数据处理方法、装置、设备、介质及产品制造方法及图纸

本申请实施例公开了一种数据处理方法、装置、设备、介质及产品，属于网络安全技术领域。该方法包括：获取目标设备对应的历史数据，历史数据包括在目标设备登录过的至少一个历史帐号的至少两种处理结果；基于历史数据，生成至少两种处理结果对应的至少两个维度的数据序列；将至少两个维度的数据序列输入到预测模型中，通过预测模型预测目标设备的行为概率；响应于目标设备的行为概率大于概率阈值，对目标设备的在线帐号进行检测。该方法能够更准确地定位到易出现目标行为的帐号，进而对该帐号的行为进行检测，以能够及时发现该帐号下的目标行为。标行为。标行为。

【技术实现步骤摘要】
数据处理方法、装置、设备、介质及产品


[0001]本申请实施例涉及网络安全
，特别涉及一种数据处理方法、装置、设备、介质及产品。

技术介绍

[0002]在游戏的过程中，部分玩家存在恶意游戏的行为。比如，部分玩家可以通过穿戴外挂的方式作弊，以获得较高的游戏成绩。这大大降低了游戏的公平性。
[0003]玩家通过帐号执行操作时，会产生大量的游戏数据。一般地，游戏后台服务器能够根据这些游戏数据来判断该帐号下的游戏行为是否符合游戏规则，比如，在某一帐号的连续登录时长或是连续游戏时长超过一定时长时，可以确定该帐号存在代为练号的行为。
[0004]但是，玩家的作弊手段多种多样，可以绕过很多不符合游戏规则的行为检测。

技术实现思路

[0005]本申请实施例提供了一种数据处理方法、装置、设备、介质及产品。所述技术方案如下：
[0006]根据本申请的一方面内容，提供了一种数据处理方法，所述方法包括：
[0007]获取目标设备对应的历史数据，所述历史数据包括在所述目标设备登录过的至少一个历史帐号的至少两种处理结果；
[0008]基于所述历史数据，生成所述至少两种处理结果对应的至少两个维度的数据序列；
[0009]将所述至少两个维度的数据序列输入到预测模型中，通过所述预测模型预测所述目标设备的行为概率，所述行为概率用于指示所述目标设备上未来出现目标行为的概率，所述目标行为包括所述至少两种处理结果对应的行为；
[0010]响应于所述目标设备的行为概率大于概率阈值，对所述目标设备的在线帐号进行检测。
[0011]根据本申请的另一方面内容，提供了一种数据处理装置，所述装置包括：
[0012]获取模块，用于获取目标设备对应的历史数据，所述历史数据包括在所述目标设备登录过的至少一个历史帐号的至少两种处理结果；
[0013]生成模块，用于基于所述历史数据，生成所述至少两种处理结果对应的至少两个维度的数据序列；
[0014]预测模块，用于将所述至少两个维度的数据序列输入到预测模型中，通过所述预测模型预测所述目标设备的行为概率，所述行为概率用于指示所述目标设备上未来出现目标行为的概率，所述目标行为包括所述至少两种处理结果对应的行为；
[0015]检测模块，用于响应于所述目标设备的行为概率大于概率阈值，对所述目标设备的在线帐号进行检测。
[0016]根据本申请的另一方面内容，提供了一种计算机设备，所述计算机设备包括处理
器、与所述处理器相连的存储器，所述存储器上存储有程序指令，所述处理器执行所述程序指令时实现如本申请各个方面提供的数据处理方法。
[0017]根据本申请的另一方面内容，提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有程序指令，所述程序指令被处理器执行时实现如本申请各个方面提供的数据处理方法。
[0018]根据本申请的另一个方面内容，提供了一种计算机程序产品(或计算机程序)，所述计算机程序产品(或计算机程序)包括计算机指令，所述计算机指令存储在计算机可读存储介质中；计算机设备的处理器从所述计算机可读存储介质读取所述计算机指令，所述处理器执行所述计算机指令时实现如本申请各个方面提供的数据处理方法。
[0019]根据本申请的另一个方面内容，提供了一种芯片，所述芯片包括可编程逻辑电路和/或程序指令，当所述芯片运行时，用于实现如本申请各个方面提供的数据处理方法。
[0020]本申请实施例提供的技术方案带来的有益效果可以包括：
[0021]本申请中的数据处理方法，基于在目标设备登录过的至少一个历史帐号的至少两种处理结果，来预测目标设备的行为概率，在目标设备的行为概率大于概率阈值时，则表示该目标设备未来出现上述至少两种处理结果对应行为的概率很高，需要对该目标设备的在线帐号进行检测，以在目标设备上在线帐号发生目标行为的情况下能够及时发现。
[0022]该方法中按照多个处理结果对应的多个维度，对目标设备上的历史数据进行处理，生成多维度的数据序列，然后将多维度的数据序列作为预测模型的输入，以从多维度的数据序列中提取出有效的历史行为特征，更准确地预测出目标设备的行为概率，通过目标设备的行为概率预测，来实现对易出现目标行为的在线帐号的精准定位。
附图说明
[0023]为了更清楚地介绍本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。
[0024]图1示出了本申请一个示例性实施例提供的计算机系统的结构示意图；
[0025]图2示出了本申请一个示例性实施例提供的数据处理方法的流程图；
[0026]图3示出了本申请另一个示例性实施例提供的数据处理方法的流程图；
[0027]图4示出了本申请一个示例性实施例提供的预测模型的结构示意图；
[0028]图5示出了本申请一个示例性实施例提供的时间卷积计算的示意图；
[0029]图6示出了本申请一个示例性实施例提供的行为模式预测的示意图；
[0030]图7示出了本申请另一个示例性实施例提供的行为模式预测的示意图；
[0031]图8示出了本申请一个示例性实施例提供的行为检测下发设置的界面示意图；
[0032]图9示出了本申请另一个示例性实施例提供的行为检测下发设置的界面示意图；
[0033]图10示出了本申请一个示例性实施例提供的数据处理装置的框图；
[0034]图11示出了本申请一个示例性实施例提供的计算机设备的结构示意图。
具体实施方式
[0035]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0036]图1给出了本申请一个示例性实施例提供的计算机系统的结构框图。该计算机系统100包括：终端120和服务器140。
[0037]终端120安装和运行有应用程序的客户端。示例性的，应用程序包括但不限于以下至少一类：直播类应用程序、游戏类应用程序、支付类应用程序、金融类应用程序、以及生活类应用程序。比如，应用程序包括但不限于如下任意一种：虚拟现实(Virtual Reality，VR)应用程序、增强现实(Augmented Reality，AR)程序、虚拟现实游戏、增强现实游戏、第一人称射击(First
‑
Person Shooting，FPS)游戏、第三人称射击(Third
‑
Personal Shooting，TPS)游戏、多人在线战术竞技(Multiplayer Online Battle Arena，MOBA)游戏、策略游戏(SimuLation Game，SLG)。
[0038]示例性的，终端120的客户端中登录有用户帐号。在用户帐号的登录期间客户端上所产生的数据对应记录在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种数据处理方法，其特征在于，所述方法包括：获取目标设备对应的历史数据，所述历史数据包括在所述目标设备登录过的至少一个历史帐号的至少两种处理结果；基于所述历史数据，生成所述至少两种处理结果对应的至少两个维度的数据序列；将所述至少两个维度的数据序列输入到预测模型中，通过所述预测模型预测所述目标设备的行为概率，所述行为概率用于指示所述目标设备上未来出现目标行为的概率，所述目标行为包括所述至少两种处理结果对应的行为；响应于所述目标设备的行为概率大于概率阈值，对所述目标设备的在线帐号进行检测。2.根据权利要求1所述的方法，其特征在于，所述至少两个维度的数据序列包括至少两个维度的时序数据；所述基于所述历史数据，生成所述至少两种处理结果对应的至少两个维度的数据序列，包括：统计历史时间段内预设时间粒度上每种处理结果对应的帐号数量；基于所述预设时间粒度上的所述帐号数量，生成所述每种处理结果对应的帐号数量的时序数据，得到所述至少两个维度中每个维度的时序数据；所述将所述至少两个维度的数据序列输入到预测模型中，通过所述预测模型预测所述目标设备的行为概率，包括：将所述至少两个维度的时序数据输入到所述预测模型中，通过所述预测模型预测所述目标设备的行为概率。3.根据权利要求2所述的方法，其特征在于，所述预测模型包括原始序列处理层、特征处理层和预测层；所述将所述至少两个维度的时序数据输入到所述预测模型中，通过所述预测模型预测所述目标设备的行为概率，包括：通过所述原始序列处理层对所述至少两个维度的时序数据进行编码，得到至少两个维度的序列向量；通过所述特征处理层对所述至少两个维度的序列向量进行历史行为特征的提取，得到至少两个维度的行为特征向量；通过所述预测层基于所述至少两个维度的行为特征向量，预测所述目标设备的行为概率。4.根据权利要求3所述的方法，其特征在于，所述特征处理层包括长短期记忆网络和时间卷积网络；所述通过所述特征处理层对所述至少两个维度的序列向量进行历史行为特征的提取，得到至少两个维度的行为特征向量，包括：通过所述长短期记忆网络，对所述至少两个维度的序列向量进行历史行为特征的提取，得到第一行为特征向量；以及通过所述时间卷积网络，对所述至少两个维度的序列向量进行历史行为特征的提取，得到第二行为特征向量。5.根据权利要求4所述的方法，其特征在于，所述预测层包括特征融合函数和预测函
数；所述通过所述预测层基于所述至少两个维度的行为特征向量，预测所述目标设备的行为概率，包括：通过所述特征融合函数对所述第一行为特征向量和所述第二行为特征向量进行融合，得到融合后的行为特征向量；通过所述预测函数基于所述融合后的行为特征向量，预测所述目标设备的行为概率。6.根据权利要求1至5任一所述的方法，其特征在于，所述处理结果包括以下至少两种：暂时...

【专利技术属性】
技术研发人员：何鹏，司徒志远，郭晓，朱学文，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：