CN108543313B - 数据处理方法及装置，介质和计算设备 - Google Patents

Abstract

本公开的实施方式提供了一种数据处理方法，该方法包括获取用户操作时产生的操作轨迹的数据；根据操作轨迹的数据确定操作轨迹的频域特征；根据操作轨迹的频域特征确定截断阈值；以及根据截断阈值与操作轨迹的频域特征确定操作轨迹是否为借助外挂产生的。通过根据操作轨迹的频域特征和截断阈值确定操作轨迹是否为借助外挂产生的，本公开的方法使得可以有效的判别用户是否借助外挂进行操作，从而显著地降低了用户借助外挂进行操作的可能性，为其他用户带来了更好的参与体验。此外，本公开的实施方式还提供了一种数据处理装置，一种介质和一种计算设备。

Description

数据处理方法及装置，介质和计算设备

技术领域

本公开的实施方式涉及计算机领域，更具体地，本公开的实施方式涉及数据处理方法及装置，介质和计算设备。

背景技术

本部分旨在为权利要求书中陈述的本公开的实施方式提供背景或上下文。此处的描述不因为包括在本部分中就承认是现有技术。

外挂是一种第三方软件或程序，通常可以被用于游戏领域，指专门针对一个或多个网络游戏，通过改变网络游戏软件的部分程序，制作而成的作弊程序，例如，可以是帮助外挂者获得局面优势、破坏游戏平衡的软件脚本或软硬件装置。用户利用外挂这种作弊程序可以轻易得到其他正常用户无法得到、或必须通过长期运行程序才能得到的游戏效果。外挂的表现有很多种，例如有加速器、封包等，它能使使用外挂者比正常用户奔跑快、攻击威力加大、获得更多的经验值等。

相关技术中，为了判别用户是否使用外挂技术，通过在时域内对用户操作轨迹进行形态学分析，通过分析用户操作轨迹是否具有脚本辅助所特有的直线操作，来判断用户在游戏过程中是否使用了外挂，然而这种图形学判定方法，仅判定操作轨迹是否包含直线，不仅计算量大，而且外挂开发者可以通过添加轨迹细节规避当前方法。

发明内容

出于目前判别是否使用外挂的技术水平低的原因，现有技术中存在难以有效判别用户是否使用外挂的问题。

因此在现有技术中，难以有效判别用户是否使用外挂，或者难以有效地对使用外挂的用户进行适当处理，对其他用户造成较大的干扰，导致用户体验不佳这是非常令人烦恼的过程。

为此，非常需要一种改进的数据处理方法及装置，介质和计算设备，以有效判别用户是否使用外挂，提高用户体验。

在本上下文中，本公开的实施方式期望提供一种数据处理方法及装置，介质和计算设备。

在本公开实施方式的第一方面中，提供了一种数据处理方法，包括获取用户操作时产生的操作轨迹的数据；根据上述操作轨迹的数据确定上述操作轨迹的频域特征；根据上述操作轨迹的频域特征确定截断阈值；以及根据上述截断阈值与上述操作轨迹的频域特征确定上述操作轨迹是否为借助外挂产生的。

在本公开的一个实施例中，上述操作轨迹包括至少一条操作子轨迹，上述数据处理方法还包括：获取上述至少一条操作子轨迹的数据；根据上述至少一条操作子轨迹的数据确定每条操作子轨迹的频域特征，得到上述每条操作子轨迹各自的频域特征；根据上述每条操作子轨迹各自的频域特征确定上述每条操作子轨迹各自的截断阈值；以及根据上述每条操作子轨迹各自的频域特征与上述每条操作子轨迹各自的截断阈值确定上述每条操作子轨迹是否为借助外挂产生的，从而确定上述操作轨迹是否为借助外挂产生的。

在本公开的另一个实施例中，根据上述至少一条操作子轨迹的数据确定每条操作子轨迹的频域特征，得到上述每条操作子轨迹各自的频域特征包括对上述至少一条操作子轨迹的数据进行快速傅里叶变换，得到每条操作子轨迹的频域特征。

在本公开的又一个实施例中，根据上述每条操作子轨迹各自的频域特征确定上述每条操作子轨迹各自的截断阈值包括根据上述一条或多条操作子轨迹的数据确定产生上述每条操作子轨迹时所采用的操作模式；以上述操作模式是否相同为条件将上述至少一条操作子轨迹进行分类，得到不同操作模式的操作子轨迹组，其中，在同一操作子轨迹组中的操作子轨迹相应的操作模式相同；根据上述操作子轨迹组中的操作子轨迹的数据，确定上述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征；以及根据上述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定上述每条操作子轨迹各自的截断阈值。

在本公开的再一个实施例中，根据上述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定上述每条操作子轨迹各自的截断阈值包括将上述每一个操作子轨迹组对应的频域至少分成第一频率区间和第二频率区间，其中，上述第一频率区间中的频率小于上述第二频率区间中的频率；计算上述第一频率区间中的频率对应的直流分量；将上述第一频率区间中的频率对应的直流分量进行累加统计，得到累加直流分量；以及根据上述累加直流分量确定上述每条操作子轨迹的截断阈值。

在本公开的再一个实施例中，在获取上述至少一条操作子轨迹的数据之前，上述数据处理方法还包括获取上述用户的点击操作；以及根据上述点击操作分割上述用户操作时产生的操作轨迹，得到上述至少一条操作子轨迹。

在本公开的再一个实施例中，根据上述每条操作子轨迹各自的频域特征与上述每条操作子轨迹各自的截断阈值确定上述每条操作子轨迹是否为借助外挂产生的，从而确定上述操作轨迹是否为借助外挂产生的包括在确定上述操作子轨迹是借助外挂产生的情况下，增加上述操作轨迹是借助外挂产生的嫌疑指数；在上述每条操作子轨迹都被确定是否为借助外挂产生的之后，根据上述操作轨迹增加得到的嫌疑指数，计算上述操作轨迹最终得到的嫌疑指数；将上述操作轨迹最终得到的嫌疑指数与嫌疑阈值进行比较，得到比较结果；以及根据上述比较结果确定上述操作轨迹是否为借助外挂产生的。

在本公开的再一个实施例中，上述数据处理方法还包括根据上述比较结果确定上述操作轨迹是借助外挂产生的；以及在确定上述操作轨迹是借助外挂产生的情况下，对上述用户的后续操作进行限制。

在本公开的再一个实施例中，上述数据处理方法还包括根据上述比较结果确定上述操作轨迹不是借助外挂产生的；以及在确定上述操作轨迹不是借助外挂产生的情况下，清除上述操作轨迹最终得到的嫌疑指数。

在本公开的再一个实施例中，上述频域特征包括第一频域的频域特征和第二频域的频域特征，其中：根据上述操作轨迹的频域特征确定截断阈值包括根据上述操作轨迹的第一频域的频域特征确定截断阈值；以及根据上述截断阈值与上述操作轨迹的频域特征确定上述操作轨迹是否为借助外挂产生的包括根据上述截断阈值与上述操作轨迹的第二频域的频域特征确定上述操作轨迹是否为借助外挂产生的。

在本公开的再一个实施例中，上述第一频域中的频率低于上述第二频域中的频率。

在本公开实施方式的第二方面中，提供了一种数据处理装置，包括第一获取模块、第一确定模块、第二确定模块和第三确定模块。第一获取模块用于获取用户操作时产生的操作轨迹的数据；第一确定模块用于根据上述操作轨迹的数据确定上述操作轨迹的频域特征；第二确定模块用于根据上述操作轨迹的频域特征确定截断阈值；以及第三确定模块用于根据上述截断阈值与上述操作轨迹的频域特征确定上述操作轨迹是否为借助外挂产生的。

在本公开的一个实施例中，上述操作轨迹包括至少一条操作子轨迹，上述数据处理装置还包括第二获取模块、第四确定模块、第五确定模块和第六确定模块。第二获取模块用于获取上述至少一条操作子轨迹的数据；第四确定模块用于根据上述至少一条操作子轨迹的数据确定每条操作子轨迹的频域特征，得到上述每条操作子轨迹各自的频域特征；第五确定模块用于根据上述每条操作子轨迹各自的频域特征确定上述每条操作子轨迹各自的截断阈值；以及第六确定模块用于根据上述每条操作子轨迹各自的频域特征与上述每条操作子轨迹各自的截断阈值确定上述每条操作子轨迹是否为借助外挂产生的，从而确定上述操作轨迹是否为借助外挂产生的。

在本公开的另一个实施例中，上述第四确定模块用于对上述至少一条操作子轨迹的数据进行快速傅里叶变换，得到每条操作子轨迹的频域特征。

在本公开的又一个实施例中，上述第五确定模块包括第一确定单元、分类单元、第二确定单元和第三确定单元。第一确定单元用于根据上述一条或多条操作子轨迹的数据确定产生上述每条操作子轨迹时所采用的操作模式；分类单元用于以上述操作模式是否相同为条件将上述至少一条操作子轨迹进行分类，得到不同操作模式的操作子轨迹组，其中，在同一操作子轨迹组中的操作子轨迹相应的操作模式相同；第二确定单元用于根据上述操作子轨迹组中的操作子轨迹的数据，确定上述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征；以及第三确定单元用于根据上述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定上述每条操作子轨迹各自的截断阈值。

在本公开的再一个实施例中，上述第三确定单元包括分区子单元、计算子单元、统计子单元和确定子单元。分区子单元用于将上述每一个操作子轨迹组对应的频域至少分成第一频率区间和第二频率区间，其中，上述第一频率区间中的频率小于上述第二频率区间中的频率；计算子单元用于计算上述第一频率区间中的频率对应的直流分量；统计子单元用于将上述第一频率区间中的频率对应的直流分量进行累加统计，得到累加直流分量；以及确定子单元用于根据上述累加直流分量确定上述每条操作子轨迹的截断阈值。

在本公开的再一个实施例中，上述数据处理装置还包括第三获取模块和分割模块。第三获取模块用于在获取上述至少一条操作子轨迹的数据之前，获取上述用户的点击操作；以及分割模块用于根据上述点击操作分割上述用户操作时产生的操作轨迹，得到上述至少一条操作子轨迹。

在本公开的再一个实施例中，上述第六确定模块包括增加单元、计算单元、比较单元和第四确定单元。增加单元用于在确定上述操作子轨迹是借助外挂产生的情况下，增加上述操作轨迹是借助外挂产生的嫌疑指数；计算单元用于在上述每条操作子轨迹都被确定是否为借助外挂产生的之后，根据上述操作轨迹增加得到的嫌疑指数，计算上述操作轨迹最终得到的嫌疑指数；比较单元用于将上述操作轨迹最终得到的嫌疑指数与嫌疑阈值进行比较，得到比较结果；以及第四确定单元用于根据上述比较结果确定上述操作轨迹是否为借助外挂产生的。

在本公开的再一个实施例中，上述数据处理装置还包括限制模块。限制模块用于在根据上述比较结果确定上述操作轨迹是借助外挂产生的情况下，对上述用户的后续操作进行限制。

在本公开的再一个实施例中，上述数据处理装置还包括清除模块。清除模块用于在根据上述比较结果确定上述操作轨迹不是借助外挂产生的情况下，清除上述操作轨迹最终得到的嫌疑指数。

在本公开的再一个实施例中，上述频域特征包括第一频域的频域特征和第二频域的频域特征，其中：上述第二确定模块用于根据上述操作轨迹的第一频域的频域特征确定截断阈值；以及上述第三确定模块用于根据上述截断阈值与上述操作轨迹的第二频域的频域特征确定上述操作轨迹是否为借助外挂产生的。

在本公开的再一个实施例中，上述第一频域中的频率低于上述第二频域中的频率。

在本公开实施方式的第三方面中，提供了一种介质，存储有计算机可执行指令，所述指令在被处理单元执行时用于实现如上所述的数据处理方法。

在本公开实施方式的第四方面中，提供了一种计算设备，包括处理单元；以及存储单元，存储有计算机可执行指令，所述指令在被所述处理单元执行时用于实现如上所述的数据处理方法。

根据本公开的实施方式，通过根据操作轨迹的频域特征和截断阈值确定操作轨迹是否为借助外挂产生的，而无需在时域内对用户操作轨迹进行形态学分析，因此可以避免外挂开发者通过添加轨迹细节规避当前方法，同时，本公开数据成本低，根据用户的操作轨迹的数据可实现判别用户是否使用外挂。因此，本公开使得可以有效的判别用户是否借助外挂进行操作，从而显著地降低了用户借助外挂的可能性，为其他用户带来了更好的体验。

附图说明

通过参考附图阅读下文的详细描述，本公开示例性实施方式的上述以及其他目的、特征和优点将变得易于理解。在附图中，以示例性而非限制性的方式示出了本公开的若干实施方式，其中：

图1示意性示出了根据本公开实施方式的应用场景示意图；

图2示意性示出了根据本公开实施例的数据处理方法的流程图；

图3示意性示出了根据本公开另一实施例的数据处理方法的流程图；

图4示意性示出了根据本公开实施例的对正常操作子轨迹的数据进行快速傅里叶变换后的频域特征示意图；

图5示意性示出了根据本公开实施例的对借助外挂产生的操作子轨迹的数据进行快速傅里叶变换后的频域特征示意图；

图6示意性示出了根据本公开实施例的根据每条操作子轨迹各自的频域特征确定每条操作子轨迹各自的截断阈值的流程图；

图7示意性示出了根据本公开实施例的根据不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定每条操作子轨迹各自的截断阈值的流程图；

图8示意性示出了根据本公开实施例的获取至少一条操作子轨迹的流程图；

图9示意性示出了根据本公开另一实施例的确定操作轨迹是否为借助外挂产生的流程图；

图10示意性地示出了根据本公开实施例的数据处理装置的框图；

图11示意性地示出了根据本公开另一实施例的数据处理装置的框图；

图12示意性地示出了根据本公开实施例的第五确定模块的框图；

图13示意性地示出了根据本公开实施例的第三确定单元的框图；

图14示意性地示出了根据本公开另一实施例的数据处理装置的框图；

图15示意性地示出了根据本公开实施例的第六确定模块的框图；

图16示意性地示出了根据本公开另一实施例的数据处理装置的框图；

图17示意性示出了根据本公开实施方式的用于数据处理的程序产品；以及

图18示意性地示出了根据本公开实施例的用于实现数据处理方法的计算设备的框图。

在附图中，相同或对应的标号表示相同或对应的部分。

具体实施方式

下面将参考若干示例性实施方式来描述本公开的原理和精神。应当理解，给出这些实施方式仅仅是为了使本领域技术人员能够更好地理解进而实现本公开，而并非以任何方式限制本公开的范围。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

本领域技术人员知道，本公开的实施方式可以实现为一种系统、装置、设备、方法或计算机程序产品。因此，本公开可以具体实现为以下形式，即：完全的硬件、完全的软件(包括固件、驻留软件、微代码等)，或者硬件和软件结合的形式。

根据本公开的实施方式，提出了一种数据处理方法及装置、介质和计算设备。

在本文中，需要理解的是，所涉及的术语频域分析是指在对函数或信号进行分析时，分析其和频率有关信息部分，而不是和时间有关的部分。快速傅里叶变换表示快速计算序列的离散傅里叶变换的方法。快速傅里叶变换计算过程可以是如下方式：

离散傅里叶变换是提取离散序列频域响应的经典方法，对于长度为M的有限时长序列X_n，有0≤n≤M-1，X_n中的任意点X_k的离散傅里叶变换可以是如下方式：

其中

为旋转因子。

直流分量是在频域分析中一个普遍的概念，指的是信号中不随时间推移而变化的分量强度，可以在快速傅里叶变换公式中，通过带入频率值为0获取的响应强度作为直流分量。

频率响应分量是通过将特定频率带入快速傅里叶变换公式中，可以获得特定频率在频谱上的响应强度，即为频率响应分量。

此外，附图中的任何元素数量均用于示例而非限制，以及任何命名都仅用于区分，而不具有任何限制含义。

下面参考本公开的若干代表性实施方式，详细阐释本公开的原理和精神。

发明概述

本公开人发现，在一个或多个网络游戏中，通过改变网络游戏软件的部分程序，制作而成作弊程序，可以获得游戏局面优势、破坏游戏平衡等，但使得游戏显失公平性。相关技术中为了判别用户是否使用外挂技术，通过在时域内对用户操作轨迹进行形态学分析，通过分析用户操作轨迹是否具有脚本辅助所特有的直线操作，来判断用户在游戏过程中是否使用了外挂，然而这种图形学判定方法，仅判定操作轨迹是否包含直线，不仅计算量大，而且外挂开发者可以通过添加轨迹细节规避当前方法。或者，相关技术中通过获取用户在游戏中的网络流量数据以及业务数据，并根据所获得的两类数据进行模式识别，利用决策树或神经网络方法判断用户作弊行为，然而在这种情况下，外挂开发者容易通过篡改网络层协议绕过检测，并且仅采用流量相关数据判断用户是否采用外挂，并未涉及游戏内实质操作数据，为外挂开发者提供了篡改通信协议欺骗检测算法的可能性。

基于以上分析，发明人构想到根据操作轨迹的频域特征和截断阈值确定操作轨迹是否为借助外挂产生的。根据本公开的技术构想，无需在时域内对用户操作轨迹进行形态学分析，因此可以避免外挂开发者通过添加轨迹细节规避当前方法，同时，本公开数据成本低，也不需要获取用户在游戏中的网络流量数据以及业务数据，根据用户的操作轨迹的数据可实现判别用户是否使用外挂。因此，本公开使得可以有效的判别用户是否借助外挂进行操作，从而显著地降低了用户借助外挂的可能性，为其他用户带来了更好的体验。

在介绍了本公开的基本原理之后，下面具体介绍本公开的各种非限制性实施方式。

应用场景总览

首先参考图1详细阐述本公开实施例的数据处理方法及其装置的应用场景。

图1示意性示出了根据本公开实施方式的应用场景示意图。

如图1所示，根据该实施例的系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型的网络，例如有线和/或无线通信链路等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如游戏应用、安装有游戏的社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103进行游戏的网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的用户请求等数据进行分析等处理，并将处理结果(例如根据用户请求获取或生成的页面、信息、或数据等)反馈给终端设备。

需要说明的是，本公开的实施例所提供的数据处理方法一般可以由服务器105执行。相应地，本公开的实施例所提供的数据处理装置一般可以设置于服务器105中。本公开的实施例所提供的数据处理方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开的实施例所提供的数据处理装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。或者，本公开的实施例所提供的数据处理方法也可以由终端设备101、102、或103执行，或者也可以由不同于终端设备101、102、或103的其他终端设备执行。相应地，本公开的实施例所提供的数据处理装置也可以设置于终端设备101、102、或103中，或设置于不同于终端设备101、102、或103的其他终端设备中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

示例性方法

下面结合图1的应用场景，参考图1来描述根据本公开示例性实施方式的用于数据处理方法。需要注意的是，上述应用场景仅是为了便于理解本公开的精神和原理而示出，本公开的实施方式在此方面不受任何限制。相反，本公开的实施方式可以应用于适用的任何场景。

图2示意性示出了根据本公开实施例的数据处理方法的流程图。

如图2所示，根据本公开实施例的数据处理方法包括操作S210～操作S240。

在操作S210，获取用户操作时产生的操作轨迹的数据。

根据本公开的实施例，用户操作时产生的操作轨迹的数据可以是用户在游戏过程中的输入数据，例如可以是用户移动鼠标产生的鼠标移动轨迹的数据或者点击鼠标时的点击数据，再例如可以是用户在触摸屏上手指或其他操作笔操作时产生的操作轨迹的数据。

在操作S220，根据操作轨迹的数据确定操作轨迹的频域特征。

根据本公开的实施例，通过对操作轨迹的数据进行频域分析，可以确定该操作轨迹的频域特征，操作轨迹的频域特征可以是不同频率所对应的响应分量。使用频域分析不必直接求解系统的微分方程，而是间接地揭示系统的时域性能，具有计算复杂度低，实时性好的特点。

在操作S230，根据操作轨迹的频域特征确定截断阈值。

根据本公开的实施例，为了确定用户操作产生的操作轨迹是正常情况下产生的，而不是借助外挂技术产生的操作轨迹，将截断阈值作为判别是否借助外挂技术的临界点或临界区域，可以有效的判别用户操作是否借助外挂技术。

在操作S240，根据截断阈值与操作轨迹的频域特征确定操作轨迹是否为借助外挂产生的。

通过本公开的实施例，根据操作轨迹的频域特征和截断阈值确定操作轨迹是否为借助外挂产生的，无需在时域内对用户操作轨迹进行形态学分析，因此可以避免外挂开发者通过添加轨迹细节规避当前方法，同时，本公开数据成本低，也不需要获取用户在游戏中的网络流量数据以及业务数据，根据用户的操作轨迹的数据可实现判别用户是否使用外挂。因此，本公开使得可以有效的判别用户是否借助外挂进行操作，从而显著地降低了用户借助外挂的可能性，为其他用户带来了更好的体验。

根据本公开的实施例，上述频域特征包括第一频域的频域特征和第二频域的频域特征，其中：根据上述操作轨迹的频域特征确定截断阈值包括根据上述操作轨迹的第一频域的频域特征确定截断阈值；以及根据上述截断阈值与上述操作轨迹的频域特征确定上述操作轨迹是否为借助外挂产生的包括根据上述截断阈值与上述操作轨迹的第二频域的频域特征确定上述操作轨迹是否为借助外挂产生的。

根据本公开的实施例，上述第一频域中的频率低于上述第二频域中的频率。

根据本公开的实施例，第一频域可以是低频频域，第二频域可以是高频频域，其中，低频频域中的频率低于高频频域中的频率。可以根据操作轨迹的低频频域的频域特征确定截断阈值，根据确定的截断阈值和高频频域的频域特征确定操作轨迹是否为借助外挂产生的。

根据本公开的实施例，一般情况下，采样频率越低，对应的用户操作越平缓，采样频率越高，对应用户操作越敏捷。当用户未使用外挂的情况下进行操作时，例如射击游戏中的快速瞄准或甩狙操作等采样频率高的操作，由于这类操作在操作轨迹的全局范围所占比例一般是有限的，所以当高频区域出现较高的响应强度时，可以合理怀疑外挂对于用户操作进行了快速微调。因此，本公开根据低频频域的频域特征确定截断阈值可以表征用户未使用外挂即正常操作时的操作特征，当高频区域出现较高的响应强度时，通过将确定的截断阈值和高频频域的频域特征进行比较，可以合理判断是否使用外挂。

下面参考图3～图9，结合具体实施例对图2所示的方法做进一步说明。

图3示意性示出了根据本公开另一实施例的数据处理方法的流程图。根据本公开的实施例，操作轨迹包括至少一条操作子轨迹，如图3所示，数据处理方法还包括操作S250～S280。

在操作S250，获取至少一条操作子轨迹的数据。

在操作S260，根据至少一条操作子轨迹的数据确定每条操作子轨迹的频域特征，得到每条操作子轨迹各自的频域特征。

根据本公开的实施例，可以将用户操作产生的操作轨迹分割为一条或多条子轨迹，针对每一条子轨迹，可以通过对操作子轨迹的数据进行频域分析，从而确定该操作子轨迹的频域特征，操作子轨迹的频域特征可以是不同频率所对应的响应分量。

在操作S270，根据每条操作子轨迹各自的频域特征确定每条操作子轨迹各自的截断阈值。

根据本公开的实施例，每条操作子轨迹在相应的频域内具有各自的频域特征，根据频域特征可以确定每条操作子轨迹各自的截断阈值。

在操作S280，根据每条操作子轨迹各自的频域特征与每条操作子轨迹各自的截断阈值确定每条操作子轨迹是否为借助外挂产生的，从而确定操作轨迹是否为借助外挂产生的。

通过本公开的实施例，根据操作子轨迹的数据确定每条操作子轨迹的频域特征，从而每条操作子轨迹各自的截断阈值，由于根据每条操作子轨迹各自的频域特征与每条操作子轨迹各自的截断阈值确定每条操作子轨迹是否为借助外挂后产生的，综合分析所有操作子轨迹的判别结果，再确定操作轨迹是否为借助外挂产生的，可以更加合理的分析用户操作是否借助外挂。

根据本公开的实施例，根据至少一条操作子轨迹的数据确定每条操作子轨迹的频域特征，得到每条操作子轨迹各自的频域特征包括对至少一条操作子轨迹的数据进行快速傅里叶变换，得到每条操作子轨迹的频域特征。

根据本公开的实施例，对至少一条操作子轨迹的数据进行快速傅里叶变换可以采用如下方式：

根据本公开的实施例，快速傅里叶变换中采样频率为F_s，相对频率采样点数为N，进行快速傅里叶变换后，对于频率区间上任意一点n，1≤n≤N所代表的频率为F_n＝(n-1)*F_s/N。例如，某玩家的鼠标采样频率为F_s＝1000Hz，在快速傅里叶变换过程中有N＝100个相对频率采样点，则在频率区间上的相对频率采样点n＝10代表的实际采样频率为F_n＝(10-1)*1000/100＝90Hz。相对频率采样点数值越大，代表的实际采样频率越高。

根据本公开的实施例，对至少一条操作子轨迹的数据进行快速傅里叶变换之后得到每条操作子轨迹的频域特征例如图4和图5所示。

其中，图4示意性示出了根据本公开实施例的对正常操作子轨迹的数据进行快速傅里叶变换后的频域特征示意图。

图5示意性示出了根据本公开实施例的对借助外挂产生的操作子轨迹的数据进行快速傅里叶变换后的频域特征示意图。

根据本公开的实施例，通过将特定频率带入快速傅里叶变换公式中，可以获得特定频率在频谱上的响应强度，即频率响应分量。图4和图5中横轴表示相对采样频率坐标轴，纵轴表示响应强度坐标轴。

根据本公开的实施例，直流分量是指的是信号中不随时间推移而变化的分量强度，可以在快速傅里叶变换公式中，通过带入频率值为0获取的响应强度作为直流分量。相对采样频率在0附近可以认为是用户鼠标固定或平滑移动，因此用户鼠标固定或平滑移动时产生的响应强度可以认为是用户鼠标固定或平滑移动操作的直流分量。

根据本公开的实施例，用户鼠标固定或平滑移动时的操作频率较低，可以对0≤F_n≤(N*0.05-1)*F_s/N频率范围的响应分量进行分量累加统计，得到累加直流分量R₀。对(N*0.95-1)*F_s/N≤F_n≤F_s频率范围的响应分量进行分量累加统计，得到累加高频分量R_N。截断阈值R_h＝α*R₀。其中α为截断阈值与直流分量的模式经验比值，与游戏类型及操作模式相关。

在图4中，对于(N*0.95-1)*F_s/N≤F_n≤F_s频率范围的响应分量进行分量累加统计，得到的累加高频分量R_N小于截断阈值R_h＝α*R₀。

在图5中，对于(N*0.95-1)*F_s/N≤F_n≤F_s频率范围的响应分量进行分量累加统计，得到的累加高频分量R_N大于截断阈值R_h＝α*R₀。可见高频区域出现较高的响应强度，能够合理怀疑外挂对用户操作进行了快速微调。

根据本公开的实施例，由于相对采样频率越低，对应的用户操作越平缓，相对采样频率越高，对应用户操作越敏捷，例如射击游戏中的快速瞄准或甩狙操作，快速瞄准与甩狙操作在操作轨迹的全局范围所占比例一般是有限的，所以当高频区域出现较高的响应强度时，能够合理怀疑外挂对于用户操作进行了快速微调。

根据本公开的实施例，对一定频率范围的响应分量进行分量累加统计得到累加高频分量R_N时，该一定频率范围可根据实际情况进行确定，确定出的一定频率范围越合适，越有利于判别是否使用外挂的准确度。

通过本公开的实施例，可以采集用户的操作轨迹数据，并使用快速傅里叶变换提取频域特征，占用资源小，不会对游戏体验造成影响。

图6示意性示出了根据本公开实施例的根据每条操作子轨迹各自的频域特征确定每条操作子轨迹各自的截断阈值的流程图。

如图6所示，根据本公开的实施例，根据每条操作子轨迹各自的频域特征确定每条操作子轨迹各自的截断阈值包括操作S271～操作S274。

在操作S271，根据一条或多条操作子轨迹的数据确定产生每条操作子轨迹时所采用的操作模式。

根据本公开的实施例，用户在操作过程中可能会使用不同的技能，不同的技能产生的操作子轨迹也可能是不同的。

根据本公开的实施例，例如，在射击游戏中，利用操作子轨迹长度可以判断用户使用手枪进行连续射击，或使用自动步枪进行扫射，或使用半自动狙击步枪进行点射。对于每一条操作子轨迹，存在松开按键

和按下按键

两个阶段。其中，松开按键

阶段位于上一次按下按键

之后，以及本次按下按键

之前。判断

阶段时长

与

阶段时长

的比例Pⁱ，能够判断用户的操作模式typeⁱ。具体地，例如：

在操作S272，以操作模式是否相同为条件将至少一条操作子轨迹进行分类，得到不同操作模式的操作子轨迹组，其中，在同一操作子轨迹组中的操作子轨迹相应的操作模式相同。

在操作S273，根据操作子轨迹组中的操作子轨迹的数据，确定不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征。

在操作S274，根据不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定每条操作子轨迹各自的截断阈值。

根据本公开的实施例，根据不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，可以确定出每一个操作子轨迹组的截断阈值。根据本公开的实施例，每一个操作子轨迹组的截断阈值可以作为该操作子轨迹组中的每条操作子轨迹的截断阈值。

通过本公开的实施例，根据各操作子轨迹的操作模式，对相同操作模式操作子轨迹进行分类聚合，有助于消除操作轨迹中的噪声影响，并提高各操作模式下截断阈值的计算准确度。

图7示意性示出了根据本公开实施例的根据不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定每条操作子轨迹各自的截断阈值的流程图。

如图7所示，根据本公开的实施例，根据不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定每条操作子轨迹各自的截断阈值包括操作S2741～操作S2744。

在操作S2741，将每一个操作子轨迹组对应的频域至少分成第一频率区间和第二频率区间，其中，第一频率区间中的频率小于第二频率区间中的频率。

根据本公开的实施例，每一个操作子轨迹组对应的频域可以是实际采样频域，也可以是相对采样频域。以相对采样频域进行划分为例，例如，操作子轨迹组对应的实际采样频域为F_s，相对频率采样点数为N，对于实际采样频域F_s上任意一点n，1≤n≤N所代表的频率为F_n＝(n-1)*F_s/N。将操作子轨迹组对应的相对频域至少划分得到低频区间0≤F_n≤(N*0.05-1)*F_s/N，高频区间(N*0.95-1)*F_s/N≤F_n≤F_s，以及该低频区间与该高频区间之间的区间。可以将低频区间作为第一频率区间，高频区间作为第二频率区间。

需要说明的是，本公开也可以直接对操作子轨迹组对应的实际采样频域进行划分，在此不再赘述。

在操作S2742，计算第一频率区间中的频率对应的直流分量。

根据本公开的实施例，例如，可以对0≤F_n≤(N*0.05-1)*F_s/N频率范围中的频率的响应分量进行计算，得到第一频率区间中的频率对应的直流分量。

在操作S2743，将第一频率区间中的频率对应的直流分量进行累加统计，得到累加直流分量。

根据本公开的实施例，可以对0≤F_n≤(N*0.05-1)*F_s/N频率范围的响应分量进行分量累加统计，得到累加直流分量R₀。

在操作S2744，根据累加直流分量确定每条操作子轨迹的截断阈值。

根据本公开的实施例，可以将第一频率区间中的频率对应的累加直流分量与经验值相乘后，得到截断阈值，可以将该截断阈值作为操作子轨迹组中的每条操作子轨迹的截断阈值，经验值的范围可以是0.35≤α≤0.45，即截断阈值R_h＝α*R₀。

根据本公开的实施例，可以对(N*0.95-1)*F_s/N≤F_n≤F_s频率范围的响应分量进行分量累加统计，得到累加高频分量R_N。累加高频分量R_N包括了用户进行快速操作时的响应分量，可以用于表示每条操作子轨迹各自的频域特征。

根据本公开的实施例，根据每条操作子轨迹各自的频域特征与每条操作子轨迹各自的截断阈值确定每条操作子轨迹是否为借助外挂产生的，可以是将R_N与截断阈值R_h＝α*R₀进行比较，当出现R_N＞R_h时，可以认为用户操作的高频响应占比超出了人类操作所对应的合理占比，存在外挂对于用户操作进行快速微调嫌疑。

图8示意性示出了根据本公开实施例的获取至少一条操作子轨迹的流程图。

如图8所示，根据本公开的实施例，在获取至少一条操作子轨迹的数据之前，获取至少一条操作子轨迹包括操作S280～操作S290。

在操作S280，获取用户的点击操作。

在操作S290，根据点击操作分割用户操作时产生的操作轨迹，得到至少一条操作子轨迹。

根据本公开的实施例，用户的点击操作可以是用户通过鼠标或操作笔点击产生的，基于用户的点击操作的信息，可以将鼠标或者操作笔移动轨迹分割成多个子轨迹，例如可以是以用户的点击时刻为分割点，将鼠标或者操作笔移动轨迹分割成多个子轨迹。根据本公开的实施例，用户的点击操作的方式不限于上述两种方式，例如还可以是用户通过手指等其他操作体点击产生的，在此不再赘述。根据本公开的实施例，在得到至少一条操作子轨迹之后，可以将分割完成的一条或多条操作子轨迹信息聚合为矩阵，通过处理器对每条操作子轨迹进行快速傅里叶变换，得到各条子轨迹在不同频域内的相应信息。

通过本公开的实施例，根据用户的点击操作，将操作轨迹分割成一个或多个子轨迹，可以更加精确的分析操作轨迹的频域特征。

图9示意性示出了根据本公开另一实施例的确定操作轨迹是否为借助外挂产生的流程图。

如图9所示，根据每条操作子轨迹各自的频域特征与每条操作子轨迹各自的截断阈值确定每条操作子轨迹是否为借助外挂产生的，从而确定操作轨迹是否为借助外挂产生的包括操作S281～S284。

在操作S281，在确定操作子轨迹是借助外挂产生的情况下，增加操作轨迹是借助外挂产生的嫌疑指数。

根据本公开的实施例，例如，在确定操作子轨迹是借助外挂产生的情况下，可以确定操作子轨迹的嫌疑指数为1，则可以为操作轨迹是借助外挂产生的嫌疑指数增加1。在确定操作子轨迹不是借助外挂产生的情况下，可以确定操作子轨迹的嫌疑指数为0，则不用增加操作轨迹是借助外挂产生的嫌疑指数，或者可以为操作轨迹是借助外挂产生的嫌疑指数增加0。

在操作S282，在每条操作子轨迹都被确定是否为借助外挂产生的之后，根据操作轨迹增加得到的嫌疑指数，计算操作轨迹最终得到的嫌疑指数。

根据本公开的实施例，操作轨迹所包含的每一条操作子轨迹都可以有相应的嫌疑指数，操作轨迹最终得到的嫌疑指数可以是每一条操作子轨迹相应的嫌疑指数累加之后得到的。

在操作S283，将操作轨迹最终得到的嫌疑指数与嫌疑阈值进行比较，得到比较结果。

根据本公开的实施例，可以预先设定嫌疑阈值的大小，嫌疑阈值的大小可以根据借助外挂产生的操作子轨迹和没有借助外挂产生的操作子轨迹的对比试验分析后确定得到的。

在操作S284，根据比较结果确定操作轨迹是否为借助外挂产生的。

通过本公开的实施例，根据截断阈值与每条操作子轨迹的频域特征确定该条操作子轨迹是否为借助外挂后产生的，进而确定用户是否借助外挂。由于每条操作子轨迹都进行了判断，因此，提高了判别用户是否借助外挂的准确度。

根据本公开的实施例，根据比较结果确定操作轨迹是借助外挂产生的；以及在确定操作轨迹是借助外挂产生的情况下，对用户的后续操作进行限制。

根据本公开的实施例，例如，用户在客户端参与游戏，当使用外挂辅助游戏时，服务器可以判别操作轨迹是借助外挂产生的，此时服务器可以发送惩罚指令给客户端，客户端执行指定操作，如闪退或踢出本轮游戏，进而实现对用户的后续操作进行限制。

通过本公开的实施例，对用户的后续操作进行限制，可以有效抑制使用外挂进行游戏，增加游戏的公平性。

根据本公开的实施例，根据比较结果确定操作轨迹不是借助外挂产生的；以及在确定操作轨迹不是借助外挂产生的情况下，清除操作轨迹最终得到的嫌疑指数。

根据本公开的实施例，例如，用户在客户端正常参与游戏，服务器可以判别操作轨迹不是借助外挂产生的，此时服务器可以清除操作轨迹最终得到的嫌疑指数。或者，根据本公开的实施例，在确定操作轨迹不是借助外挂产生的情况下，在预定时间范围内，清除操作轨迹最终得到的嫌疑指数。

通过本公开的实施例，在确定用户操作时没有借助外挂的情况下，消除用户最终得到的嫌疑指数，可以防止累加嫌疑参数导致误判用户使用了外挂，可以提高判断用户是否使用外挂的准确度，减少误判断，提高用户体验。

示例性装置

在介绍了本公开示例性实施方式的介质之后，接下来，参考图10对本公开示例性实施方式的、用于参考图10对本公开示例性实施方式的数据处理装置进行描述。

图10示意性地示出了根据本公开实施例的数据处理装置的框图。

如图10所示，该数据处理装置300包括第一获取模块310、第一确定模块320、第二确定模块330和第三确定模块340。

第一获取模块310用于获取用户操作时产生的操作轨迹的数据。

第一确定模块320用于根据操作轨迹的数据确定操作轨迹的频域特征。

第二确定模块330用于根据操作轨迹的频域特征确定截断阈值。

第三确定模块340用于根据截断阈值与操作轨迹的频域特征确定操作轨迹是否为借助外挂产生的。

通过本公开的实施例，根据操作轨迹的频域特征和截断阈值确定操作轨迹是否为借助外挂产生的，无需在时域内对用户操作轨迹进行形态学分析，因此可以避免外挂开发者通过添加轨迹细节规避当前方法，同时，本公开数据成本低，也不需要获取用户在游戏中的网络流量数据以及业务数据，根据用户的操作轨迹的数据可实现判别用户是否使用外挂。因此，本公开使得可以有效的判别用户是否借助外挂进行操作，从而显著地降低了用户借助外挂的可能性，为其他用户带来了更好的体验。

根据本公开的实施例，上述频域特征包括第一频域的频域特征和第二频域的频域特征，其中：上述第二确定模块330用于根据上述操作轨迹的第一频域的频域特征确定截断阈值；以及上述第三确定模块340用于根据上述截断阈值与上述操作轨迹的第二频域的频域特征确定上述操作轨迹是否为借助外挂产生的。

根据本公开的实施例，上述第一频域中的频率低于上述第二频域中的频率。

图11示意性地示出了根据本公开另一实施例的数据处理装置的框图。

如图11所示，操作轨迹包括至少一条操作子轨迹，数据处理装置300还包括第二获取模块350、第四确定模块360、第五确定模块370和第六确定模块380。

第二获取模块350用于获取至少一条操作子轨迹的数据。

第四确定模块360用于根据至少一条操作子轨迹的数据确定每条操作子轨迹的频域特征，得到每条操作子轨迹各自的频域特征。

第五确定模块370用于根据每条操作子轨迹各自的频域特征确定每条操作子轨迹各自的截断阈值。

第六确定模块380用于根据每条操作子轨迹各自的频域特征与每条操作子轨迹各自的截断阈值确定每条操作子轨迹是否为借助外挂产生的，从而确定操作轨迹是否为借助外挂产生的。

通过本公开的实施例，根据操作子轨迹的数据确定每条操作子轨迹的频域特征，从而每条操作子轨迹各自的截断阈值，由于根据每条操作子轨迹各自的频域特征与每条操作子轨迹各自的截断阈值确定每条操作子轨迹是否为借助外挂后产生的，综合分析所有操作子轨迹的判别结果，再确定操作轨迹是否为借助外挂产生的，可以更加合理的分析用户操作是否借助外挂。

在本公开的另一个实施例中，第四确定模块360用于对至少一条操作子轨迹的数据进行快速傅里叶变换，得到每条操作子轨迹的频域特征。

通过本公开的实施例，可以采集用户的操作轨迹数据，并使用快速傅里叶变换提取频域特征，占用资源小，不会对游戏体验造成影响。

图12示意性地示出了根据本公开实施例的第五确定模块的框图。

如图12所示，第五确定模块370包括第一确定单元371、分类单元372、第二确定单元373和第三确定单元374。

第一确定单元371用于根据一条或多条操作子轨迹的数据确定产生每条操作子轨迹时所采用的操作模式。

分类单元372用于以操作模式是否相同为条件将至少一条操作子轨迹进行分类，得到不同操作模式的操作子轨迹组，其中，在同一操作子轨迹组中的操作子轨迹相应的操作模式相同。

第二确定单元373用于根据操作子轨迹组中的操作子轨迹的数据，确定不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征。

第三确定单元374用于根据不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定每条操作子轨迹各自的截断阈值。

通过本公开的实施例，根据各操作子轨迹的操作模式，对相同操作模式操作子轨迹进行分类聚合，有助于消除操作轨迹中的噪声影响，并提高各操作模式下截断阈值的计算准确度。

图13示意性地示出了根据本公开实施例的第三确定单元的框图。

如图13所示，第三确定单元374包括分区子单元3741、计算子单元3742、统计子单元3743和确定子单元3744。

分区子单元3741用于将每一个操作子轨迹组对应的频域至少分成第一频率区间和第二频率区间，其中，第一频率区间中的频率小于第二频率区间中的频率。

计算子单元3742用于计算第一频率区间中的频率对应的直流分量。

统计子单元3743用于将第一频率区间中的频率对应的直流分量进行累加统计，得到累加直流分量。

确定子单元3744用于根据累加直流分量确定每条操作子轨迹的截断阈值。

根据本公开的实施例，根据每条操作子轨迹各自的频域特征与每条操作子轨迹各自的截断阈值确定每条操作子轨迹是否为借助外挂产生的，用户操作的操作响应强度占比超出了人类操作所对应的合理占比，存在外挂对于用户操作进行快速微调嫌疑。

图14示意性地示出了根据本公开另一实施例的数据处理装置的框图。

如图14所示，数据处理装置300还包括第三获取模块390和分割模块3100。

第三获取模块390用于在获取至少一条操作子轨迹的数据之前，获取用户的点击操作。

分割模块3100用于根据点击操作分割用户操作时产生的操作轨迹，得到至少一条操作子轨迹。

通过本公开的实施例，根据用户的点击操作，将操作轨迹分割成一个或多个子轨迹，可以更加精确的分析操作轨迹的频域特征。

图15示意性地示出了根据本公开实施例的第六确定模块的框图。

如图15所示，第六确定模块380包括增加单元381、计算单元382、比较单元383和第四确定单元384。

增加单元381用于在确定操作子轨迹是借助外挂产生的情况下，增加操作轨迹是借助外挂产生的嫌疑指数。

计算单元382用于在每条操作子轨迹都被确定是否为借助外挂产生的之后，根据操作轨迹增加得到的嫌疑指数，计算操作轨迹最终得到的嫌疑指数。

比较单元383用于将操作轨迹最终得到的嫌疑指数与嫌疑阈值进行比较，得到比较结果。

第四确定单元384用于根据比较结果确定操作轨迹是否为借助外挂产生的。

通过本公开的实施例，根据截断阈值与每条操作子轨迹的频域特征确定该条操作子轨迹是否为借助外挂后产生的，进而确定用户是否借助外挂。由于每条操作子轨迹都进行了判断，因此，提高了判别用户是否借助外挂的准确度。

图16示意性地示出了根据本公开另一实施例的数据处理装置的框图。

如图16所示，数据处理装置300包括限制模块3110。限制模块3110用于在根据比较结果确定操作轨迹是借助外挂产生的情况下，对用户的后续操作进行限制。

通过本公开的实施例，对用户的后续操作进行限制，可以有效抑制使用外挂进行游戏，增加游戏的公平性。

如图16所示，数据处理装置300还包括清除模块3120。清除模块3120用于在根据比较结果确定操作轨迹不是借助外挂产生的情况下，清除操作轨迹最终得到的嫌疑指数。

通过本公开的实施例，在确定用户操作时没有借助外挂的情况下，消除用户最终得到的嫌疑指数，可以防止累加嫌疑参数导致误判用户使用了外挂，可以提高判断用户是否使用外挂的准确度，减少误判断，提高用户体验。

该数据处理装置300可以用来实现参考图2～图9所示的方法。

示例性介质

在介绍了本公开示例性实施方式的方法之后，接下来，参考图17对本公开示例性实施方式的、用于存储有计算机可执行指令，该指令在被处理单元执行时用于实现图2～图9中的数据处理方法的介质。

在一些可能的实施方式中，本公开的各个方面还可以实现为一种程序产品的形式，其包括程序代码，当所述程序产品在计算设备上运行时，所述程序代码用于使所述计算设备执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的用于图表的数据处理方法中的步骤，例如，所述计算设备可以执行如图2中所示的操作S210，获取用户操作时产生的操作轨迹的数据；操作S220，根据操作轨迹的数据确定操作轨迹的频域特征；操作S230，根据操作轨迹的频域特征确定截断阈值；以及操作S240，根据截断阈值与操作轨迹的频域特征确定操作轨迹是否为借助外挂产生的。

所述程序产品可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

图17示意性示出了根据本公开实施方式的用于数据处理的程序产品。

如图17所示，描述了根据本公开的实施方式的用于数据处理的程序产品40，其可以采用便携式紧凑盘只读存储器(CD-ROM)并包括程序代码，并可以在计算设备，例如个人电脑上运行。然而，本公开的程序产品不限于此，在本文件中，可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括——但不限于——电磁信号、光信号或上述的任意合适的组合。可读信号介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。

可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于——无线、有线、光缆，RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本公开操作的程序代码，所述程序设计语言包括面向对象的程序设计语言——诸如Java，C++等，还包括常规的过程式程序设计语言——诸如“C”，语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)一连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

示例性计算设备

在介绍了本公开示例性实施方式的方法、介质和装置之后，接下来，参考图18对本公开示例性实施方式的计算设备，该计算设备包括处理单元和存储单元，存储单元存储有计算机可执行指令，上述指令在被上述处理单元执行时用于实现图2至图9中的数据处理方法。

本公开实施例还提供了一种计算设备。所属技术领域的技术人员能够理解，本公开的各个方面可以实现为系统、方法或程序产品。因此，本公开的各个方面可以具体实现为以下形式，即：完全的硬件实施方式、完全的软件实施方式(包括固件、微代码等)，或硬件和软件方面结合的实施方式，这里可以统称为“电路”、“模块”或“系统”。

在一些可能的实施方式中，根据本公开的计算设备可以至少包括至少一个处理单元、以及至少一个存储单元。其中，所述存储单元存储有程序代码，当所述程序代码被所述处理单元执行时，使得所述处理单元执行本说明书上述“示例性方法”部分中描述的根据本公开各种示例性实施方式的信息呈现方法中的步骤。例如，所述处理单元可以执行如图2中所示的操作S210，获取用户操作时产生的操作轨迹的数据；操作S220，根据操作轨迹的数据确定操作轨迹的频域特征；操作S230，根据操作轨迹的频域特征确定截断阈值；以及操作S240，根据截断阈值与操作轨迹的频域特征确定操作轨迹是否为借助外挂产生的。

下面参照图18来描述根据本公开的这种实施方式的数据处理的计算设备50。如图18所示的计算设备50仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

图18示意性地示出了根据本公开实施例的用于实现数据处理方法的计算设备的框图。

如图18所示，计算设备50以通用计算设备的形式表现。计算设备50的组件可以包括但不限于：上述至少一个处理单元501、上述至少一个存储单元502、连接不同系统组件(包括存储单元502和处理单元501)的总线503。

总线503包括数据总线、地址总线和控制总线。

存储单元502可以包括易失性存储器，例如随机存取存储器(RAM)5021和/或高速缓存存储器5022，还可以进一步包括只读存储器(ROM)5023。

存储单元502还可以包括具有一组(至少一个)程序模块5024的程序/实用工具5025，这样的程序模块5024包括但不限于：操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

计算设备50也可以与一个或多个外部设备504(例如键盘、指向设备、蓝牙设备等)通信，这种通信可以通过输入/输出(I/0)接口505进行。并且，计算设备50还可以通过网络适配器506与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)通信。如图所示，网络适配器506通过总线503与计算设备50的其它模块通信。应当明白，尽管图中未示出，可以结合计算设备50使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID系统、磁带驱动器以及数据备份存储系统等。

应当注意，尽管在上文详细描述中提及了装置的若干单元/模块或子单元/模块，但是这种划分仅仅是示例性的并非强制性的。实际上，根据本公开的实施方式，上文描述的两个或更多单元/模块的特征和功能可以在一个单元/模块中具体化。反之，上文描述的一个单元/模块的特征和功能可以进一步划分为由多个单元/模块来具体化。

此外，尽管在附图中以特定顺序描述了本公开方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

虽然已经参考若干具体实施方式描述了本公开的精神和原理，但是应该理解，本公开并不限于所公开的具体实施方式，对各方面的划分也不意味着这些方面中的特征不能组合以进行受益，这种划分仅是为了表述的方便。本公开旨在涵盖所附权利要求的精神和范围内所包括的各种修改和等同布置。

Claims (24)

1.一种数据处理方法，包括：

获取用户操作时产生的操作轨迹的数据；

根据所述操作轨迹的数据确定所述操作轨迹的频域特征；

根据所述操作轨迹的频域特征确定截断阈值；以及

根据所述截断阈值与所述操作轨迹的频域特征确定所述操作轨迹是否为借助外挂产生的。

2.根据权利要求1所述的方法，其中，所述操作轨迹包括至少一条操作子轨迹，所述方法还包括：

获取所述至少一条操作子轨迹的数据；

根据所述至少一条操作子轨迹的数据确定每条操作子轨迹的频域特征，得到所述每条操作子轨迹各自的频域特征；

根据所述每条操作子轨迹各自的频域特征确定所述每条操作子轨迹各自的截断阈值；以及

根据所述每条操作子轨迹各自的频域特征与所述每条操作子轨迹各自的截断阈值确定所述每条操作子轨迹是否为借助外挂产生的，从而确定所述操作轨迹是否为借助外挂产生的。

3.根据权利要求2所述的方法，其中，根据所述至少一条操作子轨迹的数据确定每条操作子轨迹的频域特征，得到所述每条操作子轨迹各自的频域特征包括：

对所述至少一条操作子轨迹的数据进行快速傅里叶变换，得到每条操作子轨迹的频域特征。

4.根据权利要求2所述的方法，其中，根据所述每条操作子轨迹各自的频域特征确定所述每条操作子轨迹各自的截断阈值包括：

根据所述一条或多条操作子轨迹的数据确定产生所述每条操作子轨迹时所采用的操作模式；

以所述操作模式是否相同为条件将所述至少一条操作子轨迹进行分类，得到不同操作模式的操作子轨迹组，其中，在同一操作子轨迹组中的操作子轨迹相应的操作模式相同；

根据所述操作子轨迹组中的操作子轨迹的数据，确定所述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征；以及

根据所述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定所述每条操作子轨迹各自的截断阈值。

5.根据权利要求4所述的方法，其中，根据所述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定所述每条操作子轨迹各自的截断阈值包括：

将所述每一个操作子轨迹组对应的频域至少分成第一频率区间和第二频率区间，其中，所述第一频率区间中的频率小于所述第二频率区间中的频率；

计算所述第一频率区间中的频率对应的直流分量；

将所述第一频率区间中的频率对应的直流分量进行累加统计，得到累加直流分量；以及

根据所述累加直流分量确定所述每条操作子轨迹的截断阈值。

6.根据权利要求2所述的方法，其中，在获取所述至少一条操作子轨迹的数据之前，所述方法还包括：

获取所述用户的点击操作；以及

根据所述点击操作分割所述用户操作时产生的操作轨迹，得到所述至少一条操作子轨迹。

7.根据权利要求2所述的方法，其中，根据所述每条操作子轨迹各自的频域特征与所述每条操作子轨迹各自的截断阈值确定所述每条操作子轨迹是否为借助外挂产生的，从而确定所述操作轨迹是否为借助外挂产生的包括：

在确定所述操作子轨迹是借助外挂产生的情况下，增加所述操作轨迹是借助外挂产生的嫌疑指数；

在所述每条操作子轨迹都被确定是否为借助外挂产生的之后，根据所述操作轨迹增加得到的嫌疑指数，计算所述操作轨迹最终得到的嫌疑指数；

将所述操作轨迹最终得到的嫌疑指数与嫌疑阈值进行比较，得到比较结果；以及

根据所述比较结果确定所述操作轨迹是否为借助外挂产生的。

8.根据权利要求7所述的方法，其中，所述方法还包括：

根据所述比较结果确定所述操作轨迹是借助外挂产生的；以及

在确定所述操作轨迹是借助外挂产生的情况下，对所述用户的后续操作进行限制。

9.根据权利要求7所述的方法，其中，所述方法还包括：

根据所述比较结果确定所述操作轨迹不是借助外挂产生的；以及

在确定所述操作轨迹不是借助外挂产生的情况下，清除所述操作轨迹最终得到的嫌疑指数。

10.根据权利要求1所述的方法，其中，所述频域特征包括第一频域的频域特征和第二频域的频域特征，其中：

根据所述操作轨迹的频域特征确定截断阈值包括根据所述操作轨迹的第一频域的频域特征确定截断阈值；以及

根据所述截断阈值与所述操作轨迹的频域特征确定所述操作轨迹是否为借助外挂产生的包括根据所述截断阈值与所述操作轨迹的第二频域的频域特征确定所述操作轨迹是否为借助外挂产生的。

11.根据权利要求10所述的方法，其中，所述第一频域中的频率低于所述第二频域中的频率。

12.一种数据处理装置，包括：

第一获取模块，用于获取用户操作时产生的操作轨迹的数据；

第一确定模块，用于根据所述操作轨迹的数据确定所述操作轨迹的频域特征；

第二确定模块，用于根据所述操作轨迹的频域特征确定截断阈值；以及

第三确定模块，用于根据所述截断阈值与所述操作轨迹的频域特征确定所述操作轨迹是否为借助外挂产生的。

13.根据权利要求12所述的装置，其中，所述操作轨迹包括至少一条操作子轨迹，所述装置还包括：

第二获取模块，用于获取所述至少一条操作子轨迹的数据；

第四确定模块，用于根据所述至少一条操作子轨迹的数据确定每条操作子轨迹的频域特征，得到所述每条操作子轨迹各自的频域特征；

第五确定模块，用于根据所述每条操作子轨迹各自的频域特征确定所述每条操作子轨迹各自的截断阈值；以及

第六确定模块，用于根据所述每条操作子轨迹各自的频域特征与所述每条操作子轨迹各自的截断阈值确定所述每条操作子轨迹是否为借助外挂产生的，从而确定所述操作轨迹是否为借助外挂产生的。

14.根据权利要求13所述的装置，其中，所述第四确定模块用于对所述至少一条操作子轨迹的数据进行快速傅里叶变换，得到每条操作子轨迹的频域特征。

15.根据权利要求13所述的装置，其中，所述第五确定模块包括：

第一确定单元，用于根据所述一条或多条操作子轨迹的数据确定产生所述每条操作子轨迹时所采用的操作模式；

分类单元，用于以所述操作模式是否相同为条件将所述至少一条操作子轨迹进行分类，得到不同操作模式的操作子轨迹组，其中，在同一操作子轨迹组中的操作子轨迹相应的操作模式相同；

第二确定单元，用于根据所述操作子轨迹组中的操作子轨迹的数据，确定所述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征；以及

第三确定单元，用于根据所述不同操作模式的操作子轨迹组中每一个操作子轨迹组的频域特征，确定所述每条操作子轨迹各自的截断阈值。

16.根据权利要求15所述的装置，其中，所述第三确定单元包括：

分区子单元，用于将所述每一个操作子轨迹组对应的频域至少分成第一频率区间和第二频率区间，其中，所述第一频率区间中的频率小于所述第二频率区间中的频率；

计算子单元，用于计算所述第一频率区间中的频率对应的直流分量；

统计子单元，用于将所述第一频率区间中的频率对应的直流分量进行累加统计，得到累加直流分量；以及

确定子单元，用于根据所述累加直流分量确定所述每条操作子轨迹的截断阈值。

17.根据权利要求13所述的装置，其中，所述装置还包括：

第三获取模块，用于在获取所述至少一条操作子轨迹的数据之前，获取所述用户的点击操作；以及

分割模块，用于根据所述点击操作分割所述用户操作时产生的操作轨迹，得到所述至少一条操作子轨迹。

18.根据权利要求13所述的装置，其中，所述第六确定模块包括：

增加单元，用于在确定所述操作子轨迹是借助外挂产生的情况下，增加所述操作轨迹是借助外挂产生的嫌疑指数；

计算单元，用于在所述每条操作子轨迹都被确定是否为借助外挂产生的之后，根据所述操作轨迹增加得到的嫌疑指数，计算所述操作轨迹最终得到的嫌疑指数；

比较单元，用于将所述操作轨迹最终得到的嫌疑指数与嫌疑阈值进行比较，得到比较结果；以及

第四确定单元，用于根据所述比较结果确定所述操作轨迹是否为借助外挂产生的。

19.根据权利要求18所述的装置，其中，所述装置还包括：

限制模块，用于在根据所述比较结果确定所述操作轨迹是借助外挂产生的情况下，对所述用户的后续操作进行限制。

20.根据权利要求18所述的装置，其中，所述装置还包括：

清除模块，用于在根据所述比较结果确定所述操作轨迹不是借助外挂产生的情况下，清除所述操作轨迹最终得到的嫌疑指数。

21.根据权利要求12所述的装置，其中，所述频域特征包括第一频域的频域特征和第二频域的频域特征，其中：

所述第二确定模块根据所述操作轨迹的频域特征确定截断阈值包括根据所述操作轨迹的第一频域的频域特征确定截断阈值；以及

所述第三确定模块根据所述截断阈值与所述操作轨迹的频域特征确定所述操作轨迹是否为借助外挂产生的包括根据所述截断阈值与所述操作轨迹的第二频域的频域特征确定所述操作轨迹是否为借助外挂产生的。

22.根据权利要求21所述的装置，其中，所述第一频域中的频率低于所述第二频域中的频率。

23.一种介质，存储有计算机可执行指令，所述指令在被处理单元执行时用于实现权利要求1至11中任一项所述的数据处理方法。

24.一种计算设备，包括：

处理单元；以及

存储单元，存储有计算机可执行指令，所述指令在被所述处理单元执行时用于实现权利要求1至11中任一项所述的数据处理方法。

Images