[发明专利]识别外挂的方法、装置、电子设备以及存储介质

权利要求书

1.一种识别外挂的方法，其特征在于，包括：

获取待识别用户的画像特征和行为序列数据，其中，所述行为序列数据用于表征所述待识别用户在时间轴上触发的操作行为；

对所述行为序列数据进行识别，得到所述待识别用户的策略序列数据，其中，所述策略序列数据用于表征所述待识别用户在时间轴上采取的策略以及触发操作行为，所述策略序列数据中的一个策略对应所述行为序列数据中的一个或多个操作行为，所述策略序列数据中的操作行为包括所述行为序列数据中的没有对应策略的操作行为；

根据序列模式的挖掘算法，对所述策略序列数据进行挖掘，得到所述待识别用户的序列模式特征；

基于所述画像特征和所述序列模式特征，确定所述待识别用户是否使用了外挂；

所述基于所述画像特征和所述序列模式特征，确定所述待识别用户是否使用了外挂，包括：

计算所述画像特征和外挂场景的第一互信息；所述第一互信息表示所述画像特征和所述外挂场景一起出现的频率；

计算所述序列模式特征和外挂序列模式之间的第二互信息；所述第二互信息表示所述序列模式特征和所述外挂序列模式一起出现的频率；

在所述第一互信息和所述第二互信息的和大于或等于第三阈值的情况下，确定所述待识别用户使用了外挂。

2.根据权利要求1所述的方法，其特征在于，所述对所述行为序列数据进行识别，得到所述待识别用户的策略序列数据，包括：

通过策略识别模型对所述行为序列数据进行识别，得到所述策略序列数据。

3.根据权利要求2所述的方法，其特征在于，所述策略识别模型包括特征嵌入层、双向长短期记忆BI-LSTM网络、全连接层以及激活函数层；

其中，所述通过策略识别模型对所述行为序列数据进行识别，得到所述策略序列数据，包括：

利用所述特征嵌入层接收所述行为序列数据；

利用所述BI-LSTM网络，提取所述行为序列数据中的每一个操作行为对应的特征；

利用所述全连接层，融合所述行为序列数据中的所有操作行为对应的特征，以得到特征序列数据；

利用所述激活函数层，对所述特征序列数据进行识别，以得到所述策略序列数据。

4.根据权利要求3所述的方法，其特征在于，所述利用所述激活函数层，对所述特征序列数据进行识别，以得到所述策略序列数据，包括：

若所述特征序列数据中的第一特征序列与数据库中的第一行为序列样本对应的特征序列的相似度大于或等于第一阈值，且所述第一行为序列样本所属的策略标注为第一策略，利用所述激活函数层，将所述第一特征序列替换为所述第一策略对应的特征，以得到所述策略序列数据。

5.根据权利要求3所述的方法，其特征在于，所述方法还包括：

若所述特征序列数据中的第二特征序列与数据库中的所有已标注的行为序列样本对应的特征序列的相似度均小于第一阈值，将所述第二特征序列所属的策略标注为第二策略；

其中，所述第二特征序列中的特征与第一特征序列不重合，所述第一特征序列与所述数据库中的第一行为序列样本对应的特征序列的相似度大于或等于所述第一阈值；

基于所述第二特征序列和所述第二策略，训练所述激活函数层。

6.根据权利要求1所述的方法，其特征在于，所述行为序列数据包括多个行为序列，所述策略序列数据包括所述多个行为序列分别对应的多个策略序列，所述序列模式的挖掘算法为前缀投影的模式挖掘PrefixSpan算法；

其中，所述根据序列模式的挖掘算法，对所述策略序列数据进行挖掘，得到所述待识别用户的序列模式特征，包括：

基于所述多个策略序列，获取所有满足支持度要求的至少一个频繁项集；

针对所述至少一个频繁项集中的每一个频繁项集，对所述多个策略序列的投影数据集进行挖掘，以得到所述至少一个频繁项集对应的投影数据集；

基于所述至少一个频繁项集对应的投影数据集，确定所述序列模式特征。