[发明专利]一种针对MMORPGs游戏的异常检测方法及装置

说明书

技术领域

本发明涉及计算机领域的外部技术数据处理，具体来讲，包括机器学习里的特征变换和聚类技术，并提出针对MMORPGs游戏的异常检测方法和装置。

背景技术

大型多人在线角色扮演游戏(Multi-User Online Role-Playing Games—MMORPGs)为玩家提供一个完整的虚构世界，并支持打怪、买装备、交易等行为，拥有丰富的游戏体验。然而随着游戏玩家数量的扩大，也导致游戏外挂的泛滥。外挂通过程序代替人来玩游戏，以牟利为目的实现自动化赚钱、升级，和真人玩家发生交易。这些外挂通常能大批量模拟真人玩家的行为，

并且严重破坏游戏的经济系统，进而造成游戏运营商的经济损失。

目前最常用的外挂检测方法是客户端检测，比如在游戏客户端嵌入一个监听异常线程的程序，一旦发现玩家有作弊现象，立刻采取诸如封停账号等手段进行反外挂回应。这种方法在游戏厂商之间应用最为广泛。也有采用在客户端进行验证码验证或者人机测试的方法进行外挂判定的，这种手段具有一定效果，但对用户体验和游戏流畅性影响很大。如今出现了很多的工作室外挂，它们具有大批量并行作弊，隐藏自身线程等功能，可以避开客户端检测。

随着机器学习技术的日新月异和数据驱动业务的普及，通过日志在后台对玩家行为进行数据挖掘，从而检测出异常玩家的方法得到了更多的关注，也就是服务器端检测。

这些研究的着眼点通常集中在三个方面：轨迹移动，社交属性，以及行为特征。FPS游戏拥有玩家轨迹日志，所以从熵的角度对轨迹点随机性进行解释，发现正常人类玩家的熵值要高于机器人，最后从基于轨迹序列的马尔科夫模型上，把轨迹相异度构造成特征来训练分类器。聊天、交易等社交行为往往可以在大型在线游戏里扮演重要的角色，因为多数外挂开发者的目的是为了自动高效地获取金钱，不会在社交上花费过多精力，因此有研究人员从这个角度进行异常检测的探索，比如将特征中心度定义为此节点在整个社交关系图里的影响力，以此反映每个角色在游戏里的社交趋势，以此作为分类器的训练依据。行为特征分析是研究人员关注最多的，所以有人提出过针对MMORPGs游戏，将不同的操作抽象为“战斗”，“防守”等技能，从而构造出特征向量。因为人的操作通常包含大量的不确定性，而外挂程序会显示出一定的规律性，或是“趋向性”。于是，很多学者采用了“熵”来对玩家的操作特征进行分析，当熵值越小，代表操作的不纯度越低，意味着此时玩家只对少数事件感兴趣，那么机器人的检测命中率较高。由于行为日志天然的时序特点，从时序数据的角度，对定长操作序列进行评分，序列在异常数据集里出现越多，评分越高，根据这个指标对每个角色的机器人概率进行评分，从而提取出可以反映主要特征的操作度量，然后依据这些度量进行非监督式学习。

如上所述，现有的基于客户端和服务器端的异常检测手段都具有各自的弊端，或者因为识别不准而影响玩家操作体验，或者针对具体游戏的具体行为进行定制化检测，所以检测模型的着眼点过于片面，当外挂或是游戏发生变化时则原先的检测手段容易失效，或者需要手工对玩家行为进行标记，从而产生大量的人力工作，不能达到自动化检测的效果。

发明内容

本发明要解决现有MMORPGs外挂异常检测识别不准，或者检测过于片面，检测手段容易失效，以及需要手工标记导致大量人力工作，不能达到自动化检测的效果，为此提供本发明的一种针对MMORPGs游戏的异常检测方法及装置。本方法与装置对所述检测效果好。

本发明采用的技术方案为一种针对MMORPGs游戏的异常检测方法及装置。

所述一种对MMORPGs游戏的无监督异常检测方法由定长向量构造和二次聚类构成；

所述定长向量构造为：

(1).采用四元组将玩家的每次事件映射到“玩家id-时间戳-操作id-参数”四维空间，一种对MMORPGs游戏的无监督异常检测方法表示为e＝(u，t，m，p)，其中u表示玩家id，t表示时间戳，m表示作为类别型变量的操作代码，p表示操作参数，以u为键把每个玩家的全量事件进行聚合，从而把之前的数据粒度从单个事件提升到用户粒度，以升级为切分时间点，把玩家序列(u，seq)切分为等级序列(u，{seq_l})，对每个等级的序列seq_l统计操作频率(u，{seq_l}＝{m_ij，c_ij})；其中m_ij表示玩家u在第i个等级下，第j个操作的代码，c_ij表示其的出现频率；