The embodiment of the invention provides a data processing method and device, in which the data processing method includes: obtaining the game data to be processed, generating the game data matrix by using multiple samples and multiple variables included in the game data, using the game data matrix to cluster and filter the game data, which can be determined. The target sample and target variable are used to describe the function of the target game. The function of the target game is any one of the multiple game functions, and then the target game function is anti cheating according to the target sample and the target variable. Through the embodiment of the invention, the samples and variables used to describe the function of the game can be quickly determined from the game data, so as to efficiently carry out the game anti cheating process.
【技术实现步骤摘要】
一种数据处理方法及装置
本专利技术涉及游戏安全
,尤其涉及一种数据处理方法及装置。
技术介绍
随着游戏反作弊解决方案的不断完善,作弊成本不断增加,造成作弊越来越隐蔽,例如,游戏直播兴起,作弊获益的途径转变,由原来卖外挂、破解版等卖作弊方法,转变为直播作弊吸引人气,获取直播平台给的收益,造成作弊的游戏功能不聚集,单个游戏功能作弊量少;此外,作弊的游戏功能分散,单个游戏功能的作弊人数少,作弊对局多,作弊方法较难获取,游戏对抗周期加长,防作弊处理效率较低。可见,在作弊的游戏功能不明确且分散的情况下如何快速定位存在作弊的游戏功能,以及提高防作弊处理效率已成为亟待解决的问题。
技术实现思路
本专利技术实施例提供了一种数据处理方法及装置,可以从游戏数据中快速地确定出用于描述游戏功能的样本和变量,从而高效地进行游戏防作弊处理。本专利技术实施例第一方面提供了一种数据处理方法,包括:获取待处理的游戏数据,所述游戏数据包括多个样本和多个变量。利用所述多个样本和所述多个变量,生成游戏数据矩阵;利用所述游戏数据矩阵对所述游戏数据进行样本聚类和变量筛选,以确定用于对目标游戏功能进行描述的目标样本和目标变量,所述目标游戏功能为多个游戏功能中的任意一个。根据所述目标样本和所述目标变量,对所述目标游戏功能进行防作弊处理。本专利技术实施例第二方面提供了一种数据处理装置,包括:获取模块,用于获取待处理的游戏数据,所述游戏数据包括多个样本和多个变量。生成模块,用于利用所述多个样本和所述多个变量,生成游戏数据矩阵;确定模块,用于利用所述游戏数据矩阵对所述游戏数据进行样本聚类和变量筛选,以确定用 ...
【技术保护点】
1.一种数据处理方法,其特征在于,包括:获取待处理的游戏数据,所述游戏数据包括多个样本和多个变量;利用所述多个样本和所述多个变量,生成游戏数据矩阵;利用所述游戏数据矩阵对所述游戏数据进行样本聚类和变量筛选,以确定用于对目标游戏功能进行描述的目标样本和目标变量,所述目标游戏功能为多个游戏功能中的任意一个;根据所述目标样本和所述目标变量,对所述目标游戏功能进行防作弊处理。
【技术特征摘要】
1.一种数据处理方法,其特征在于,包括:获取待处理的游戏数据,所述游戏数据包括多个样本和多个变量;利用所述多个样本和所述多个变量,生成游戏数据矩阵;利用所述游戏数据矩阵对所述游戏数据进行样本聚类和变量筛选,以确定用于对目标游戏功能进行描述的目标样本和目标变量,所述目标游戏功能为多个游戏功能中的任意一个;根据所述目标样本和所述目标变量,对所述目标游戏功能进行防作弊处理。2.根据权利要求1所述的方法,其特征在于,所述根据所述目标样本和所述目标变量,对所述目标游戏功能进行防作弊处理,包括:利用所述目标样本和所述目标变量,建立针对所述目标游戏功能的游戏对抗模型;利用所述游戏对抗模型对所述目标游戏功能进行游戏对抗。3.根据权利要求1或2所述的方法,其特征在于,所述利用所述游戏数据矩阵对所述游戏数据进行样本聚类和变量筛选,以确定用于对目标游戏功能进行描述的目标样本和目标变量,包括:对所述游戏数据矩阵进行矩阵分解,得到所述多个样本与多个游戏功能之间的第一关系矩阵,以及所述多个变量与所述多个游戏功能之间的第二关系矩阵;根据所述第一关系矩阵中所述多个样本中的每一个样本在目标功能中的权重,从所述多个样本中确定用于对所述目标游戏功能进行描述的目标样本,以及根据所述第二关系矩阵中所述多个变量中的每一个变量在所述目标游戏功能中的权重,从所述多个变量中确定用于对所述目标游戏功能进行描述的目标变量。4.根据权利要求3所述的方法,其特征在于,所述目标样本为所述多个样本中在所述目标功能中的权重达到预设第一权重阈值的样本,所述目标变量为所述多个变量中在所述目标功能中的权重达到预设第二权重阈值的变量。5.根据权利要求3或4所述的方法,其特征在于,所述对所述游戏数据矩阵进行矩阵分解,得到所述多个样本与多个游戏功能之间的第一关系矩阵,以及所述多个变量与所述多个游戏功能之间的第二关系矩阵,包括:根据所述游戏数据矩阵创建损失函数;根据预设的梯度下降算法和所述损失函数,确定所述多个样本与多个游戏功能之间的第一关系矩阵的递推公式,以及所述多个变量与所述多个游戏功能之间的第二关系矩阵的递推公式;对所述第一关系矩阵的递推公式迭代预设次数后得到所述第一关系矩阵,以及对所述第二关系矩阵的递推公式迭代所述预设次数后得到所述第二关系矩阵。6.根据权利要求5所述的方法,其特征在于,所述对所述第一关系矩阵的递推公式迭代预设次数后得到所述第一关系矩阵,以及对所述第二关系矩阵的递推公式迭代所述预设次数后得到所述第二关系矩阵,包括:利用所述第一关系矩阵的初始化矩阵对所述第一关系矩阵的递推公式进行迭代,将前一次的迭代结果与所述第一关系矩阵的递推公式进行求和运算,得到当前次的迭代结果,在迭代预设次数后得到所述第一关系矩阵;利用所述第二关系矩阵的初始化矩阵对所述第二关系矩阵的递推公式进行迭代,将前一次的迭代结果与所述第二关系矩阵的递推公式进行求和运算,得到当前次的迭代结果,在迭代所述预设次数后得到所述第二关系矩阵。7.根据权利要求5所述的方法,其特征在于,所述对所述第一关系矩阵的递推公式迭代预设次数后得到所述第一关系矩阵,以及对所述第二关系矩阵的递推公式迭代所述预设次数后得到所述第二关系矩阵,包括:利用所述第一关系矩阵的初始化矩阵对所述第一关系矩阵的递推公式进行迭代,将前一次的迭代结果与所述第一关系矩阵的递推公式进行乘法运算,得到当前次的迭代结果,在迭代预设次数后得到所述第一关系矩阵;利用所述第二关系矩阵的初始化矩阵对所述第二关系矩阵的递推公式进行迭代,将前一次的迭代结果与所述第二关系矩阵的递推公式进行乘法运算,得到当前次的迭代结果,在迭代所述预设次数后得到所述第二关系矩阵;其中,所述第一关系矩阵的初始化矩阵和所述第二关系矩阵的初始化矩阵均为...
【专利技术属性】
技术研发人员:王世伟,韩萌,龙锦就,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。