一种数据处理方法及相关装置制造方法及图纸

一种数据处理方法及相关装置，可以应用于云技术、人工智能、区块链、车联网、智慧交通、智能家居等各种领域，该方法包括：获取目标游戏对局中目标对象的游戏特征数据；调用空域异常识别模型对目标对象的游戏特征数据进行处理得到目标对象的空域异常因子；空域异常识别模型是基于多个样本对象在预设时间周期内的游戏对局中的统计特征数据构建的；调用时域异常识别模型对目标对象的游戏特征数据进行处理得到目标对象的时域异常因子；时域异常识别模型是基于任一样本对象在预设时长内的游戏对局中的时序特征数据对编解码神经网络训练得到的；基于空域异常因子和时域异常因子确定目标对象的外挂检测结果。本申请有利于提升外挂检测的准确性。检测的准确性。检测的准确性。

【技术实现步骤摘要】
一种数据处理方法及相关装置


[0001]本申请涉及计算机
，尤其涉及一种数据处理方法及相关装置。

技术介绍

[0002]外挂指的是通过修改游戏而为玩家谋取利益的作弊程序，其主要应用原理是通过修改游戏正常代码或数据，从而改变游戏人物能力，外挂的出现会严重破坏游戏的公平性。
[0003]目前，通常采用基于外挂样本的对抗方式来检测游戏中的外挂，其中包含外挂搜集、采购、分析、检测和特征对抗等步骤；然而，随着外挂对抗的深入，外挂程序逐渐向专业化、定制化和隐蔽化转变，大大提升了基于外挂样本进行对抗的难度，导致外挂检测的难度增大，准确度不佳。因此，如何提升外挂检测的准确性是十分有必要的。

技术实现思路

[0004]本申请实施例提供了一种数据处理方法及相关装置，有利于提升外挂检测的准确性。
[0005]第一方面，本申请实施例提供了一种数据处理方法，所述方法包括：
[0006]获取目标游戏对局中目标对象的游戏特征数据；
[0007]调用空域异常识别模型对所述目标对象的游戏特征数据进行处理，得到所述目标对象的空域异常因子；其中，所述空域异常识别模型是基于多个样本对象在预设时间周期内的游戏对局中的统计特征数据构建的；
[0008]调用时域异常识别模型对所述目标对象的游戏特征数据进行处理，得到所述目标对象的时域异常因子；其中，所述时域异常识别模型是基于任一样本对象在预设时长内的游戏对局中的时序特征数据，对编解码神经网络训练得到的；
[0009]基于所述空域异常因子和所述时域异常因子，确定所述目标对象的外挂检测结果。
[0010]第二方面，本申请实施例提供了一种数据处理装置，所述装置包括：
[0011]获取单元，用于获取目标游戏对局中目标对象的游戏特征数据；
[0012]处理单元，用于调用空域异常识别模型对所述目标对象的游戏特征数据进行处理，得到所述目标对象的空域异常因子；其中，所述空域异常识别模型是基于多个样本对象在预设时间周期内的游戏对局中的统计特征数据构建的；
[0013]所述处理单元，还用于调用时域异常识别模型对所述目标对象的游戏特征数据进行处理，得到所述目标对象的时域异常因子；其中，所述时域异常识别模型是基于任一样本对象在预设时长内的游戏对局中的时序特征数据，对编解码神经网络训练得到的；
[0014]所述处理单元，还用于基于所述空域异常因子和所述时域异常因子，确定所述目标对象的外挂检测结果。
[0015]第三方面，本申请实施例提供了一种计算机设备，该计算机设备包括处理器、通信接口和存储器，该处理器、通信接口和存储器相互连接，其中，该存储器存储有计算机程序，
该处理器用于调用该计算机程序，执行上述任一可能实现方式的数据处理方法。
[0016]第四方面，本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质存储有计算机程序，该计算机程序被处理器执行时实现该任一可能实现方式的数据处理方法。
[0017]第五方面，本申请实施例还提供了一种计算机程序产品，上述计算机程序产品包括计算机程序或计算机指令，上述计算机程序或计算机指令被处理器执行实现本申请实施例提供的数据处理方法的步骤。
[0018]第六方面，本申请实施例还提供了一种计算机程序，上述计算机程序包括计算机指令，上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上述计算机可读存储介质读取上述计算机指令，上述处理器执行上述计算机指令，使得上述计算机设备执行本申请实施例提供的数据处理方法。
[0019]在本申请实施例中，在针对目标游戏对局中的目标对象进行外挂检测时，可以通过空域异常识别模型对目标游戏对局中目标对象的游戏特征数据进行处理，得到空域异常因子，以及通过时域异常识别模型对该目标对象的游戏特征数据进行处理，得到时域异常因子，从而针对目标对象实现时域和空域双维度的异常检测，有利于提升外挂检测的准确性。
附图说明
[0020]为了更清楚地说明本申请实施例技术方法，下面将对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他的附图。
[0021]图1a为本申请实施例提供的一种数据处理方法的应用场景图；
[0022]图1b为本申请实施例提供的一种使用透视外挂时的游戏界面的示意图；
[0023]图1c为本申请实施例提供的一种外挂检测方法的流程示意图；
[0024]图2为本申请实施例提供的一种数据处理方法的流程示意图；
[0025]图3为本申请实施例提供的另一种数据处理方法的流程示意图；
[0026]图4为本申请实施例提供的一种编解码神经网络的结构示意图；
[0027]图5为本申请实施例涉及的编解码神经网络处理的流程示意图；
[0028]图6为本申请实施例提供的另一种数据处理方法的流程示意图；
[0029]图7为本申请实施例提供的一种孤立森林模型树的示意图；
[0030]图8为本申请实施例提供的另一种数据处理方法的流程示意图；
[0031]图9为本申请实施例提供的一种数据处理装置的结构示意图；
[0032]图10为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
[0033]下面将结合本申请实施例中的附图，对本申请实施例中的技术方法进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0034]本申请提出了一种数据处理方法，能够应用于云技术、人工智能、区块链、车联网、智慧交通、智能家居等各种领域或场景。在一实施例中，本申请提供的数据处理方法可以基于人工智能技术中的机器学习技术实现。人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大视频处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习、自动驾驶、智慧交通等几大方向。机器学习技术是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。例如，本申请实施例中采用机器学习技术训练编解码神经网络得到时域异常识别模型，以及构建空域异常识别模型。
[0035]参阅图1a，图1a为本申请实施例提供本文档来自技高网...

【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：获取目标游戏对局中目标对象的游戏特征数据；调用空域异常识别模型对所述目标对象的游戏特征数据进行处理，得到所述目标对象的空域异常因子；其中，所述空域异常识别模型是基于多个样本对象在预设时间周期内的游戏对局中的统计特征数据构建的；调用时域异常识别模型对所述目标对象的游戏特征数据进行处理，得到所述目标对象的时域异常因子；其中，所述时域异常识别模型是基于任一样本对象在预设时长内的游戏对局中的时序特征数据，对编解码神经网络训练得到的；基于所述空域异常因子和所述时域异常因子，确定所述目标对象的外挂检测结果。2.根据权利要求1所述的方法，其特征在于，所述调用空域异常识别模型对所述目标对象的游戏特征数据进行处理，得到所述目标对象的空域异常因子，包括：获取所述目标游戏对局的游戏时间信息；基于所述游戏时间信息以及多个空域异常识别模型中每个空域异常识别模型对应的预设时间周期，从所述多个空域异常识别模型中确定出与所述目标游戏对局相匹配的空域异常识别模型；其中，所述每个空域异常识别模型是基于多个样本对象在对应的预设时间周期内的游戏对局中的统计特征数据构建的；调用所述与所述目标游戏对局相匹配的空域异常识别模型对所述目标对象的游戏特征数据进行处理，得到所述目标对象的空域异常因子。3.根据权利要求2所述的方法，其特征在于，所述方法还包括：针对多个预设时间周期中的任一预设时间周期，获取多个样本对象在所述任一预设时间周期内的游戏对局中的统计特征数据，所述统计特征数据包括在多个特征维度下的统计特征值；基于所述多个样本对象中每个样本对象的统计特征数据包括的多个统计特征值，确定所述每个样本对象对应的样本数据，所述样本数据包括所述多个统计特征值和多个第一映射特征值，每个第一映射特征值是对所述多个统计特征值中的两个统计特征值进行映射处理得到的；基于所述多个样本对象对应的多个样本数据和预设孤立森林算法构建所述任一预设时间周期对应的空域异常识别模型。4.根据权利要求3所述的方法，其特征在于，所述目标对象的游戏特征数据包括在所述多个特征维度下的行为特征值；所述与所述目标游戏对局相匹配的空域异常识别模型包括多个孤立树；所述调用所述与所述目标游戏对局相匹配的空域异常识别模型对所述目标对象的游戏特征数据进行处理，得到所述目标对象的空域异常因子，包括：对多个行为特征值中的每两个行为特征值进行映射处理，得到多个第二映射特征值，并基于所述多个第二映射特征值和所述多个行为特征值构建待检测数据；基于所述待检测数据遍历所述多个孤立树中的每个孤立树，得到所述待检测数据在所述每个孤立树的路径长度；基于所述待检测数据在所述每个孤立树的路径长度，确定所述目标对象的空域异常因子。
5.根据权利要求2
‑
4中任一项所述的方法，其特征在于，所述基于所述游戏时间信息以及多个空域异常识别模型中每个空域异常识别模型对应的预设时间周期，从所述多个空域异常识别模型中确定出与所述目标游戏对局相匹配的空域异常识别模型，包括：从所述多个空域异常识别模型对应的多个预设时间周期中确定出所述游戏时间信息所属的目标预设时间周期；将所述目标预设时间周期对应的空域异常识别模型，确定为与所述目标游戏对局相匹配的空域异常识...

【专利技术属性】
技术研发人员：杨稷，陈旺林，
申请(专利权)人：深圳市腾讯信息技术有限公司，
类型：发明
国别省市：