自动减少在在线游戏环境中使用欺骗软件制造技术

描述了用于自动减少交互式执行环境中的欺骗的技术，诸如执行自动操作以检测和停止在线游戏环境中的欺骗软件使用，以及为识别为使用欺骗软件的用户限制对在线游戏环境的后续访问。该技术可包括使用深度学习技术来训练一个或多个模型，从而如果检测到欺骗软件使用，则将特定类型的游戏动作分类为未经授权的，包括确定如果附加的游戏检测判定系统评估那些游戏动作，则单独的游戏检测判定系统是否将决定特定的游戏动作被授权或未经授权的可能性，然后使用一个或多个训练的模型和在一些情况下用于该欺骗软件检测和预防的附加的游戏检测判定系统。

【技术实现步骤摘要】
【国外来华专利技术】自动减少在在线游戏环境中使用欺骗软件
以下公开大致涉及用于自动减少交互式执行环境中的欺骗的技术，更具体地，涉及用于执行自动操作以使用深度学习分类来检测和停止在线游戏环境或其它交互式执行环境中的欺骗软件的使用的技术。
技术介绍
由于计算机游戏使用激增，因而这种计算机游戏的一些用户具有不适当活动，包括试图通过欺骗获得不公平的优势。这种欺骗的示例包括利用游戏软件中的已知缺陷，使用软件程序(有时称为“机器人”)代表用户采取自动动作，以及使用软件程序来修改游戏内的数据和/或功能(例如，提供增强的能力，以改变用户得分或其它相关联的数据等)。已尝试各种技术来防止在游戏内欺骗，但是这种技术均存在问题。例如，在用户正在使用客户端计算设备来访问由一个或多个远程游戏服务器计算系统提供的功能的情况下，已使用技术来监视客户端计算设备的设置(例如，正在执行的程序)，以尝试识别已知的与欺骗相关的设置配置，但是用户可尝试以各种方式在其客户端计算设备上隐藏这种设置配置，以及这种技术仅限于在其使用之前已知的那些设置配置。因此，有益的是，实现用于在在线游戏环境或其它本文档来自技高网...

【技术保护点】
1.一种计算机实现的方法，包括：/n通过一个或多个计算系统，接收关于多个判定的训练数据，所述多个判定各自指定用户在交互式游戏环境中的游戏动作是否导致用户对交互式游戏环境的访问由于使用欺骗软件来协助所述游戏动作而受到限制；/n通过所述一个或多个计算系统，并基于所接收的训练数据，训练深度神经网络模型，所述深度神经网络模型用于将来将所述交互式游戏环境中的其他游戏动作分类为导致或不导致对所述交互式游戏环境的访问由于使用欺骗软件来协助所述其它游戏动作而受到限制；/n通过所述一个或多个计算系统，使用经训练的深度神经网络模型来控制在所述交互式游戏环境中的欺骗软件的使用，包括：/n通过所述一个或多个计算系统，...

【技术特征摘要】
【国外来华专利技术】20180321 US 15/927,9891.一种计算机实现的方法，包括：
通过一个或多个计算系统，接收关于多个判定的训练数据，所述多个判定各自指定用户在交互式游戏环境中的游戏动作是否导致用户对交互式游戏环境的访问由于使用欺骗软件来协助所述游戏动作而受到限制；
通过所述一个或多个计算系统，并基于所接收的训练数据，训练深度神经网络模型，所述深度神经网络模型用于将来将所述交互式游戏环境中的其他游戏动作分类为导致或不导致对所述交互式游戏环境的访问由于使用欺骗软件来协助所述其它游戏动作而受到限制；
通过所述一个或多个计算系统，使用经训练的深度神经网络模型来控制在所述交互式游戏环境中的欺骗软件的使用，包括：
通过所述一个或多个计算系统，以及对于与所述交互式游戏环境交互的多个用户中的每个，确定经训练的深度神经网络模型将所述用户在所述交互式游戏环境中的所观察到的游戏动作分类为未经授权，并且由于所观察到的游戏动作类似于来自所接收到的数据的其他用户游戏动作，从而导致所述用户对所述交互式游戏环境的访问受到限制，所述其他用户游戏动作通过使用欺骗软件来协助；
通过所述一个或多个计算系统，以及对于所述多个用户中的一个或多个第一用户中的每个，获得所述第一用户的所观察到的游戏动作未经授权且导致所述第一用户对所述交互式游戏环境的访问被限制的验证，包括与一个或多个其他欺骗软件检测系统交互，所述一个或多个其他欺骗软件检测系统与经训练的深度神经网络模型分离，并且进一步评估所述第一用户的所观察到的游戏动作；以及
通过所述一个或多个计算系统，限制所述第一用户中的每个对所述交互式游戏环境的访问；以及
通过所述一个或多个计算系统，更新经训练的深度神经网络模型，以改进对所述交互式游戏环境中的欺骗软件的使用的进一步控制，包括：
通过所述一个或多个计算系统，以及对于与所述第一用户分离的所述多个用户中的一个或多个第二用户中的每个，获得所述第二用户的所观察的游戏动作不是未经授权的且不导致所述第二用户对所述交互式游戏环境的访问被限制的验证，包括与所述一个或多个其他欺骗软件检测系统交互，所述其他欺骗软件检测系统进一步评估所述第二用户的所观察的游戏动作；以及
通过所述一个或多个计算系统，更新经训练的深度神经网络模型，以对于所述第二用户中的每个，反映所观察到的所述第二用户的游戏动作不是未经授权的，并且不导致所述第二用户对所述交互式游戏环境的访问受到限制。


2.根据权利要求1所述的计算机实现的方法，其中，接收所述训练数据包括：从所述一个或多个其他欺骗软件检测系统获得关于针对所述交互式游戏环境中的其他用户的多个先前游戏动作做出的先前判定的信息，所述先前判定指定所述多个先前游戏动作先前是否导致所述其他用户对所述交互式游戏环境的所述访问受到限制，以及其中，针对所述多个用户中的每个的所述确定包括：使用所述经训练的深度神经网络模型来确定所观察到的所述用户的游戏动作将导致所述用户对所述交互式游戏环境的访问受到限制的可能性，并且将所确定的可能性识别为超过未经授权游戏动作的所限定的阈值。


3.一种计算机实现的方法，包括：
通过一个或多个计算系统，以及使用训练成如果由欺骗软件使用协助则将在交互式游戏环境中的游戏动作分类为未经授权的模型，确定用户在所述交互式游戏环境中的观察到的游戏动作由于与在欺骗软件使用的协助下的其他未经授权的游戏动作的相似性而未经授权；以及
通过所述一个或多个计算系统，以及至少部分地基于所述确定，限制所述用户在所述交互式游戏环境中进一步使用欺骗软件，包括对所述用户实施与访问所述活动游戏环境有关的惩罚。


4.根据权利要求3所述的计算机实现的方法，还包括：通过所述一个或多个计算系统，在限制所述欺骗软件的进一步使用之前，并且响应于所述确定，获得所述用户的所观察到的游戏动作由欺骗软件使用来协助的进一步判定，包括与一个或多个其它欺骗软件检测系统交互，所述一个或多个其它欺骗软件检测系统与所述经训练的模型分开，并且进一步评估所观察到的游戏动作，以及其中，实施所述惩罚还部分地基于所获得的进一步判定。


5.根据权利要求3所述的计算机实现的方法，其中，所述模型是深度神经网络，以及其中，所述方法还包括：通过所述一个或多个计算系统在所述确定之前训练所述深度神经网络，所述深度神经网络用于将来将所述交互式游戏环境中的游戏动作分类为由欺骗软件使用进行协助或未由欺骗软件使用进行协助，包括获得和使用关于多个判定的训练数据，每个所述判定均指定所述交互式游戏环境中所指示的用户游戏动作是否导致由于使用欺骗软件来协助所述用户游戏动作而限制访问所述交互式游戏环境。


6.根据权利要求3所述的计算机实现的方法，还包括：
通过所述一个或多个计算系统，训练所述模型，以对所述交互式游戏环境中的所述游戏动作进行分类：如果由欺骗软件使用进行协助，则分类为未经授权的，否则分类为经授权的，包括向所述模型提供训练数据，所述训练数据包括用户在所述交互式游戏环境中的多个先前游戏动作，并且包括对所述用户的所述先前游戏动作是否导致所述用户对所述交互式游戏环境的访问受到限制的确定；以及
其中，确定所述用户在所述交互式游戏环境中的观察到的游戏动作是未经授权的包括：使用经训练的模型来确定所述用户的所述观察到的游戏动作将导致所述用户对所述交互式游戏环境的访问受到限制的可能性，以及将所确定的可能性识别为超过未经授权的游戏动作的限定阈值。


7.一种具有存储内容的非暂时性计算机可读介质，所述存储内容使得计算系统执行自动化操作，所述自动化操作至少包括：
通过所述计算系统，确定在交互式执行环境中用户的观察到的动作将导致所述用户对所述交互式执行环境的访问由于类似于其他未经授权的动作而受到限制，其中，所述确定包括：使用模型，所述模型训练为如果由一个或多个其他未经授权软件检测系统对用户动作的检查将确定所述用户动作通过使用未经授权的软件进行协助，则将所述交互式执行环境中的用户动作分类为未经授权，并且导致对所述交互式执行环境的访问受到限制；
通过所述计算系统，以及至少部分地基于所述确定，获得关于所述用户的所观察到的动作是否未经授权并且导致所述用户对所述交互式执行环境的访问由于所述未经授权的软件的使用的协助而受到限制的判定，包括与所述一个或多个其他未经授权软件检测系统交互，所述一个或多个其他未经授权软件检测系统进一步评估所观察到的动作；以及
通过所述计算系统，存储关于所述确定的信息，所述确定的信息为所述用户在所述交互式执行环境中所观察到的动作由于类似于其他未经授权的动作而导致所述用户对所述交互式执行环境的访问受到限制。


8.根据权利要求7所述的非暂时性计算机可读介质，其中，所存储的内容包括软件指令，所述软件指令在执行时还使所述计算系统使用所获得的判定来进一步控制对所述交互式执行环境的访问，包括：如果所获得的判定指示所观察...

【专利技术属性】
技术研发人员：安东尼·约翰·考克斯，约翰·麦克唐纳，加布里埃尔·范恩格尔，马特·罗腾，
申请(专利权)人：威尔乌集团，
类型：发明
国别省市：美国;US