反外挂机制（上篇）

反外挂机制：Ai识别（智能识别）

一种外挂识别模型训练方法，其特征在于，所述方法包括：获取外挂识别环境中的目标用户的行为信息，并基于所述目标用户的行为信息确定所述外挂识别模型的训练样本，其中，所述外挂识别模型的训练样本包括正常网络样本和非正常网络样本；基于所述目标用户的行为信息，确定所述外挂识别环境中的外挂画像特征；根据所述目标用户的行为信息，确定相应的行为序列信息；基于所述外挂识别模型的训练样本和所述行为序列信息对所述外挂识别模型进行训练，确定与所述外挂识别模型相适配的模型参数，以实现通过所述外挂识别模型对所述目标用户的行为风险进行预测。

1）响应于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。

2）基于，用于表示所执行的操作所依赖的条件或者状态，当满足所依赖的条件或状态时，所执行的一个或多个操作可以是实时的，也可以具有设定的延迟；在没有特别说明的情况下，所执行的多个操作不存在执行先后顺序的限制。

3）卷积神经网络（CNN Convolutional Neural Networks）是一类包含卷积计算且具有深度结构的前馈神经网络（Feed forward Neural Networks），是深度学习（deeplearning）的代表算法之一。卷积神经网络具有表征学习（representation learning）能力，能够按其阶层结构对输入信息进行平移不变分类（shift-invariantclassification）。

4）模型训练，对图像数据集进行多分类学习。该模型可采用Tensor Flow、torch等深度学习框架进行构建，使用CNN等神经网络层的多层结合组成多分类模型。模型的输入为图像经过openCV等工具读取形成的三通道或原通道矩阵，模型输出为多分类概率，通过softmax等算法最终输出网页类别。在训练时，模型通过交叉熵等目标函数向正确趋势逼近。

5）神经网络（Neural Network，NN）：人工神经网络（Artificial Neural Network，ANN），简称神经网络或类神经网络，在机器学习和认知科学领域，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能的数学模型或计算模型，用于对函数进行估计或近似。

6）外挂识别环境：举例来说对于不同的目标用户的行为信息，可以对应不同的外挂识别环境，例如：游戏外挂的识别环境、网络购票行为的外挂识别环境、在线投票行为的外挂识别环境，以及网络竞拍行为的外挂识别环境，以游戏外挂的识别环境为例，游戏外挂识别环境中需要对游戏场景中的枪战类游戏、跑酷类游戏、竞速类游戏、多人在线战术竞技游戏(Multiplayer Online Battle Arena，MOBA)、竞速游戏(Racing Game，RCG)以及体育运动类游戏(sport game，SPG)等游戏画面中的用户行为信息进行分析，判断游戏用户是否使用了游戏外挂，采用经过训练的外挂识别模型，可以部署在前述各类游戏场景所对应的游戏服务器中，用于外挂识别环境中的外挂识别结果，对于使用游戏玩挂的游戏账号进行封号处理，保证外挂识别环境中的每一个游戏用户的公平公正参与游戏。

7）双向注意力神经网络模（BERT Bidirectional Encoder Representationsfrom Transformers）谷歌提出的双向注意力神经网络模型。

8）Softmax：归一化指数函数，是逻辑函数的一种推广。它能将一个含任意实数的K维向量“压缩”到另一个K维实向量中，使得每一个元素的范围都在[0 ，1]之间，并且所有元素的和为1。
实施例提供的外挂识别模型训练方法之前，首选对传统技术识别外挂的缺陷简要介绍，传统技术中的反作弊处理主要是对原始数据先通过复杂的特征工程进行特征提取和分析，再将提取和分析的特征，采用传统的自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model，ARIMA)或孤立森林算法进行训练，基于训练的模型进行异常行为检测。其他常见的作弊行为识别方法还包括：基于决策树判别模型发现作弊行为的方法和基于人工设定的作弊规则识别作弊行为的方法。在基于决策树判别模型发现作弊行为的方法中，可以利用决策树判别模型根据用户特征识别用户是否存在作弊行为。

一直在看

站位支持

呵呵。。。

不错 支持下

垃圾内容，路过为证。

秀起来~