应用对象识别及其识别模型的训练方法、装置和介质制造方法及图纸

本申请公开了应用对象识别及应用对象识别模型的训练方法、装置和存储介质，涉及互联网技术领域。本申请实施例中。使用游戏玩家在游戏中行为特征对应用对象识别模型进行训练。具体的使用有标签的样本对模型进行训练。包括使用外挂时的行为特征样本，以及未使用外挂时行为特征样本。由于玩家对游戏角色的控制行为相对稳定，所以行为特征也相对稳定，所以基于该特征的检测不会像外挂特征那样频繁的进行更新和维护。也进一步避免了因更新维护导致的无法进行外挂检测，从而避免了现有技术中外挂检测的滞后性问题。

Training Methods, Devices and Media for Application of Object Recognition and Its Recognition Model

This application discloses the training method, device and storage medium of application object recognition and application object recognition model, and relates to the technical field of Internet. Embodiments of the present application. The application object recognition model is trained by using the game player's behavior characteristics in the game. The labeled samples are used to train the model. It includes behavior feature samples when using plug-in and behavior feature samples when not using plug-in. Because the player's control behavior to the game role is relatively stable, so the behavior characteristics are relatively stable, so the detection based on this feature will not update and maintain as frequently as the plug-in features. It also further avoids the problem that plug-in detection can not be carried out due to update and maintenance, thus avoiding the lagging problem of plug-in detection in the existing technology.

【技术实现步骤摘要】
应用对象识别及其识别模型的训练方法、装置和介质
本申请涉及互联网
，尤其涉及应用对象识别及应用对象识别模型的训练方法、装置和存储介质。
技术介绍
由于游戏外挂能够帮助玩家轻松过关，使得很多玩家在玩游戏时喜欢使用外挂。然而外挂的使用通常使得游戏缺乏公平性。相关技术中，也出现了识别游戏外挂的方法。通常，识别外挂的方法包括：获取外挂样本，然后基于外挂样本分析外挂的特征，基于外挂的特征监控玩家是否使用外挂。然而，外挂会定期更新，且频繁更新，这将导致外挂的特征会经常变动、需要人工频繁的去维护外挂特征，这将耗费人力资源。此外，外挂样本更新的时候，外挂样本也会随之变化，对应的外挂特征识别的策略也会随之失效，在更新之前，对外挂的检测是处于失效的状态，导致对外挂的检测将存在一定滞后性。
技术实现思路
本申请实施例提供一种应用对象识别及逻辑回归模型的训练方法、装置和存储介质，用于解决现有技术中使用外挂特征去识别外挂时，需要人工频繁更新外挂特征并且基于外挂特征的检测具有一定滞后性等的问题。第一方面，本申请实施例提供一种应用对象识别，该方法包括：实时获取游戏玩家在游戏中的行为数据；根据获取的行为数据，构建所述游戏玩家的行为特征；将构建的行为特征输入给应用对象识别模型；所述应用对象识别模型为预先根据黑白样本训练得到的，其中黑样本为游戏玩家使用外挂时采集得到的行为数据构建得到的行为特征、白样本为游戏玩家未使用外挂时采集得到的行为数据构建得到的行为特征；得到所述应用对象识别模型输出的所述游戏玩家是否使用外挂的检测结果。第二方面，本申请实施例提供一种应用对象识别模型的训练方法，包括：采集使用外挂的游戏玩家的行为数据，以及未使用外挂的游戏玩家的行为数据；根据采集的行为数据构建行为特征，并将相应的黑白标签和行为特征进行关联得到训练样本；根据训练样本训练模型，得到能够检测游戏玩家是否使用外挂的应用对象识别模型。第三方面，本申请实施例提供一种应用对象识别装置，所述装置包括：行为数据获取模块，用于实时获取游戏玩家在游戏中的行为数据；行为特征构建模块，用于根据获取的行为数据，构建所述游戏玩家的行为特征；检测模块，用于调将构建的行为特征输入给应用对象识别模型；所述应用对象识别模型为预先根据黑白样本训练得到的，其中黑样本为游戏玩家使用外挂时采集得到的行为数据构建得到的行为特征、白样本为游戏玩家未使用外挂时采集得到的行为数据构建得到的行为特征；结果确定模块，用于得到所述应用对象识别模型输出的所述游戏玩家是否使用外挂的检测结果。第四方面，本申请实施例提供一种应用对象识别模型的训练装置，包括：采集模块，用于采集的使用外挂的游戏玩家的行为数据，以及未使用外挂的游戏玩家的行为数据；特征构建模块，用于根据采集的行为数据构建行为特征，并将相应的黑白标签和行为特征进行关联得到训练样本；训练模块，用于根据训练样本训练模型，得到能够检测游戏玩家是否使用外挂的应用对象识别模型。本申请另一实施例还提供了一种计算装置，包括至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本申请实施例提供的任一应用对象识别方法和/或应用对象识别模型的训练方法。本申请另一实施例还提供了一种计算机存储介质，其中，所述计算机存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行本申请实施例中的任一应用对象识别方法和/或应用对象识别模型的训练方法。本申请实施例中，为了避免人工频繁的维护外挂特征，以及避免因外挂特征的频繁更新导致外挂的检测具有滞后性的问题，使用游戏玩家在游戏中的行为数据对应用对象识别模型进行训练。具体的使用有标签的样本对模型进行训练。包括游戏玩家使用外挂时采集得到的行为数据构建得到的行为特征、白样本为游戏玩家未使用外挂时采集得到的行为数据构建得到的行为特征。由于玩家在游戏中的行为相对稳定，所以行为特征也相对稳定，所以基于该特征的检测不会像外挂特征那样频繁的进行更新和维护，进而避免了因更新维护导致的无法进行外挂检测，也就避免了现有技术中外挂检测的滞后性问题。本申请的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请而了解。本申请的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：图1为本申请实施例中的应用对象识别核心策略示意图；图2为本申请实施例中的应用对象识别及应用对象识别模型训练方法适用的应用场景示意图；图3为本申请实施例中的应用对象识别模型训练方法的流程示意图；图4为本申请实施例中的采集样本的示意图；图5为本申请实施例中打提前枪的示意图；图6为本申请实施例中卷积神经网络的结构示意图；图7为本申请实施例中获得逻辑回归模型的参数配置的示意图；图8为本申请实施例中逻辑回归模型的训练效果的示意图；图9为本申请实施例中应用对象识别方法的流程示意图；图10为本申请实施例中游戏界面的示意图之一；图11为本申请实施例中游戏界面的示意图之二；图12为本申请实施例中应用对象识别装置的结构示意图；图13为本申请实施例中应用对象识别模型的训练装置的结构示意图；图14为根据本申请实施方式的计算装置的结构示意图。具体实施方式为了便于提高处理资源的使用效率，本申请实施例中提供一种应用对象识别及其识别模型的训练方法、装置和存储介质。为了更好的理解本申请实施例提供的技术方案，这里对该方案涉及的名词做一下简单说明：GameClient：游戏客户端，指游戏玩家登陆并进行操作的游戏终端。GameServer：游戏服务器；提供游戏服务的服务器，用于与游戏客户端交互完成游戏玩家的游戏操作。LASERVER：逻辑分析服务器(LogicAnalysisServer)，接收并处理从GameClient/GameServer发送过来的PBC协议数据，以及GameClient上报的CFR协议数据，从这些数据中分析挖掘游戏玩家对游戏角色的控制行为。PBC：玩家行为定制化方案(PlayerBehaviorCustomized)，用来上报玩家定制化行为数据的方案。pbc_client_sdk：玩家行为定制化方案在游戏客户端的接口，游戏开发商通过调用这个接口把玩家在GameClient产生的协议数据发送到LAServer。pbc_server_sdk：玩家行为定制化方案在游戏服务器的接口，游戏开发商通过调用这个接口把玩家在GameServer产生的协议数据发送到LAServer。CFR：第一人称射击类游戏(如穿越火线游戏)录像文件(CrossfireReplay)，该文件中保存着玩家关键游戏事件的数据。CFRDataServer：CFR录像文件存储服务器。CFRParseServer：CFR录像文件的协议解析服务器，通过这个解析服务器来解析CFR录像文件，并把解析出来的协议数据按照数据流的方式发送到LAServer中。本申请实施例中，为了避免人工频繁的维护本文档来自技高网...

【技术保护点】
1.一种应用对象识别方法，其特征在于，所述方法包括：实时获取游戏玩家在游戏中的行为数据；根据获取的行为数据，构建所述游戏玩家的行为特征；将构建的行为特征输入给应用对象识别模型；所述应用对象识别模型为预先根据黑白样本训练得到的，其中黑样本为游戏玩家使用外挂时采集得到的行为数据构建得到的行为特征、白样本为游戏玩家未使用外挂时采集得到的行为数据构建得到的行为特征；得到所述应用对象识别模型输出的所述游戏玩家是否使用外挂的检测结果。

【技术特征摘要】
1.一种应用对象识别方法，其特征在于，所述方法包括：实时获取游戏玩家在游戏中的行为数据；根据获取的行为数据，构建所述游戏玩家的行为特征；将构建的行为特征输入给应用对象识别模型；所述应用对象识别模型为预先根据黑白样本训练得到的，其中黑样本为游戏玩家使用外挂时采集得到的行为数据构建得到的行为特征、白样本为游戏玩家未使用外挂时采集得到的行为数据构建得到的行为特征；得到所述应用对象识别模型输出的所述游戏玩家是否使用外挂的检测结果。2.根据权利要求1所述的方法，其特征在于，所述应用对象识别模型包括卷积神经网络模型和逻辑回归模型中的至少一个。3.根据权利要求2所述的方法，其特征在于，所述应用对象识别模型包括卷积神经网络模型和逻辑回归模型，所述得到所述应用对象识别模型输出的所述游戏玩家是否使用外挂的检测结果，具体包括：若卷积神经网络模型和逻辑回归模型各自的输出结果中，一个输出结果为所述游戏玩家使用外挂，另一个输出结果为所述游戏玩家未使用外挂，则确定所述游戏玩家未使用外挂；若卷积神经网络模型和逻辑回归模型各自的输出结果均为所述游戏玩家使用外挂，则确定所述游戏玩家使用外挂；若卷积神经网络模型和逻辑回归模型各自的输出结果均为所述游戏玩家未使用外挂，则确定所述游戏玩家未使用外挂。4.根据权利要求1所述的方法，其特征在于，若游戏为第一人称射击类游戏，所述行为特征包括以下特征中的至少一种：开枪类特征、伤害类特征、击杀类特征、走位类特征和瞄准类特征。5.根据权利要求4所述的方法，其特征在于，所述开枪类特征包括以下中的至少一种：对可见敌人的开枪次数、打提前枪次数、快速开枪次数；所述伤害类特征包括以下中的至少一种：开枪命中次数、开枪命中上半身部位次数、助攻次数、命中不可见敌人次数、每次命中的平均伤害值；所述击杀类特征包括以下中的至少一种：第一距离击杀敌人次数、第二距离击杀敌人次数、第三距离击杀敌人次数、总爆头数、穿墙射杀敌人次数、指定次数连杀次数、死亡次数、指定时长内连杀次数；所述走位类特征包括：指定走位序列的次数；所述瞄准类特征包括以下中的至少一种：准星随不可见敌人移动次数、瞄准不可见敌人次数、遇见敌人反映时间。6.根据权利要求1-5中任一所述的方法，其特征在于，所述方法还包括：若检测到游戏玩家使用外挂，则限制该游戏玩家的账号进行指定操作。7.根据权利要求2所述的方法，其特征在于，所述应用对象识别模型包括逻辑回归模型，训练所述逻辑回归模型，包括：采集使用外挂的游戏玩家的行为数据，以及未使用外挂的游戏玩家的行为数据；根据采集的行为数据构建行为特征，并将相应的黑白标签和行为特征进行关联；对行为特征进行归一化，得到各游戏玩家对应的归一化后的行为特征；根据黑白标签，确定归一化后的各种行为特征的贡献值，该贡献值为证据权重值WOE或信息价值IV；将贡献值大于预设值的行为特征作为训练所述逻辑回归模型的训练样本，或者，将贡献值排名前N的行为特征作为训练所述逻...

【专利技术属性】
技术研发人员：韦宇，殷赵辉，胡和君，应小全，潘泓，陈翔宇，李伟，宋润青，岑韵弦，刘翔，
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