zé)輸出分類結(jié)果。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種網(wǎng)絡(luò)游戲外掛的識別方法，基于大數(shù)據(jù)基礎(chǔ)通過算法學(xué)習(xí)外掛行為特征實現(xiàn)自動識別外掛。

本發(fā)明一種網(wǎng)絡(luò)游戲外掛的識別方法，包括如下步驟：

步驟1、從游戲賬號中篩選出一定數(shù)量包括外掛賬號和非外掛賬號的樣本賬號，隨機篩選一部分的外掛賬號和非外掛賬號作為訓(xùn)練知識庫；剩下的外掛賬號和非外掛賬號作為驗證知識庫，對所有訓(xùn)練知識庫和驗證知識庫中的賬號都標(biāo)注為外掛賬號還是非外掛賬號，后續(xù)算法將基于該標(biāo)注來強化特征變量對應(yīng)的權(quán)重；

步驟2、采集上述樣本賬號的游戲行為數(shù)據(jù),提取出任務(wù)日均參與次數(shù)、游戲幣獲得數(shù)、達到最高級所用時間、游戲幣流通賬號數(shù)、游戲幣流通地點數(shù)、游戲幣流通次數(shù)、游戲幣盈余量的統(tǒng)計值作為能區(qū)分外掛與否的特征數(shù)據(jù)，將該特征數(shù)據(jù)作為樣本的特征變量xi,i為特征變量序號：

步驟3、根據(jù)神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)訓(xùn)練知識庫，開始學(xué)習(xí)時，先將一個樣本賬號的樣本特征變量xi與對應(yīng)權(quán)重wi作為激勵函數(shù)的計算參數(shù)，權(quán)重wi初始化值取標(biāo)準(zhǔn)差為1的高斯分布中隨機值初始化參數(shù)，θ為偏移量，當(dāng)激勵函數(shù)y計算出的激勵值過大或過小時，偏移量θ調(diào)整激勵值回到零值附近，此處設(shè)定為0；激勵函數(shù)y計算出每一個樣本賬號對應(yīng)的激勵值，然后使用sigmoid函數(shù)對激勵值進行計算，公式中p是一個用來控制曲線形狀變化快慢或陡峭性的參數(shù)，sigmoid函數(shù)的計算結(jié)果就是期望輸出信號值si，該期望輸出信號值趨于1或0，該期望輸出信號值即為對該樣本賬號的學(xué)習(xí)結(jié)果；通過期望輸出信號值1或0分別對應(yīng)外掛賬號或者非外掛賬號；

訓(xùn)練前樣本外掛賬號被標(biāo)記為1，非外掛賬號標(biāo)記為0，與期望輸出信號值si存在誤差ei，若樣本賬號為外掛賬號，則誤差ei＝1-si；若樣本賬號為非外掛賬號，則ei＝si，當(dāng)誤差ei不超過預(yù)置的期望誤差e時，該樣本賬號學(xué)習(xí)結(jié)束，執(zhí)行下一個樣本賬號的學(xué)習(xí)過程，否則重復(fù)上述學(xué)習(xí)過程，直至訓(xùn)練知識庫的所有樣本賬號學(xué)習(xí)完成后，得到最終的權(quán)重wi，其中wi∈(-1,1)；

步驟4、將驗證知識庫的所有樣本賬號的能區(qū)分外掛與否的特征數(shù)據(jù)輸入計算，將輸出的計算結(jié)果驗證該樣本賬號的標(biāo)注，如果此時驗證準(zhǔn)確率達到預(yù)定要求，訓(xùn)練知識庫學(xué)習(xí)結(jié)束，否則，需要重新對訓(xùn)練知識庫進行學(xué)習(xí)，重復(fù)步驟3，直到驗證準(zhǔn)確率達到預(yù)定要求，此時權(quán)重wi已確定；

步驟5、輸入待識別賬號的特征數(shù)據(jù)以及權(quán)重，計算后輸出結(jié)果，根據(jù)該結(jié)果可知該待識別賬號是外掛賬號或者非外掛賬號。

本發(fā)明通過采集游戲行為數(shù)據(jù)，提取出任務(wù)日均參與次數(shù)、游戲幣獲得數(shù)、達到最高級所用時間、游戲幣流通賬號數(shù)、游戲幣流通地點數(shù)、游戲幣流通次數(shù)、游戲幣盈余量的統(tǒng)計值作為能區(qū)分外掛與否的特征數(shù)據(jù)，將該特征數(shù)據(jù)作為樣本的特征變量，然后建立包含外掛和非外掛賬號特征信息的訓(xùn)練知識庫和驗證知識庫，通過神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)訓(xùn)練知識庫，并用驗證知識庫驗證識別準(zhǔn)確率來調(diào)整權(quán)重，當(dāng)驗證通過權(quán)重確定后，即可用于自動識別外掛賬號。

附圖說明

圖1為神經(jīng)網(wǎng)絡(luò)算法結(jié)構(gòu)示意圖；

圖2為本發(fā)明外掛識別流程示意圖；

圖3為本發(fā)明學(xué)習(xí)過程示意圖。

以下結(jié)合附圖和實施例對本發(fā)明作進一步詳述。

具體實施方式

本實施例只是本發(fā)明技術(shù)方案的應(yīng)用實例之一。

本發(fā)明不受限于游戲客戶端，無論是基于臺式機、筆記本、瀏覽器、手機、平板電腦、vr設(shè)備等聯(lián)網(wǎng)設(shè)備皆可適用。

本實施例所指的外掛主要表現(xiàn)為批量建號然后重復(fù)參與任務(wù)而獲取大量游戲幣，通過交易平臺將游戲幣賣出獲利。

如圖2所示，本發(fā)明一種網(wǎng)絡(luò)游戲外掛的識別方法，具體包括如下步驟：

步驟1、從游戲賬號中篩選出6017個樣本賬號，其中外掛賬號3119個，非外掛賬號2808個，隨機篩選1810條外掛賬號和1808條非外掛賬號作為訓(xùn)練知識庫；其他1309條外掛賬號和1000條非外掛賬號作為驗證知識庫，對所有訓(xùn)練知識庫和驗證知識庫中的賬號都標(biāo)注為外掛賬號還是非外掛賬號，后續(xù)算法將基于該標(biāo)注來強化特征變量對應(yīng)的權(quán)重；

步驟2、采集上述樣本賬號的游戲行為數(shù)據(jù),提取出任務(wù)日均參與次數(shù)、游戲幣獲得數(shù)、達到最高級所用時間、游戲幣流通賬號數(shù)、游戲幣流通地點數(shù)、游戲幣流通次數(shù)、游戲幣盈余量(賣出-買進)的統(tǒng)計值作為能區(qū)分外掛與否的特征數(shù)據(jù)(如下表所示)，將該特征數(shù)據(jù)作為樣本的特征變量xi,i為特征變量序號：

步驟3、根據(jù)神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)訓(xùn)練知識庫，開始學(xué)習(xí)時，先將一個樣本賬號的樣本特征變量xi與對應(yīng)權(quán)重wi作為激勵函數(shù)的計算參數(shù)，權(quán)重wi初始化值取標(biāo)準(zhǔn)差為1的高斯分布中隨機值初始化參數(shù)，θ為偏移量，當(dāng)激勵函數(shù)y計算出的激勵值過大或過小時，偏移量θ調(diào)整激勵值回到零值附近，此處設(shè)定為0；激勵函數(shù)y計算出每一個樣本賬號對應(yīng)的激勵值，然后使用sigmoid函數(shù)對激勵值進行計算，公式中p是一個用來控制曲線形狀變化快慢或陡峭性的參數(shù)，sigmoid函數(shù)的計算結(jié)果就是期望輸出信號值si，該期望輸出信號值趨于1或0，該期望輸出信號值即為對該樣本賬號的學(xué)習(xí)結(jié)果；通過期望輸出信號值1或0分別對應(yīng)外掛賬號或者非外掛賬號；

訓(xùn)練前樣本外掛賬號被標(biāo)記為1，非外掛賬號標(biāo)記為0，與期望輸出信號值si存在誤差ei，若樣本賬號為外掛賬號，則誤差ei＝1-si；若樣本賬號為非外掛賬號，則ei＝si，當(dāng)誤差ei不超過預(yù)置的期望誤差e時，該樣本賬號學(xué)習(xí)結(jié)束，執(zhí)行下一個樣本賬號的學(xué)習(xí)過程，否則重復(fù)上述學(xué)習(xí)過程，直至訓(xùn)練知識庫的所有樣本賬號學(xué)習(xí)完成后，得到最終的權(quán)重wi，其中wi∈(-1,1)；

步驟4、將驗證知識庫的所有樣本賬號的能區(qū)分外掛與否的特征數(shù)據(jù)作為特征變量輸入計算，將輸出的計算結(jié)果驗證該樣本賬號的標(biāo)注，如果此時驗證準(zhǔn)確率達到預(yù)定要求，訓(xùn)練知識庫學(xué)習(xí)結(jié)束，否則，需要重新對訓(xùn)練知識庫進行學(xué)習(xí)，重復(fù)步驟3，直到驗證準(zhǔn)確率達到預(yù)定要求，此時權(quán)重wi已確定；

步驟5、輸入待識別賬號的特征數(shù)據(jù)以及權(quán)重，計算后輸出結(jié)果，根據(jù)該結(jié)果可知該待識別賬號是外掛賬號或者非外掛賬號。

本發(fā)明通過采集游戲行為數(shù)據(jù)，提取出任務(wù)日均參與次數(shù)、游戲幣獲得數(shù)、達到最高級所用時間、游戲幣流通賬號數(shù)、游戲幣流通地點數(shù)、游戲幣流通次數(shù)、游戲幣盈余量的統(tǒng)計值作為能區(qū)分外掛與否的特征數(shù)據(jù)，將該特征數(shù)據(jù)作為樣本的特征變量，然后建立包含外掛和非外掛賬號特征信息的訓(xùn)練知識庫和驗證知識庫，通過神經(jīng)網(wǎng)絡(luò)算法學(xué)習(xí)訓(xùn)練知識庫，并用驗證知識庫驗證識別準(zhǔn)確率來調(diào)整權(quán)重，當(dāng)驗證通過權(quán)重確定后，即可用于自動識別外掛賬號。

以上所述，僅是本發(fā)明較佳實施例而已，并非對本發(fā)明的技術(shù)范圍作任何限制，故凡是依據(jù)本發(fā)明的技術(shù)實質(zhì)對以上實施例所作的任何細微修改、等同變化與修飾，均仍屬于本發(fā)明技術(shù)方案的范圍內(nèi)。