[发明专利]一种游戏作弊的识别方法和设备

权利要求书

1.一种游戏作弊的识别方法，其特征在于，包括以下步骤：

获取用户在游戏操作中的网络流量数据和业务数据；

根据所述用户在游戏操作中的网络流量数据和业务数据生成游戏作弊识别模型；

根据所述游戏作弊识别模型对所述用户的作弊行为进行识别。

2.如权利要求1所述的方法，其特征在于，所述根据所述用户在游戏操作中的网络流量数据和业务数据生成游戏作弊识别模型，包括：

根据获取的所述用户在游戏操作中的网络流量数据和业务数据，按照决策树和/或神经网络算法对所述网络流量数据和业务数据进行训练，生成所述游戏作弊识别模型。

3.如权利要求2所述的方法，其特征在于，所述根据获取的所述网络流量数据和业务数据生成游戏作弊识别模型，还包括：

根据获取的所述用户在游戏操作中的网络流量数据和业务数据，以及已经被识别为作弊用户的历史业务数据，按照决策树和/或神经网络算法对所述网络流量数据和业务数据进行训练，生成所述游戏作弊识别模型。

4.如权利要求1所述的方法，其特征在于，所述根据所述游戏作弊识别模型对所述用户进行识别，之前还包括：预先设置与游戏类型相对应的作弊用户识别策略；

所述根据所述游戏作弊识别模型对所述用户进行识别，具体为：

按照所述游戏作弊识别模型对所述用户网络流量数据和业务数据进行识别，并根据与游戏类型相对应的所述作弊用户识别策略，识别所述用户是否为作弊用户；

当识别所述用户为作弊用户时，对所述用户进行处理；

当识别所述用户为正常用户时，继续对所述用户进行识别。

5.如权利要求4所述的方法，其特征在于，所述识别所述用户为作弊用户，之后还包括：

接收所述作弊用户对所述处理的反馈信息，并对所述反馈信息进行验证；

在验证所述用户被误判为所述作弊用户时，提取所述用户对应的所述网络流量数据和业务数据，按照决策树和/或神经网络算法对提取的所述网络流量数据和业务数据进行训练，生成所述游戏作弊识别模型，并使用生成的所述游戏作弊识别模型对用户的作弊行为进行识别。

6.一种网络设备，其特征在于，包括：

获取模块，用于获取用户在游戏操作中的网络流量数据和业务数据；

生成模块，用于根据所述用户在游戏操作中的网络流量数据和业务数据生成游戏作弊识别模型；

识别模块，根据所述生成模块生成的所述游戏作弊识别模型对所述用户的作弊行为进行识别。

7.如权利要求6所述的设备，其特征在于，所述生成模块，具体用于，

根据获取的所述用户在游戏操作中的网络流量数据和业务数据，按照决策树和/或神经网络算法对所述网络流量数据和业务数据进行训练，生成所述游戏作弊识别模型。

8.如权利要求7所述的设备，其特征在于，所述生成模块还用于，

根据获取的所述用户在游戏操作中的网络流量数据和业务数据，以及已经被识别为作弊用户的历史业务数据，按照决策树和/或神经网络算法对所述网络流量数据和业务数据进行训练，生成所述游戏作弊识别模型。

9.如权利要求6所述的设备，其特征在于，所述设备还包括设置模块，用于预先设置与游戏类型相对应的作弊用户识别策略；

所述识别模块具有用于：按照所述游戏作弊识别模型对所述用户网络流量数据和业务数据进行识别，并根据所述设置模块设置的与游戏类型相对应的所述作弊用户识别策略，识别所述用户是否为作弊用户；

当识别所述用户为作弊用户时，对所述用户进行处理；

当识别所述用户为正常用户时，继续对所述用户进行识别。

10.如权利要求9所述的设备，其特征在于，所述设备还包括验证模块，用于根据所述作弊用户对所述处理的反馈信息，对所述反馈信息进行验证；

所述生成模块还用于，在所述验证模块验证所述用户被误判为所述作弊用户时，提取所述用户对应的所述网络流量数据和业务数据，按照决策树和/或神经网络算法对提取的所述网络流量数据和业务数据进行训练，生成所述游戏作弊识别模型，并使用生成的所述游戏作弊识别模型对用户的作弊行为进行识别。