CN107158706A - 作弊账号的识别方法及装置 - Google Patents
作弊账号的识别方法及装置 Download PDFInfo
- Publication number
- CN107158706A CN107158706A CN201710324866.1A CN201710324866A CN107158706A CN 107158706 A CN107158706 A CN 107158706A CN 201710324866 A CN201710324866 A CN 201710324866A CN 107158706 A CN107158706 A CN 107158706A
- Authority
- CN
- China
- Prior art keywords
- account
- suspicious degree
- numerical value
- virtual numerical
- mrow
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/70—Game security or game management aspects
- A63F13/71—Game security or game management aspects using secure communication between game devices and game servers, e.g. by encrypting game data or authenticating players
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
- A63F13/70—Game security or game management aspects
- A63F13/77—Game security or game management aspects involving data related to game devices or game servers, e.g. configuration data, software version or amount of memory
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
- A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
- A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
- A63F2300/55—Details of game data or player data management
- A63F2300/5546—Details of game data or player data management using player registration data, e.g. identification, account, preferences, game history
Abstract
本发明公开了一种作弊账号的识别方法及装置,方法包括:获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志,根据各个账号的虚拟数值流水日志,确定各个账号的虚拟数值转移参数,根据各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定各个账号的目标可疑度,并利用各个账号的目标可疑度识别作弊账号。通过利用各个账号的虚拟数值转移参数进行可疑度的迭代计算,使得能够得到体现虚拟数值转移的聚集性的目标可疑度,由于作弊账号的虚拟数值的聚集转移是无法规避的,且聚集性越高,可疑度越大,作弊概率也越大,因此,利用各账号的目标可疑度识别作弊账号的方式无法被规避,有效提高识别准确率。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种作弊账号的识别方法及装置。
背景技术
为了粘住客户,游戏设计者通常会在游戏中设置各种虚拟币奖励,用户可以通过登录账号、保持在线等方式领取虚拟币。随着互联网增值服务的兴起和发展,越来越多的用户开始购买或者持有虚拟币,以形成虚拟资产,且虚拟资产也已经具备了一定的货币属性,可以在各个账号之间流通。
然而,对于棋牌类游戏、手游而言,会存在一个刷虚拟币的问题:一个用户创建多个账号(俗称“小号”),然后使用游戏或交易的方式把“小号”的游戏币汇聚到若干个账号(俗称“大号”),当汇聚到一定的量之后,然后以低于官方价格的方式兜售虚拟币,兜售方式通常是以输给买家的方式,以此获得利益。其中,上述汇聚了多个“小号”的虚拟币的账号通常称为作弊账号,且该多个“小号”通常称为辅助作弊账号。
现有的识别作弊账号的方式,主要是利用账号之间对局的纬度信息来进行筛选,比如游戏胜率很高(90%以上甚至100%),或者对局时间很短(平均对局时间低于正常玩家很多)等等,通过多纬度的条件判断账号是否属于作弊账号。
然而,上述基于纬度信息识别作弊账号的方式,容易被规避,识别的准确率低。
发明内容
本发明的主要目的在于提供一种作弊账号的识别方法及装置,旨在解决现有技术中基于纬度信息识别作弊账号容易被规避,识别的准确率低的技术问题。
为实现上述目的,本发明第一方面提供一种作弊账号的识别方法,所述方法包括:
获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志;
根据所述各个账号的虚拟数值流水日志,确定所述各个账号的虚拟数值转移参数;
根据所述各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定所述各个账号的目标可疑度;
利用所述各个账号的目标可疑度识别作弊账号。
为实现上述目的,本发明第二方面提供一种作弊账号的识别装置,所述装置包括:
获取模块,用于获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志;
参数确定模块,用于根据所述各个账号的虚拟数值流水日志,确定所述各个账号的虚拟数值转移参数;
可疑度确定模块,用于根据所述各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定所述各个账号的目标可疑度;
识别模块,用于利用所述各个账号的目标可疑度识别作弊账号。
本发明提供一种作弊账号的识别方法,在该方法中,获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志,根据各个账号的虚拟数值流水日志,确定各个账号的虚拟数值转移参数,根据各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定各个账号的目标可疑度,并利用各个账号的目标可疑度识别作弊账号。相对于现有技术,通过利用各个账号的虚拟数值流水日志确定各个账号的虚拟数值转移参数,并利用各个账号的虚拟数值转移参数进行可疑度的迭代计算,使得能够得到体现虚拟数值转移的聚集性的目标可疑度,由于作弊账号的虚拟数值的聚集转移是无法规避的,且聚集性越高,可疑度越大,作弊概率也越大,因此,利用各账号的目标可疑度识别作弊账号的方式无法被规避,有效提高识别准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术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发明的一些实施例,对于本领域技术人员来讲,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。
图1为本发明实施例中作弊账号的识别方法的一个流程示意图;
图2为本发明实施例中虚拟数值转移参数为节点图时的示意图;
图3为本发明实施例中作弊账号的识别方法的另一流程示意图;
图4为本发明实施例中作弊账号的识别方法的另一流程示意图;
图5为本发明实施例中作弊账号的识别方法的另一流程示意图;
图6为本发明实施例中节点树的示意图;
图7为本发明实施例中作弊账号的识别装置的一个示意图;
图8为本发明实施例中作弊账号的识别装置的另一示意图;
图9为本发明实施例中作弊账号的识别装置的另一示意图;
图10为本发明实施例中作弊账号的识别装置的另一示意图;
图11为本发明实施例中服务器的结构示意图。
具体实施方式
为使得本发明的发明目的、特征、优点能够更加的明显和易懂,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而非全部实施例。基于本发明中的实施例,本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
由于现有技术中存在基于纬度信息识别作弊账号的方式容易被规避,识别的准确率低的技术问题。
为了解决上述技术问题,本发明提出一种作弊账号的识别方法,通过利用各个账号的虚拟数值流水日志确定各个账号的虚拟数值转移参数,并利用各个账号的虚拟数值转移参数进行可疑度的迭代计算,使得能够得到体现虚拟数值转移的聚集性的目标可疑度,由于作弊账号的虚拟数值的聚集转移是无法规避的,且聚集性越高,可疑度越大,作弊概率也越大,因此,利用各账号的目标可疑度识别作弊账号的方式无法被规避,有效提高识别准确率。
为了更好的理解本发明实施例中的技术方案,下面将介绍本发明技术方案的原理:
发明人经过创造性的劳动发现:虚拟数值的转移是具有聚集性的,且对于正常的账号来说,其聚集性较小,而对于作弊账号来说,由于辅助作弊账号向作弊账号转移虚拟数值是具有目的性的,其聚集性更加容易凸显,因此,聚集性越高,是作弊账号的概率也就越高。同时,由于辅助作弊账号只能通过转移虚拟数值的方式将虚拟数值给作弊账号,高聚集性是必然存在的,且无法规避。因此,基于虚拟数值转移的聚集性识别作弊账号的准确性高,且无法规避。本发明实施例中的技术方案即是通过上述原理实现的。需要说明的是,为了能够衡量账号在虚拟数值转移后的聚集性,提出可疑度的概念,可疑度用于描述账号为作弊账号的概率。
请参阅图1,为本发明实施例中作弊账号的识别方法的流程示意图,且该识别方法包括:
步骤101、获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志;
在本发明实施例中,上述的作弊账号的识别方法是由作弊账号的识别装置(以下简称为:识别装置)实现的,该识别装置可以是服务器,也可以是服务器中的一部分。
在需要识别指定应用程序已注册的账号中的作弊账号时,该识别装置将获取该指定应用程序在预置时间段内各个账号的虚拟数值流水日志。其中,该指定应用程序通常是指可以进行虚拟数值转移的应用程序,例如,棋牌类游戏,通过登录、保持在线等方式领取游戏币的游戏等等。
其中,应用程序的各个账号的虚拟数值流水日志通常保存在该应用程序的数据服务器中,识别装置具体可以从指定应用程序对应的数据服务器中获取预置时间段内,各个账号的虚拟数值流水日志。其中,该各个账号可以是已注册该指定应用程序的所有账号,也可以是在该预置时间段内生成过虚拟数值流水日志的账号。
对于棋牌类游戏,该虚拟数值流水日志可以是对局日志,对于非棋牌类游戏,该虚拟数值流水日志可以是游戏币、道具等的交易流水日志。
其中,一个账号在预置时间段内可以没有虚拟数值流水日志,也可以有至少一条虚拟数值流水日志,每一条虚拟数值流水日志可以但不限于包括:虚拟数值流出或流入的状态,虚拟数值的大小,虚拟数值流出或流入的账号。以游戏为例,一条虚拟数值流水日志包括:是输了还是赢了、输或赢的游戏币的数值、输或赢的账号。又例如,若账号A与账号B的对局游戏中,账号A输了100个游戏币给账号B,则对于账号A来说,此次对局形成的流水日志为:输、100、账号B,即表示账号A在一次对局游戏中输了100个游戏币给账号B,对于账号B,此次对局形成的流水日志为:赢、100、账号A,即表示账号B在一次对局游戏中赢了账号A100个游戏币。
步骤102、根据所述各个账号的虚拟数值流水日志,确定所述各个账号的虚拟数值转移参数;
在本发明实施例中,对于任意一个账号,例如账号x,该账号x的虚拟数值转移参数包括:存在虚拟数值流入账号x的所有账号的账号集合,该账号集合中每一个账号流入账号x的虚拟数值的总数,及该账号集合中每一个账号流出的虚拟数值的总数及流入每一个账号的虚拟数值的总数,该账号集合中每一个账号的虚拟数值流入的账号的个数。以游戏为例,账号(玩家)A的虚拟数值转移参数包括:账号A赢的所有账号的账号集合,该账号集合中每一个账号输给账号A的游戏币的总数,及该账号集合中每一个账号输掉的游戏币的总数,及赢的游戏币的总数,及该账号集合中每一个账号输的账号的个数。
在本发明实施例中,识别装置将对每一个账号的虚拟数值流水日志进行统计,得到每一个账号的虚拟数值转移参数。
其中,上述的虚拟数值转移参数可以通过数据的方式体现,也可以通过节点图的方式体现,若以节点图的方式体现,则该节点图中的每一个节点都代表一个账号,且两个节点之间的边是具有方向的,且该方向是虚拟数值的流出方向。为了更好的理解,请参阅图2,为本发明实施例中,虚拟数值转移参数为节点图时的示意图,其中,每一个账号都表明其已包含了存在虚拟数值流入的所有账号的账号集合,该账号集合中每一个账号流入每一个账号的虚拟数值的总数,及账号集合中每一个账号流出的虚拟数值的总数,及流入账号集合中每一个账号的虚拟数值的总数,及账号集合中每一个账号的虚拟数值流入的账号的个数。
步骤103、根据所述各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定所述各个账号的目标可疑度;
步骤104、利用所述各个账号的目标可疑度识别作弊账号。
在本发明实施例中,识别装置在得到各个账号的虚拟数值转移参数之后,将根据各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定各个账号的目标可疑度,并利用各个账号的目标可疑度识别作弊账号。
在本发明实施例中,识别装置通过利用各个账号的虚拟数值流水日志确定各个账号的虚拟数值转移参数,并利用各个账号的虚拟数值转移参数进行可疑度的迭代计算,使得能够得到体现虚拟数值转移的聚集性的目标可疑度,由于作弊账号的虚拟数值的聚集转移是无法规避的,且聚集性越高,可疑度越大,作弊概率也越大,因此,利用各账号的目标可疑度识别作弊账号的方式无法被规避,有效提高识别准确率。
请参阅图3,为本发明实施例中作弊账号的识别方法的另一流程示意图,该识别方法包括:
步骤301、获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志;
步骤302、根据所述各个账号的虚拟数值流水日志,确定所述各个账号的虚拟数值转移参数;
步骤303、利用所述各个账号的虚拟数值转移参数,确定所述各个账号的稀释因子的集合,所述稀释因子用于表示第一账号的虚拟数值流入第二账号后,所述第一账号的可疑度传递给所述第二账号时的比例;
步骤304、根据所述各个账号的稀释因子的集合进行可疑度的迭代计算,确定所述各个账号的目标可疑度;
步骤305、利用所述各个账号的目标可疑度识别作弊账号。
可以理解的是,上述步骤301及步骤302分别与图1所示实施例中的步骤101及步骤102描述的内容相似,此处不做赘述。其中,步骤303及步骤304为图1所示实施例中步骤103的细化步骤。
在本发明实施例中,基于虚拟数值转移的聚集性,发明人还通过创造性的劳动发现以下三点原则:
1、数量原则:对于一个账号,有虚拟数值流入该账号的账号越多,该账号的可疑度越大。例如,一个玩家(账号),他赢的玩家的数量越多,该玩家的可疑度越大。
2、质量原则:其他条件相同(如虚拟数值的流入或流出的大小相同),一个账号的可疑度越大,该账号的虚拟数值流入的其他账号的可疑度也越大。例如,其他条件相同,一个玩家的可疑度越大,赢他的玩家的可疑度也越大。
3、出度原则:其他条件相同,一个账号向越少的账号输出虚拟数值,可疑度越大。例如,其他条件相同,一个玩家输给的玩家数量越小,可疑度越大。
本发明中的技术方案是基于上述三点原则实现对虚拟数值转移的聚集性(即账号的可疑度)的计算。
在本发明实施例中,识别装置在得到各个账号的虚拟数值转移参数之后,将利用各个账号的虚拟数值转移参数,确定各个账号的稀释因子的集合,其中,该稀释因子用于表示第一账号的虚拟数值流入第二账号后,该第一账号的可疑度传递给第二账号时的比例。可以理解的是,对于账号A的稀释因子的集合,该集合中包含账号与稀释因子之间的对应关系,其中,该对应关系中的账号为将虚拟数值流入账号A的账号。例如,对于游戏玩家A,若该玩家A赢了玩家B至D的游戏币,则玩家A的稀释因子集合中包含玩家B与稀释因子b的对应关系,玩家C与稀释因子c的对应关系,及玩家D与稀释因子d的对应关系。
其中,利用虚拟数值转移参数确定稀释因子的集合的方式有多种,例如,对于账号x,可以按照如下方式确定账号x的账号集合(该账号集合是指存在虚拟数值流入账号x的所有账号的集合)中各账号对应的稀释因子:
表示账号i的虚拟数值流入账号x后,账号i对应的稀释因子,LCTi(x)表示账号集合中账号i流入账号x的虚拟数值的总数,TWCi表示流入账号i的虚拟数值的总数,TLCi表示账号i流出的虚拟数值的总数,F(TWCi,TLCi)为表征账号i的虚拟数值流入流出特征的函数,Θi表示账号i的虚拟数值流入的账号的个数;
其中,账号x的稀释因子的集合中,包含账号x的账号集合中各个账号与稀释因子的对应关系;
其中,F(TWCi,TLCi)函数可以根据具体的需要进行设置,例如,可以设置为数值的比较函数,即F(TWCi,TLCi)=max(TWCi,TLCi)。
其中,账号x的虚拟数值转移参数包含上述的M(x),LCTi(x),TWCi,TLCi及Θi。
需要说明的是,在账号x的虚拟数值转移参数中,数量原则是通过上述账号集合体现的,该账号集合中包含存在虚拟数值流入至账号x的所有账号,例如,对于玩家A,其虚拟数值转移参数中包含输给玩家A的所有玩家的集合,则该集合即用于体现数量原则。此外,上述账号集合中每一个账号的虚拟数值流入的账号的个数是用于体现聚集性的出度原则。另外,质量原则是通过在迭代过程中计算得到的可疑度体现的。
其中,识别装置根据各个账号的稀释因子的集合,进行可疑度的迭代计算,确定各个账号的目标可疑度。可以理解的是,账号的可疑度会在迭代计算的过程中逐渐收敛,因此,可以在确定各个账号的可疑度收敛的情况下结束迭代计算的过程,且将收敛时的可疑度作为目标可疑度。
在得到各个账号的目标可疑度之后,识别装置将利用各个账号的目标可疑度识别作弊账号,具体的:将各个账号的目标可疑度分别与预设可疑度阈值进行比较,确定哪些账号的目标可疑度大于或等于该预设可疑度阈值,并将目标可疑度大于或等于预设可疑度阈值的账号作为作弊账号。
在本发明实施例中,通过利用各个账号的虚拟数值转移参数确定各个账号的稀释因子的集合,并根据各个账号的稀释因子的集合,进行可疑度的迭代计算,确定各个账号的目标可疑度,使得能够基于聚集性的数量原则、质量原则及出度原则实现对账号的可疑度的计算。
请参阅图4,为本发明实施例中作弊账号的识别方法的另一流程示意图,该识别方法包括:
步骤401、获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志;
步骤402、根据所述各个账号的虚拟数值流水日志,确定所述各个账号的虚拟数值转移参数;
步骤403、利用所述各个账号的虚拟数值转移参数,确定所述各个账号的稀释因子的集合,所述稀释因子用于表示第一账号的虚拟数值流入第二账号后,所述第一账号的可疑度传递给所述第二账号时的比例;
步骤404、利用所述各个账号的稀释因子的集合及第N-1次得到的所述各个账号的可疑度,进行可疑度计算;
步骤405、根据所述第N次得到的所述各个账号的可疑度及所述第N-1次得到的所述各个账号的可疑度,确定所述各个账号的可疑度是否已收敛;执行步骤406、或步骤407;
步骤406、若已收敛,则将所述第N次得到的所述各个账号的可疑度作为所述各个账号的目标可疑度,继续执行步骤408;
步骤407、若未收敛,则令N=N+1,返回步骤404;
步骤408、利用所述各个账号的目标可疑度识别作弊账号。
可以理解的是,上述步骤401至步骤403分别与图3所示实施例中的步骤301至步骤303描述的内容相似,此次不做赘述。且步骤404至步骤407为图2所示实施例中步骤304的细化步骤。
在本发明实施例中,识别装置在得到各个账号的稀释因子的集合后,将通过迭代计算的方式得到各个账号的目标可疑度,具体的:
1)设置第0次得到的各个账号的可疑度为预先设置的非零值,以作为各个账号初始的可疑度。
在完成初始的可疑度的设置之后,用N表示迭代计算的次数,且令N的初始值为1,N为正整数,开始执行2)。
2)利用各个账号的稀释因子的集合,及第N-1次得到的各个账号的可疑度,进行可疑度计算。
其中,识别装置计算每一个账号的可疑度,为了更好理解,下面将以第N次计算中,计算账号x的可疑度为例,介绍可疑度的计算公式,如下:
其中,PR(x)表示账号x的可疑度,d表示预置的阻尼系数,M(x)表示存在虚拟数值流入账号x的所有账号的集合,PR(i)表示账号i在第N-1次得到的可疑度,表示账号x的稀释因子的集合中,账号i对应的稀释因子。
其中,N表示迭代计算的次数,每一次迭代计算都将重新计算各个账号的可疑度。
在本发明实施例中,对于各个账号,都可以按照上述的计算公式计算得到其在第N次计算过程中的可疑度。
可以理解的是,第1次计算时,PR(i)是账号i初始的可疑度。
3)根据第N次得到的各个账号的可疑度及第N-1次得到的各个账号的可以度,确定各个账号的可疑度是否已收敛。
其中,确定各个账号的可疑度是否已收敛具体可以按照以下方式确定:计算各个账号中,同一个账号第N次得到的可疑度与第N-1次得到的可疑度之间的差值,并选取所有账号的差值中的最大值;若最大值大于或等于预设阈值,则确定各个账号的可疑度未收敛;若最大值小于预设阈值,则确定各个账号的可疑度已收敛。例如各账号为账号A至F,且N为5,则将第5次计算得到的账号A的可疑度与第4次计算得到的账号A的可疑度相减,得到差值a,账号B至F也按照同样的方式得到差值b至f,从差值a至f中选取最大值,利用最大值与预设阈值进行比较,若大于或等于预设阈值,则未收敛,若小于预设阈值,则收敛。
4)若已收敛,则将第N次得到的各个账号的可疑度作为各个账号的目标可疑度。
在已收敛的情况下,表明迭代计算可以停止,因此,将第N次得到的各个账号的可疑度作为各个账号的最终的可疑度,即目标可疑度。
5)若未收敛,则令N=N+1,返回2)。
在本发明实施例中,通过上述的迭代计算及上述的可疑度计算公式,能够通过多次迭代计算的方式得到收敛时各个账号的目标可疑度,实现可疑度的有效计算。
进一步的,在本发明实施例中,识别装置在识别作弊账号后还可以识别辅助作弊账号,请参阅图5,为本发明实施例中作弊账号的识别方法的另一流程示意图,该识别方法包括:
步骤501、获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志;
步骤502、根据所述各个账号的虚拟数值流水日志,确定所述各个账号的虚拟数值转移参数;
步骤503、根据所述各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定所述各个账号的目标可疑度;
步骤504、利用所述各个账号的目标可疑度识别作弊账号;
步骤505、利用所述各个账号的虚拟数值转移参数进行预置层数的流入关系的回溯,确定以所述作弊账号为根节点的节点树,所述节点树中的账号为向上一层账号流出虚拟数值的账号;
步骤506、利用所述各个账号的稀释因子的集合确定所述节点树中的账号的稀释因子;
步骤507、利用所述节点树中的账号的稀释因子及已提取的所述节点树中账号的行为特征,筛选出满足预置条件的账号作为辅助作弊账号,所述满足预置条件包括:所述稀释因子的总数属于预置数值范围,且所述行为特征匹配预置的行为特征。
在本发明实施例中,步骤501至步骤503分别与图3所示实施例中的步骤301至步骤303描述的内容相似,此处不做赘述,且步骤504具体可以通过图3所示实施例中的步骤304及步骤305实现。
在本发明实施例中,识别装置在确定作弊账号之后,还可进一步拎出具有目的性的将虚拟数值转移给作弊账号的辅助作弊账号。
其中,识别装置将利用各个账号的虚拟数值转移参数进行预置层数的流入关系的回溯,确定以作弊账号为根节点的节点树,其中,该节点树中的账号为向上一层账号流出虚拟数值的账号。例如,账号A为作弊账号,账号B、C、D输了游戏币给账号A,账号E输了游戏币给账号A、B,账号F、G输了游戏币给账号C、账号H、I、J输了游戏币给账号G,则若从账号A开始进行流入关系的回溯,且回溯3层,则可以得到如图6所示的节点树。其中,箭头方向指向与虚拟数值的流入方向相同,需要从账号B至J中筛选出辅助作弊账号。
其中,识别装置还将利用各个账号的稀释因子的集合确定节点树中的账号的稀释因子,如图6所示,对于账号F,其虚拟数值流入账号B和账号C,则需要从账号F的稀释因子集合中,提取出与账号B对应的稀释因子b,及与账号C对应的稀释因子c,该稀释因子b和稀释因子c即为账号F的稀释因子。
在本发明实施例中,识别装置将利用节点树中的账号的稀释因子及已提取的节点树中各账号的行为特征,筛选出满足预置条件的账号,且将筛选出的账号作为辅助作弊账号,其中,满足预置条件包括:稀释因子的总数属于预置数值范围,且行为特征匹配预置的行为特征。
在本发明实施例中,在识别作弊账号之后,还可以利用各个账号的虚拟数值转移参数进行预置层数的流入关系的回溯,确定以作弊账号为根节点的节点数,该节点树中的账号为向上一层账号流出虚拟数值的账号,并利用各个账号的稀释因子的集合确定节点树中的账号的稀释因子,利用节点树中的账号的稀释因子及已提取的节点树中的账号的行为特征,筛选出满足预置条件的账号作为辅助作弊账号,以实现辅助作弊账号的识别。
在具体的游戏场景中,本发明实施例中的识别装置可以从游戏的数据服务器中获取该游戏的所有玩家在预置时间段内的游戏日志,并根据该所有玩家的游戏日志,得到各玩家的游戏币转移参数;且根据各玩家的游戏币的转移参数进行可疑度的迭代计算,确定各玩家的目标可疑度,且利用各个玩家的目标可疑度识别“大号”,即识别汇聚了多个“小号”的游戏币的玩家。
其中,游戏日志可以但不限于玩家之间的对局日志、道具游戏币等的交易日志。
其中,对于任意一个玩家x,该玩家x的游戏币转移参数包括:输给该玩家x的所有玩家的玩家集合,该玩家集合中每一个玩家输给该玩家x的游戏币的总数,及该玩家集合中每一个玩家输的游戏币的总数和赢的游戏币的总数,及该玩家集合中每一个玩家输给的玩家的个数。
可以理解的是,游戏币的输赢是具有聚集性的,由于“小号”向“大号”转移游戏币是具有目的性的,因此,“大号”的聚集性是明显区别于正常玩家的,且只要“小号”向“大号”转移游戏币,“大号”的聚集性是无法规避的,因此,利用游戏币转移的聚集性对“大号”进行识别,准确率高且无法规避的。其中,为了能够衡量玩家的游戏币转移后的聚集性,提出了可疑度的概念,用于描述玩家是“大号”的概率。
且基于游戏币转移的聚集性,提出三个原则,如下:
1、数量原则:一个玩家,他赢的玩家的数量越多,该玩家的可疑度越大;
2、质量原则:其他条件相同,一个玩家的可疑度越大,赢他的玩家的可疑度越大;
3、出度原则:其他条件相同,一个玩家输给的玩家数量越小,可疑度越大。
其中,上述的数量原则是通过玩家的游戏币转移参数中的玩家赢的玩家的集合体现的,质量原则是通过迭代计算过程体现的,出度原则是通过玩家输的玩家的个数体现的。
其中,每一个玩家都有稀释因子的集合,该集合中包含该玩家赢的所有玩家分别与稀释因子的对应关系。且该玩家的稀释因子的集合可以利用玩家的游戏币转移参数得到。
具体的,玩家x的稀释因子的集合中包含输给该玩家x的所有玩家分别与稀释因子的对应关系,以玩家i输游戏币给玩家x,计算玩家x的稀释因子集合中玩家i对应的稀释因子为例,具体可以按照如下方式计算:
表示玩家i的输游戏币给玩家x后,玩家i对应的稀释因子,LCTi(x)表示玩家集合中玩家i输给玩家x的游戏币总数,TWCi表示玩家i赢的游戏币的总数,TLCi表示玩家i输的游戏币的总数,F(TWCi,TLCi)为表征玩家i的游戏币的输赢特征的函数,Θi表示玩家i的输给的玩家的个数;
其中,玩家x的稀释因子的集合中,包含玩家x的玩家集合中各个玩家与稀释因子的对应关系;
其中,F(TWCi,TLCi)函数可以根据具体的需要进行设置,例如,可以设置为数值的比较函数,即F(TWCi,TLCi)=max(TWCi,TLCi)。
其中,玩家x的游戏币转移参数包含上述的M(x),LCTi(x),TWCi,TLCi及Θi。
其中,识别装置是各玩家的稀释因子的集合进行可疑度的迭代计算,得到各玩家的目标可疑度的,具体的:
1)设置各玩家的初始的可疑度为非零值,且设置用于代表迭代次数的N,令N的初始值为1,且N为正整数,开始执行2);
2)利用各个玩家的稀释因子的集合,及第N-1次得到的各个玩家的可疑度,进行可疑度计算;
其中,识别装置将计算每一个玩家的可疑度,以计算玩家x的可疑度为例,可以按照如下公式进行计算:
其中,PR(x)表示玩家x的可疑度,d表示预置的阻尼系数,M(x)表示输给玩家x的所有玩家的集合,PR(i)表示玩家i在第N-1次得到的可疑度,表示玩家x的稀释因子的集合中,玩家i对应的稀释因子。
3)利用第N次得到的各玩家的可疑度及第N-1次得到的各玩家的可疑度,确定各玩家的可疑度是否已收敛;
具体的:计算各玩家中,同一个玩家第N次得到的可疑度与第N-1次得到的可疑度之间的差值,并选取所有玩家的差值中的最大值,若该最大值大于或等于预设阈值,则确定未收敛,若该最大值小于预设阈值,则确定已收敛。
4)若已收敛,则将第N次得到的各玩家的可疑度作为各玩家的目标可疑度,完成可疑度的迭代计算过程。
5)若未收敛,则令N=N+1,返回2)。
通过上述1)至5),识别装置能够有效计算各玩家的收敛的可疑度,即目标可疑度。
进一步的,识别装置将各玩家的目标可疑度分别与预设可疑度阈值进行比较,将目标可疑度大于或等于该预设可疑度阈值的玩家作为“大号”。
在游戏场景中,通过上述方式能够有效识别“大号”,且基于游戏币转移的聚集性的识别“大号”的方式具有无法规避的特点,准确率更高。
上述游戏场景下的本发明实施例具体实施内容,仅是本发明实施例在游戏场景下的可选实施方式。
下面将对本发明实施例提供的识别装置进行介绍,请参阅图7,为本发明实施例中作弊账号的识别装置示意图,该识别装置包括:
获取模块701,用于获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志;
参数确定模块702,用于根据所述各个账号的虚拟数值流水日志,确定所述各个账号的虚拟数值转移参数;
可疑度确定模块703,用于根据所述各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定所述各个账号的目标可疑度;
识别模块704,用于利用所述各个账号的目标可疑度识别作弊账号。
在本发明实施例中,识别装置通过利用各个账号的虚拟数值流水日志确定各个账号的虚拟数值转移参数,并利用各个账号的虚拟数值转移参数进行可疑度的迭代计算,使得能够得到体现虚拟数值转移的聚集性的目标可疑度,由于作弊账号的虚拟数值的聚集转移是无法规避的,且聚集性越高,可疑度越大,作弊概率也越大,因此,利用各账号的目标可疑度识别作弊账号的方式无法被规避,有效提高识别准确率。
请参阅图8,为本发明实施例中作弊账号的识别装置的另一示意图,该识别装置包括:如图7所示实施例中的获取模块701、参数确定模块702、可疑度确定模块703及识别模块704,且与图7所示实施例中描述的内容相似,此处不做赘述。
在本发明实施例中,可疑度确定模块703包括:
集合确定模块801,用于利用所述各个账号的虚拟数值转移参数,确定所述各个账号的稀释因子的集合,所述稀释因子用于表示第一账号的虚拟数值流入第二账号后,所述第一账号的可疑度传递给所述第二账号时的比例;
计算模块802,用于根据所述各个账号的稀释因子的集合进行可疑度的迭代计算,确定所述各个账号的目标可疑度。
其中,集合确定模块801具体用于按照如下方式得到账号x的账号集合(该账号集合是指存在虚拟数值流入账号x的所有账号的集合)中各账号对应的稀释因子:
表示账号i的虚拟数值流入账号x后,账号i对应的稀释因子,LCTi(x)表示账号集合中账号i流入账号x的虚拟数值的总数,TWCi表示流入账号i的虚拟数值的总数,TLCi表示账号i流出的虚拟数值的总数,F(TWCi,TLCi)为表征账号i的虚拟数值流入流出特征的函数,Θi表示账号i的虚拟数值流入的账号的个数;
其中,账号x的稀释因子的集合中,包含账号x的账号集合中各个账号与稀释因子的对应关系;
其中,F(TWCi,TLCi)函数可以根据具体的需要进行设置,例如,可以设置为数值的比较函数,即F(TWCi,TLCi)=max(TWCi,TLCi)。
在本发明实施例中,通过利用各个账号的虚拟数值转移参数确定各个账号的稀释因子的集合,并根据各个账号的稀释因子的集合,进行可疑度的迭代计算,确定各个账号的目标可疑度,使得能够基于聚集性的数量原则、质量原则及出度原则实现对账号的可疑度的计算。
请参阅图9,为本发明实施例中作弊账号的识别装置的另一示意图,该识别装置包括:如图8所示的获取模块701、参数确定模块702、可疑度确定模块703及识别模块704,且可疑度确定模块703包含集合确定模块801及计算模块802。且与图8所示实施例中描述的内容相似,此处不做赘述。
在本发明实施例中,计算模块802包括:
可疑度计算模块901,用于利用所述各个账号的稀释因子的集合及第N-1次得到的所述各个账号的可疑度,进行可疑度计算,第N次得到所述各个账号的可疑度;其中,N为正整数,且N的初始值为1,第0次得到的所述各个账号的可疑度为预先设置的非零值;
收敛判断模块902,用于根据所述第N次及第N-1次得到的所述各个账号的可疑度,确定第N次得到的所述各个账号的可疑度是否已收敛;
目标确定模块903,用于若已收敛,则将所述第N次得到的所述各个账号的可疑度作为所述各个账号的目标可疑度;
返回模块904,用于若未收敛,则令N=N+1,返回所述可疑度计算模块901。
在本发明实施例中,收敛判断模块902包括:
差值计算模块905,用于计算所述各个账号中,同一个账号第N次得到的可疑度与第N-1次得到的可疑度之间的差值,并选取所述差值中的最大值;
第一确定模块906,用于若所述最大值大于或等于预设阈值,则确定未收敛;
第二确定模块907,用于若所述最大值小于所述预设阈值,则确定已收敛。
在本发明实施例中,识别模块704具体用于将所述各个账号的目标可疑度分别与预设可疑度阈值进行比较,且将目标可疑度大于或等于所述预设可疑度阈值的账号作为所述作弊账号。
在本发明实施例中,以账号x为例,账号x的虚拟数值转移参数包括:存在虚拟数值流入账号x的所有账号的集合,该集合中每一个账号流入所述账号x的虚拟数值的总数,及集合中每一个账号流出的虚拟数值的总数及流入每一个账号的虚拟数值的总数。
进一步的,对于每一个账号的可疑度的计算,可疑度计算模块901具体用于:
在所述第N次计算中,对于账号x,按照如下方式得到账号x的可疑度:
其中,PR(x)表示账号x的可疑度,d表示预置的阻尼系数,M(x)表示账号x的稀释因子的集合,PR(i)表示账号i在第N-1次得到的可疑度,表示账号x的稀释因子的集合中,账号i对应的稀释因子。
在本发明实施例中,通过上述的迭代计算及上述的可疑度计算公式,能够通过多次计算的方式得到收敛时各个账号的目标可疑度,实现可疑度的有效计算。
请参阅图10,为本发明实施例中作弊账号的识别装置的另一示意图,该识别装置包括:如图8所示的获取模块701、参数确定模块702、可疑度确定模块703及识别模块704,且可疑度确定模块703包含集合确定模块801及计算模块802。且与图8所示实施例中描述的内容相似,此处不做赘述。
在本发明实施例中,该识别装置还包括:
回溯模块1001,用于在识别所述作弊账号之后,利用所述各个账号的虚拟数值转移参数进行预置层数的流入关系的回溯,确定以所述作弊账号为根节点的节点树,所述节点树中的账号为向上一层账号流出虚拟数值的账号;
第三确定模块1002,用于利用所述各个账号的稀释因子的集合确定所述节点树中的账号的稀释因子;
筛选模块1003,用于利用所述节点树中的账号的稀释因子及已提取的所述节点树中账号的行为特征,筛选出满足预置条件的账号作为辅助作弊账号,所述满足预置条件包括:所述稀释因子的总数属于预置数值范围,且所述行为特征匹配预置的行为特征。
在本发明实施例中,在识别作弊账号之后,还可以利用各个账号的虚拟数值转移参数进行预置层数的流入关系的回溯,确定以作弊账号为根节点的节点数,该节点树中的账号为向上一层账号流出虚拟数值的账号,并利用各个账号的稀释因子的集合确定节点树中的账号的稀释因子,利用节点树中的账号的稀释因子及已提取的节点树中的账号的行为特征,筛选出满足预置条件的账号作为辅助作弊账号,以实现辅助作弊账号的识别。
可以理解的是,在本发明实施例中,上述的识别装置可以是服务器,也可以是服务器中的部分,为了更好的理解本发明实施例中的技术方案,请参阅图11,为本发明实施例中服务器110的结构示意图。该服务器110包括处理器1101、存储器1102和收发器1103,存储器1102可以包括只读存储器和随机存取存储器,并向处理器1101提供操作指令和数据。存储器1102的一部分还可以包括非易失性随机存取存储器(NVRAM)。
在一些实施方式中,存储器1102存储了如下的元素:可执行模块或者数据结构,或者他们的子集,或者他们的扩展集。
在本发明实施例中,通过调用存储器1102存储的操作指令(该操作指令可存储在操作系统中),执行一下的过程:获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志,根据各个账号的虚拟数值流水日志,确定各个账号的虚拟数值转移参数,根据各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定各个账号的目标可疑度,并利用各个账号的目标可疑度识别作弊账号。
与现有技术中用于通过纬度信息识别作弊账号的方式相比,本发明实施例提供的服务器,能够利用指定应用程序的所有账号的虚拟数值流水日志得到各个账号的虚拟数值转移参数,由于虚拟数值的转移具有聚集性,且聚集性可以由可疑度衡量,因此,通过利用各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定各个账号的目标可疑度,使得能够利用各个账号的目标可疑度识别作弊账号,由于作弊账号的虚拟数值的聚集转移是无法规避的,且聚集性越高,可疑度越大,作弊概率也越大,因此,利用各账号的目标可疑度识别作弊账号的方式无法被规避,有效提高识别准确率。
其中,处理器1101控制服务器110的操作,处理器1101还可以称为CPU(CentralProcessing Unit,中央处理单元)。存储器1102可以包括只读存储器和随机存取存储器,并向处理器1101提供指令和数据。存储器1102的一部分还可以包括非易失性随机存取存储器(NVRAM)。具体的应用中服务器110的各个组件通过总线系统1104耦合在一起,其中总线系统1104除包括数据总线之外,还可以包括电源总线、控制总线和状态信号总线等。但是为了清楚说明起见,在图中将各种总线都标为总线系统1104。
上述本发明实施例揭示的方法可以应用于处理器1101中,或者由处理器1101实现。处理器1101可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器1101中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器910可以是通用处理器、数字信号处理器(DSP)、专用集成电路(ASIC)、现成可编程门阵列(FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器1102,处理器1101读取存储器1102中的信息,结合其硬件完成上述方法的步骤。
以上的服务器110可以参阅图1至图9部分的描述进行理解,本处不做过多赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述模块的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个模块或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或模块的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能模块可以集成在一个处理模块中,也可以是各个模块单独物理存在,也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。
所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
需要说明的是,对于前述的各方法实施例,为了简便描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明并不受所描述的动作顺序的限制,因为依据本发明,某些步骤可以采用其它顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定都是本发明所必须的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其它实施例的相关描述。
以上为对本发明所提供的一种作弊账号的识别方法及装置的描述,对于本领域的技术人员,依据本发明实施例的思想,在具体实施方式及应用范围上均会有改变之处,综上,本说明书内容不应理解为对本发明的限制。
Claims (18)
1.一种作弊账号的识别方法,其特征在于,所述方法包括:
获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志;
根据所述各个账号的虚拟数值流水日志,确定所述各个账号的虚拟数值转移参数;
根据所述各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定所述各个账号的目标可疑度;
利用所述各个账号的目标可疑度识别作弊账号。
2.根据权利要求1所述的方法,其特征在于,所述根据所述各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定所述各个账号的目标可疑度,包括:
利用所述各个账号的虚拟数值转移参数,确定所述各个账号的稀释因子的集合,所述稀释因子用于表示第一账号的虚拟数值流入第二账号后,所述第一账号的可疑度传递给所述第二账号时的比例;
根据所述各个账号的稀释因子的集合进行可疑度的迭代计算,确定所述各个账号的目标可疑度。
3.根据权利要求2所述的方法,其特征在于,对于账号x,所述账号x的虚拟数值转移参数包括:存在虚拟数值流入账号x的所有账号的账号集合,所述账号集合中每一个账号流入所述账号x的虚拟数值的总数,及所述账号集合中每一个账号流出的虚拟数值的总数及流入每一个账号的虚拟数值的总数,所述账号集合中每一个账号的虚拟数值流入的账号的个数。
4.根据权利要求3所述的方法,其特征在于,所述利用所述各个账号的虚拟数值转移参数,确定所述各个账号的稀释因子的集合,包括:
对于账号x,按照如下方式确定所述账号x的所述账号集合中各账号对应的稀释因子:
<mrow>
<msubsup>
<mi>L</mi>
<mi>i</mi>
<mi>x</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>LCT</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>TWC</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>TLC</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>&Theta;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
表示账号i的虚拟数值流入所述账号x后,所述账号i对应的稀释因子,LCTi(x)表示所述账号集合中账号i流入账号x的虚拟数值的总数,TWCi表示流入所述账号i的虚拟数值的总数,TLCi表示所述账号i流出的虚拟数值的总数,F(TWCi,TLCi)为表征所述账号i的虚拟数值流入流出特征的函数,Θi表示所述账号i的虚拟数值流入的账号的个数;
其中,所述账号x的稀释因子的集合中,包含所述账号x的所述账号集合中各个账号与稀释因子的对应关系。
5.根据权利要求2至4任意一项所述的方法,其特征在于,所述根据所述各个账号的稀释因子的集合进行可疑度的迭代计算,确定所述各个账号的目标可疑度,包括:
利用所述各个账号的稀释因子的集合及第N-1次得到的所述各个账号的可疑度,进行可疑度计算,第N次得到所述各个账号的可疑度;其中,N为正整数,且N的初始值为1,第0次得到的所述各个账号的可疑度为预先设置的非零值;
根据所述第N次及第N-1次得到的所述各个账号的可疑度,确定第N次得到的所述各个账号的可疑度是否已收敛;
若已收敛,则将所述第N次得到的所述各个账号的可疑度作为所述各个账号的目标可疑度;
若未收敛,则令N=N+1,返回执行所述利用所述各个账号的虚拟数值转移参数及第N-1次得到的所述各个账号的可疑度,进行可疑度计算,第N次得到所述各个账号的可疑度的步骤。
6.根据权利要求5所述的方法,其特征在于,所述利用所述各个账号的稀释因子的集合及第N-1次得到的所述各个账号的可疑度,进行可疑度计算,第N次得到所述各个账号的可疑度,包括:
在所述第N次计算中,对于账号x,按照如下方式得到账号x的可疑度:
<mrow>
<mi>P</mi>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>d</mi>
<mo>&times;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msubsup>
<mi>L</mi>
<mi>i</mi>
<mi>x</mi>
</msubsup>
<mo>&times;</mo>
<mi>P</mi>
<mi>R</mi>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,PR(x)表示账号x的可疑度,d表示预置的阻尼系数,M(x)表示存在虚拟数值流入账号x的所有账号的账号集合,PR(i)表示账号i在第N-1次得到的可疑度,表示账号x的稀释因子的集合中,所述账号i对应的稀释因子。
7.根据权利要求5所述的方法,其特征在于,所述根据所述第N次及第N-1次得到的所述各个账号的可疑度,确定第N次得到的所述各个账号的可疑度是否已收敛,包括:
计算所述各个账号中,同一个账号第N次得到的可疑度与第N-1次得到的可疑度之间的差值,并选取所述差值中的最大值;
若所述最大值大于或等于预设阈值,则确定未收敛;
若所述最大值小于所述预设阈值,则确定已收敛。
8.根据权利要求1所述的方法,其特征在于,所述利用所述各个账号的目标可疑度识别作弊账号的步骤包括:
将所述各个账号的目标可疑度分别与预设可疑度阈值进行比较,且将目标可疑度大于或等于所述预设可疑度阈值的账号作为所述作弊账号。
9.根据权利要求2所述的方法,其特征在于,所述方法还包括:
在识别所述作弊账号之后,利用所述各个账号的虚拟数值转移参数进行预置层数的流入关系的回溯,确定以所述作弊账号为根节点的节点树,所述节点树中的账号为向上一层账号流出虚拟数值的账号;
利用所述各个账号的稀释因子的集合确定所述节点树中的账号的稀释因子;
利用所述节点树中的账号的稀释因子及已提取的所述节点树中账号的行为特征,筛选出满足预置条件的账号作为辅助作弊账号,所述满足预置条件包括:所述稀释因子的总数属于预置数值范围,且所述行为特征匹配预置的行为特征。
10.一种作弊账号的识别装置,其特征在于,所述装置包括:
获取模块,用于获取指定应用程序在预置时间段内各个账号的虚拟数值流水日志;
参数确定模块,用于根据所述各个账号的虚拟数值流水日志,确定所述各个账号的虚拟数值转移参数;
可疑度确定模块,用于根据所述各个账号的虚拟数值转移参数进行可疑度的迭代计算,确定所述各个账号的目标可疑度;
识别模块,用于利用所述各个账号的目标可疑度识别作弊账号。
11.根据权利要求10所述的装置,其特征在于,所述可疑度确定模块包括:
集合确定模块,用于利用所述各个账号的虚拟数值转移参数,确定所述各个账号的稀释因子的集合,所述稀释因子用于表示第一账号的虚拟数值流入第二账号后,所述第一账号的可疑度传递给所述第二账号时的比例;
计算模块,用于根据所述各个账号的稀释因子的集合进行可疑度的迭代计算,确定所述各个账号的目标可疑度。
12.根据权利要求11所述的装置,其特征在于,对于账号x,所述账号x的虚拟数值转移参数包括:存在虚拟数值流入账号x的所有账号的账号集合,所述账号集合中每一个账号流入所述账号x的虚拟数值的总数,及所述账号集合中每一个账号流出的虚拟数值的总数及流入每一个账号的虚拟数值的总数,所述账号集合中每一个账号的虚拟数值流入的账号的个数。
13.根据权利要求12所述的装置,其特征在于,所述集合确定模块具体用于:
对于账号x,按照如下方式确定所述账号x的所述账号集合中各账号对应的稀释因子:
<mrow>
<msubsup>
<mi>L</mi>
<mi>i</mi>
<mi>x</mi>
</msubsup>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>LCT</mi>
<mi>i</mi>
</msub>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mi>F</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>TWC</mi>
<mi>i</mi>
</msub>
<mo>,</mo>
<msub>
<mi>TLC</mi>
<mi>i</mi>
</msub>
<mo>)</mo>
</mrow>
<mo>&times;</mo>
<msub>
<mi>&Theta;</mi>
<mi>i</mi>
</msub>
</mrow>
</mfrac>
</mrow>
表示账号i的虚拟数值流入所述账号x后,所述账号i对应的稀释因子,LCTi(x)表示所述账号集合中账号i流入账号x的虚拟数值的总数,TWCi表示流入所述账号i的虚拟数值的总数,TLCi表示所述账号i流出的虚拟数值的总数,F(TWCi,TLCi)为表征所述账号i的虚拟数值流入流出特征的函数,Θi表示所述账号i的虚拟数值流入的账号的个数;
其中,所述账号x的稀释因子的集合中,包含所述账号x的所述账号集合中各个账号与稀释因子的对应关系。
14.根据权利要求11至13任意一项所述的装置,其特征在于,所述计算模块包括:
可疑度计算模块,用于利用所述各个账号的稀释因子的集合及第N-1次得到的所述各个账号的可疑度,进行可疑度计算,第N次得到所述各个账号的可疑度;其中,N为正整数,且N的初始值为1,第0次得到的所述各个账号的可疑度为预先设置的非零值;
收敛判断模块,用于根据所述第N次及第N-1次得到的所述各个账号的可疑度,确定第N次得到的所述各个账号的可疑度是否已收敛;
目标确定模块,用于若已收敛,则将所述第N次得到的所述各个账号的可疑度作为所述各个账号的目标可疑度;
返回模块,用于若未收敛,则令N=N+1,返回所述可疑度计算模块。
15.根据权利要求14所述的装置,其特征在于,所述可疑度计算模块具体用于:
在所述第N次计算中,对于账号x,按照如下方式得到账号x的可疑度:
<mrow>
<mi>P</mi>
<mi>R</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mi>d</mi>
<mo>&times;</mo>
<munder>
<mo>&Sigma;</mo>
<mrow>
<mi>i</mi>
<mo>&Element;</mo>
<mi>M</mi>
<mrow>
<mo>(</mo>
<mi>x</mi>
<mo>)</mo>
</mrow>
</mrow>
</munder>
<mrow>
<mo>(</mo>
<msubsup>
<mi>L</mi>
<mi>i</mi>
<mi>x</mi>
</msubsup>
<mo>&times;</mo>
<mi>P</mi>
<mi>R</mi>
<mo>(</mo>
<mi>i</mi>
<mo>)</mo>
<mo>)</mo>
</mrow>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mn>1</mn>
<mo>-</mo>
<mi>d</mi>
<mo>)</mo>
</mrow>
</mrow>
其中,PR(x)表示账号x的可疑度,d表示预置的阻尼系数,M(x)表示存在虚拟数值流入账号x的所有账号的账号集合,PR(i)表示账号i在第N-1次得到的可疑度,表示账号x的稀释因子的集合中,所述账号i对应的稀释因子。
16.根据权利要求14所述的装置,其特征在于,所述收敛判断模块包括:
差值计算模块,用于计算所述各个账号中,同一个账号第N次得到的可疑度与第N-1次得到的可疑度之间的差值,并选取所述差值中的最大值;
第一确定模块,用于若所述最大值大于或等于预设阈值,则确定未收敛;
第二确定模块,用于若所述最大值小于所述预设阈值,则确定已收敛。
17.根据权利要求10所述的装置,其特征在于,所述识别模块具体用于将所述各个账号的目标可疑度分别与预设可疑度阈值进行比较,且将目标可疑度大于或等于所述预设可疑度阈值的账号作为所述作弊账号。
18.根据权利要求11所述的装置,其特征在于,所述装置还包括:
回溯模块,用于在识别所述作弊账号之后,利用所述各个账号的虚拟数值转移参数进行预置层数的流入关系的回溯,确定以所述作弊账号为根节点的节点树,所述节点树中的账号为向上一层账号流出虚拟数值的账号;
第三确定模块,用于利用所述各个账号的稀释因子的集合确定所述节点树中的账号的稀释因子;
筛选模块,用于利用所述节点树中的账号的稀释因子及已提取的所述节点树中账号的行为特征,筛选出满足预置条件的账号作为辅助作弊账号,所述满足预置条件包括:所述稀释因子的总数属于预置数值范围,且所述行为特征匹配预置的行为特征。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710324866.1A CN107158706A (zh) | 2017-05-10 | 2017-05-10 | 作弊账号的识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710324866.1A CN107158706A (zh) | 2017-05-10 | 2017-05-10 | 作弊账号的识别方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107158706A true CN107158706A (zh) | 2017-09-15 |
Family
ID=59812826
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710324866.1A Pending CN107158706A (zh) | 2017-05-10 | 2017-05-10 | 作弊账号的识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107158706A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109784706A (zh) * | 2019-01-03 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 数值计算方法、装置、计算机设备和存储介质 |
CN110227268A (zh) * | 2018-03-06 | 2019-09-13 | 腾讯科技(深圳)有限公司 | 一种检测违规游戏帐号的方法及装置 |
CN111298445A (zh) * | 2020-02-07 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 目标账号检测方法、装置、电子设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9251464B1 (en) * | 2009-08-25 | 2016-02-02 | ServiceSource International, Inc. | Account sharing detection |
CN105808988A (zh) * | 2014-12-31 | 2016-07-27 | 阿里巴巴集团控股有限公司 | 一种识别异常账户的方法及装置 |
CN106294529A (zh) * | 2015-06-29 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种识别用户异常操作方法和设备 |
CN106469181A (zh) * | 2015-08-21 | 2017-03-01 | 方正国际软件(北京)有限公司 | 一种用户行为模式分析方法及装置 |
CN106469413A (zh) * | 2015-08-20 | 2017-03-01 | 深圳市腾讯计算机系统有限公司 | 一种虚拟资源的数据处理方法及装置 |
-
2017
- 2017-05-10 CN CN201710324866.1A patent/CN107158706A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9251464B1 (en) * | 2009-08-25 | 2016-02-02 | ServiceSource International, Inc. | Account sharing detection |
CN105808988A (zh) * | 2014-12-31 | 2016-07-27 | 阿里巴巴集团控股有限公司 | 一种识别异常账户的方法及装置 |
CN106294529A (zh) * | 2015-06-29 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 一种识别用户异常操作方法和设备 |
CN106469413A (zh) * | 2015-08-20 | 2017-03-01 | 深圳市腾讯计算机系统有限公司 | 一种虚拟资源的数据处理方法及装置 |
CN106469181A (zh) * | 2015-08-21 | 2017-03-01 | 方正国际软件(北京)有限公司 | 一种用户行为模式分析方法及装置 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110227268A (zh) * | 2018-03-06 | 2019-09-13 | 腾讯科技(深圳)有限公司 | 一种检测违规游戏帐号的方法及装置 |
CN110227268B (zh) * | 2018-03-06 | 2022-06-07 | 腾讯科技(深圳)有限公司 | 一种检测违规游戏帐号的方法及装置 |
CN109784706A (zh) * | 2019-01-03 | 2019-05-21 | 深圳壹账通智能科技有限公司 | 数值计算方法、装置、计算机设备和存储介质 |
CN111298445A (zh) * | 2020-02-07 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 目标账号检测方法、装置、电子设备及存储介质 |
CN111298445B (zh) * | 2020-02-07 | 2021-08-10 | 腾讯科技(深圳)有限公司 | 目标账号检测方法、装置、电子设备及存储介质 |
WO2021155687A1 (zh) * | 2020-02-07 | 2021-08-12 | 腾讯科技(深圳)有限公司 | 目标账号检测方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11090550B2 (en) | Card game | |
Gray et al. | Testing market efficiency: Evidence from the NFL sports betting market | |
CN107158706A (zh) | 作弊账号的识别方法及装置 | |
Suhonen | Normative and descriptive theories of decision making under risk: A short review | |
AU2012201098A1 (en) | Lottery method and system | |
Robberechts et al. | Forecasting the FIFA World Cup–Combining result-and goal-based team ability parameters | |
Patnaik et al. | A study of Prediction models for football player valuations by quantifying statistical and economic attributes for the global transfer market | |
Freeman et al. | An Axiomatic View of the Parimutuel Consensus Wagering Mechanism. | |
KR20230014763A (ko) | 게임의 평가 방법, 장치 및 프로그램 및 애플리케이션의 평가 방법 | |
Buckle et al. | The efficiency of sport betting markets: an analysis using arbitrage trading within super Rugby. | |
West et al. | A new application of linear modeling in the prediction of college football bowl outcomes and the development of team ratings | |
Lim | Probability and finance theory | |
CN109685964A (zh) | 彩票应用程序的数据处理方法和界面处理方法及装置 | |
US20080284103A1 (en) | Instructional board or electronic media game | |
Bucquet et al. | The Bank is Open: AI in Sports Gambling | |
US20060160593A1 (en) | Negotiation system and processor-based method | |
Border et al. | Dutch book arguments and subjective probability | |
US20230394465A1 (en) | Categorized Virtual Currency Tracking, Purchasing, and Redemption Systems, and Method of Use and Doing Business | |
Jóźwiak et al. | Applying chaos theory to risk management in a game of chance | |
Tondapu | Efficient Market Dynamics: Unraveling Informational Efficiency in UK Horse Racing Betting Markets Through Betfair's Time Series Analysis | |
Clifton et al. | But Who Should Have Won? Simulating Outcomes of Judging Protocols and Ranking Systems | |
Brown | Major Qualifying Project | |
Tiitu | Abnormal returns in an efficient market? Statistical and economic weak form efficiency of online sports betting in European soccer | |
Bettker et al. | Towards playing AIs for 7 Wonders: main patterns and strategies for 3-player games | |
Larcher | Basics of Derivative Valuation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170915 |
|
RJ01 | Rejection of invention patent application after publication |