CN102724182B - 异常客户端的识别方法 - Google Patents

Abstract

本发明提供了一种异常客户端的识别方法，包括：预先统计异常客户端的异常行为特征，并设置各异常行为特征对应的匹配度分值；当用户通过客户端登录到业务服务器后，所述业务服务器记录该用户的业务行为信息并保存在行为统计数据库中；监控服务器在每个预设的监控周期结束时，从所述行为统计数据库中读取本周期内记录的在线用户的所述业务行为信息，根据所读取到的业务行为信息、所述异常行为特征和各所述异常行为特征对应的异常匹配度分值，确定各所述在线用户的行为与所述异常行为特征相匹配的异常匹配度，并根据该在线用户的异常匹配度和预设的异常匹配阈值，确定该在线用户所在客户端是否为异常客户端。采用本发明能对异常的业务客户端进行有效的识别。

Description

异常客户端的识别方法

技术领域

本发明涉及计算机应用技术，特别是涉及一种异常客户端的识别方法。

背景技术

现有的计算机网络游戏系统，多是基于Internet上和客户/服务器模式，服务端程序运行在游戏服务器上，游戏的设计者在其中创造一个庞大的游戏空间，各地的玩家用户可以通过运行客户端程序同时登录到游戏中。目前，一些玩家用户的客户端利用外挂来增强玩家在游戏系统中的各种功能。该外挂就是将外挂程序嫁接到游戏程序当中，通过截取并修改游戏发送到游戏服务器的数据，来实现各种功能的增强。这种利用外挂技术进行作弊的异常客户端，严重影响了网络游戏业务环境的公平性，让玩家用户和开发商运营商所深恶痛绝。所以各个网络游戏系统在开发和运营中，都会使用各种技术或者手段来反外挂，阻止采用外挂的异常客户端，还玩家用户一个公平的游戏环境。

目前，对上述异常客户端的识别方法通常是采用验证码的模式。在某些特殊环节，客户端会弹出验证码，如果玩家回答正确则判断玩家所在客户端上没外挂，可以继续进行游戏，否则判断玩家用户所在客户端上安装有外挂，为异常客户端，该玩家用户就会被处罚。所述验证码有很多种类型，有数字类、文字类、图形类、答题类等等。

上述采用验证码对异常客户端监控的方法中，如果验证码的难度过大，玩家很难识别或者回答，会造成很强的挫折，造成用户体验很差；如果验证码过于简单，又会容易编写出进行自动回答的智能识别软件，从而不能达到反外挂的目的。

并且针对上述异常客户端的识别方法，现在已经提出一种更先进的外挂方法，该外挂自动收集问题，转发给人工客服回答，再把结果发回客户端，客户端回应服务器。目前如果玩家用户的客户端上采用了这种外挂方法，现有的异常客户端的识别方法是无法识别出此客户端的。

由此可见，目前异常客户端的识别方法存在识别效果差且易被破解的问题。

发明内容

有鉴于此，本发明的主要目的在于提供一种异常客户端的识别方法，该方法能对异常的业务客户端进行有效的识别。

为了达到上述目的，本发明提出的技术方案为：

一种异常客户端的识别方法，该方法包括以下步骤：

a、预先统计异常客户端的异常行为特征，并设置各异常行为特征对应的匹配度分值；

b、当用户通过客户端登录到业务服务器后，所述业务服务器记录该用户的业务行为信息并保存在行为统计数据库中；

c、监控服务器在每个预设的监控周期结束时，从所述行为统计数据库中读取本周期内记录的在线用户的所述业务行为信息，根据所读取到的业务行为信息、所述异常行为特征和各所述异常行为特征对应的异常匹配度分值，确定各所述在线用户的行为与所述异常行为特征相匹配的异常匹配度，并根据该在线用户的异常匹配度和预设的异常匹配阈值，确定该在线用户所在客户端是否为异常客户端。

综上所述，本发明提出的异常客户端的识别方法，通过基于客户端的行为，判断该客户端是否为异常客户端，如此，可以避免智能识别软件和人工客服的破解问题，能确保识别的可靠性，同时也不会对影响普通客户端的正常业务。

附图说明

图1为本发明实施例一的方法流程示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图及具体实施例对本发明作进一步地详细描述。

本发明的核心思想是：对异常客户端的异常行为特征进行统计，然后周期性地根据客户端当前的行为和上述异常行为特征，判断该客户端是否为异常客户端，这样，由于在上述识别过程中不需要用户参与，因此，不会影响普通客户端的正常业务，确保用户体验，同时也可以避免智能识别软件和人工客服的破解问题，确保识别的可靠性。

图1为本发明实施例一的方法流程示意图。如图1所示，该方法包括以下步骤：

步骤101、预先统计异常客户端的异常行为特征，并设置各异常行为特征对应的匹配度分值。

在实际应用中，本步骤中所统计的异常行为特征，将会随着具体的计算机网络游戏系统的不同而不同。具体地，所述异常行为特征可以包括个体异常行为特征和/或群体异常行为特征，其中，个体异常行为特征适用于某个普通的异常客户端通常具有的特征，群体异常行为特征，通过应用于大型工作室发起的多个异常客户端所共同具有的异常行为特征，例如，可以针对大型工作室使用外挂大批量创建角色挂机打金币的行为，统计得到相应的群体异常行为特征，如此，能有效锁定大批次的异常客户端。

各异常行为特征所对应的异常匹配度分值，用于表示当用户的行为满足该条异常行为特征时，对该用户的异常匹配度进行增加的分值，即用户的行为每满足一条异常行为特征，其异常匹配度将增加相应的异常匹配度分值。在实际应用中，各异常行为特征所对应的异常匹配度分值，可以相同也可以单独配置，具体地，可由本领域技术人员根据实际需要设置合适的取值。

下面通过表1和表2进一步举例说明异常行为特征与相应的异常匹配度分值的对应关系。其中，表1给出了在一网络游戏系统场景下的个体异常行为特征与所对应的异常匹配度分值的示例；表2给出了在一网络游戏系统场景下的群体异常行为特征与所对应的异常匹配度分值的示例。

表1

表2

步骤102、当用户通过客户端登录到业务服务器后，所述业务服务器记录该用户的业务行为信息并保存在行为统计数据库中。

较佳地，所述业务服务器可以为计算机网络游戏系统中的游戏服务器。

在实际应用中，用户的业务行为信息的具体内容将与上述异常行为特征所涉及的行为对应，以便在后续过程中，基于该业务行为信息确定用户所匹配的异常行为特征。相应地，用户的业务行为信息也和上述异常行为特征一样，将会随着具体的计算机网络游戏系统的不同而不同。例如，在一网络游戏系统场景下，用户的业务行为信息可以包括如下内容：

玩家登陆时的角色名称、角色创建时间、角色登陆时间、角色职业、在某个区域杀死某怪物，在某区域对某NPC卖出物品，在某区域内和玩家交易，在某区域内摆摊寄卖道具，完成任务等等。

步骤103、监控服务器在每个预设的监控周期结束时，从所述行为统计数据库中读取本周期内记录的在线用户的所述业务行为信息，根据所读取到的业务行为信息、所述异常行为特征和各所述异常行为特征对应的异常匹配度分值，确定各所述在线用户的行为与所述异常行为特征相匹配的异常匹配度，并根据该在线用户的异常匹配度和预设的异常匹配阈值，确定该在线用户所在客户端是否为异常客户端。

本步骤中，所述监控周期和所述异常匹配阈值，均可由本领域技术人员根据实际需要设置合适取值。

在实际应用中，当仅基于个体异常行为特征，来确定在线用户所在客户端是否为异常客户端时，本步骤中所述确定各所述在线用户的行为与所述异常行为特征相匹配的异常匹配度，可以采用下述方法实现：

对于每个所述在线用户，根据所读取到的该在线用户的业务行为信息，统计该在线用户当前的个体行为特征，确定所统计的个体行为特征所匹配的个体异常行为特征，并根据所匹配的各个体异常行为特征对应的所述异常匹配度分值，得到该在线用户的异常匹配度。

较佳地，步骤103中确定该在线用户所在客户端是否为异常客户端，具体可以为：如果所述在线用户的异常匹配度大于所述异常匹配阈值，则判定该在线用户所在客户端为异常客户端。

进一步地，步骤103中还可以与弹出验证码的方式相结合，来确定该在线用户所在客户端是否为异常客户端，具体方法为：

对于所述异常匹配度大于所述异常匹配阈值的在线用户，所述监控服务器触发所述游戏服务在该在线用户所在客户端上弹出验证码问题，如果该在线用户回答所述问题错误，则判定该在线用户所在客户端为异常客户端。

在实际应用中，对于存在由大型工作室采用外挂所致的群体异常客户端场景，可同时基于个体异常行为特征和群体异常行为特征，进行于异常客户端的识别。具体地，本步骤中所述确定各所述在线用户的行为与所述异常行为特征相匹配的异常匹配度可以包括下述步骤：

步骤x1、对于各所述在线用户，根据所读取到的该在线用户的业务行为信息，统计该在线用户当前的个体行为特征，将所统计的个体行为特征与所述异常行为特征相比较，确定该在线用户所匹配的异常行为特征，并根据所匹配的各异常行为特征对应的所述异常匹配度分值，得到该在线用户的异常匹配度。

步骤x2、将所述异常匹配度大于预设的个体匹配阈值的所述在线用户，确定为需要进行群体分析的用户。

步骤x3、根据所述需要进行群体分析的用户的所述业务行为信息，统计相应的群体行为特征，并确定所统计的群体行为特征所匹配的所述群体异常行为特征，根据所述群体异常行为特征对应的所述异常匹配度分值，增加匹配所述群体异常行为特征的所述群体行为特征所涉及的各用户的异常匹配度。

步骤x3用于对所述需要进行群体分析的用户进行进一步的群体匹配，下面以表2所示的群体特征为例，对步骤x3中对所述需要进行群体分析的用户进行相应的群体匹配的具体实现进行举例说明：

按角色登录时间排序，把登录时间接近（假设配置为30秒内）的玩家分组，如果同组的玩家数量超过50（可配置），则认为此组有嫌疑，给每个人增加匹配度。

按角色创建时间排序，把创建时间接近（假设配置为1分钟内）的玩家分组，如果同组的玩家数量超过20（可配置），则认为此组有嫌疑，给每个人增加匹配度。

按角色登录IP排序，把IP相同的玩家分组，如果同组的玩家数量超过10（可配置），则认为此组有嫌疑，给每个人增加匹配度。

按角色名称排序，把名称接近（字符近似，长度近似）的玩家分组，如果同组的玩家数量超过5（可配置），则认为此组有嫌疑，给每个人增加匹配度。

上述仅为一具体示例，如前所述在不同的计算机网络游戏系统中，需要匹配的群体异常行为将不同，在此不再赘述。

进一步地，为了提高本发明的识别准确度，还可以在所述步骤x2与x3之间，增加一通过验证码进行识别的步骤，即：所述监控服务器触发所述游戏服务在所述需要进行群体分析的用户所在客户端上弹出验证码问题，对于所述问题回答错误的用户，根据预设的验证错误匹配度分值，增加其异常匹配度。

与上述同时考虑个体异常行为特征和群体异常行为特征来确定在线用户的异常匹配度的方法相配合，步骤103中确定该在线用户所在客户端是否为异常客户端，具体可以为：如果所述在线用户的异常匹配度大于所述异常匹配阈值，则判定该在线用户所在客户端为异常客户端。

进一步地，当步骤103中监控服务器确定出在线用户所在客户端为异常客户端后，可以将所确定的异常客户端通知给业务服务器，由业务服务器对异常客户端进行相应的处理，也可以将异常客户端名单输出，以便管理人员通过人工调查数据库和日志，比对行为，筛选出相应的用户进行人工处理。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (5)

1.一种异常客户端的识别方法，其特征在于，该方法包括以下步骤：

a、预先统计异常客户端的异常行为特征，并设置各异常行为特征对应的匹配度分值；

b、当用户通过客户端登录到业务服务器后，所述业务服务器记录该用户的业务行为信息并保存在行为统计数据库中；

c、监控服务器在每个预设的监控周期结束时，从所述行为统计数据库中读取本周期内记录的在线用户的所述业务行为信息，根据所读取到的业务行为信息、所述异常行为特征和各所述异常行为特征对应的异常匹配度分值，确定各所述在线用户的行为与所述异常行为特征相匹配的异常匹配度，并根据该在线用户的异常匹配度和预设的异常匹配阈值，确定该在线用户所在客户端是否为异常客户端；

所述异常行为特征包括个体异常行为特征和群体异常行为特征；

步骤c中所述确定各所述在线用户的行为与所述异常行为特征相匹配的异常匹配度包括：

x1、对于各所述在线用户，根据所读取到的该在线用户的业务行为信息，统计该在线用户当前的个体行为特征，将所统计的个体行为特征与所述异常行为特征相比较，确定该在线用户所匹配的异常行为特征，并根据所匹配的各异常行为特征对应的所述异常匹配度分值，得到该在线用户的异常匹配度；

x2、将所述异常匹配度大于预设的个体匹配阈值的所述在线用户，确定为需要进行群体分析的用户；

x3、根据所述需要进行群体分析的用户的所述业务行为信息，统计相应的群体行为特征，并确定所统计的群体行为特征所匹配的所述群体异常行为特征，根据所述群体异常行为特征对应的所述异常匹配度分值，增加匹配所述群体异常行为特征的所述群体行为特征所涉及的各用户的异常匹配度。

2.根据权利要求1所述的方法，其特征在于，所述步骤x2与x3之间进一步包括：

所述监控服务器触发游戏服务器在所述需要进行群体分析的用户所在客户端上弹出验证码问题，对于所述问题回答错误的用户，根据预设的验证错误匹配度分值，增加其异常匹配度。

3.根据权利要求1所述的方法，其特征在于，步骤c中所述确定该在线用户所在客户端是否为异常客户端包括：

如果所述在线用户的异常匹配度大于所述异常匹配阈值，则判定该在线用户所在客户端为异常客户端。

4.根据权利要求1所述的方法，其特征在于，所述步骤c中所述确定该在线用户所在客户端是否为异常客户端之后进一步包括：将所确定的异常客户端名单输出。

5.根据权利要求1所述的方法，其特征在于，所述业务服务器为计算机网络游戏系统中的游戏服务器。