CN109304034A - 一种游戏作弊检测方法及相关设备 - Google Patents

Abstract

本申请实施例公开了一种游戏作弊检测方法及相关设备，包括：服务器接收用户设备发送的游戏数据；将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据；当所述游戏数据为所述异常数据时，确定所述用户设备存在游戏作弊的情况。采用本申请实施例，可以提高游戏作弊检测的准确性。

Description

一种游戏作弊检测方法及相关设备

技术领域

本申请涉及电子技术领域，尤其涉及一种游戏作弊检测方法及相关设备。

背景技术

以微信小游戏为代表的新一代游戏开发模式，一般都采用JavaScript开发，由微信平台提供基本的应用程序接口(Application Program Interface，API)支持。这种方式虽然开发比较简单，但由于JavaScript本身很容易被分析，无法给代码提供很好的保护，因此在用户设备上检测游戏作弊(如外挂)显得过于被动，检测代码很容易被分析对抗，造成游戏作弊检测不准确的问题。

发明内容

本申请实施例提供一种游戏作弊检测方法及相关设备。可以提高游戏作弊检测的准确性。

第一方面，本申请实施例提供了一种游戏作弊检测方法，包括：

服务器接收用户设备发送的游戏数据；

所述服务器将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据；

当所述游戏数据为所述异常数据时，所述服务器确定所述用户设备存在游戏作弊的情况。

其中，所述服务器将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据包括：

将所述游戏数据输入到所述预测模型中，确定所述游戏数据的分类概率；

根据所述分类概率，确定所述游戏数据是否为所述异常数据。

其中，所述根据所述分类概率，确定所述游戏数据是否为所述异常数据包括：

当所述分类概率大于预设阈值时，确定所述游戏数据为所述异常数据。

其中，所述服务器将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据包括：

确定所述游戏数据是否超出预设数据范围；

当所述游戏数据超出所述预设数据范围时，确定所述游戏数据为所述异常数据。

其中，所述当所述游戏数据为所述异常数据时，所述服务器确定所述用户设备存在游戏作弊的情况之后，还包括：

向所述用户设备发送警告信息，所述警告信息用于提醒用户禁止游戏作弊。

其中，所述当所述游戏数据为所述异常数据时，所述服务器确定所述用户设备存在游戏作弊的情况之后，还包括：

显示提示信息，所述提示信息用于指示用户对所述用户设备是否存在游戏作弊的情况进行人工审查。

其中，所述游戏数据包括游戏时长、鼠标移动轨迹、键盘输入数据、游戏暂停时长以及游戏触控数据中的至少一项。

第二方面，本申请实施例提供了一种游戏作弊检测方法，包括：

用户设备获取用户游戏时的游戏数据；

所述用户设备向服务器发送所述游戏数据，所述游戏数据用于指示所述服务器输入到已训练的预测模型中确定所述用户设备是否存在游戏作弊的情况。

其中，所述用户设备向服务器发送所述游戏数据包括：

按照预设的时间间隔向所述服务器发送所述游戏数据。

其中，所述用户设备向服务器发送所述游戏数据包括：

当所述游戏数据的数据大小超过预设阈值时，向所述服务器发送所述游戏数据。

其中，所述用户设备向服务器发送所述游戏数据之后，还包括：

接收所述服务器发送的告警信息；

显示所述告警信息，所述警告信息用于提醒用户禁止游戏作弊。

第三方面，本申请实施例提供了一种服务器，包括：

接收模块，用于接收用户设备发送的游戏数据；

处理模块，用于将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据；

所述处理模块，还用于当所述游戏数据为所述异常数据时，确定所述用户设备存在游戏作弊的情况。

其中，所述处理模块，还用于将所述游戏数据输入到所述预测模型中，确定所述游戏数据的分类概率；根据所述分类概率，确定所述游戏数据是否为所述异常数据。

其中，所述处理模块，还用于当所述分类概率大于预设阈值时，确定所述游戏数据为所述异常数据。

其中，所述处理模块，还用于确定所述游戏数据是否超出预设数据范围；当所述游戏数据超出所述预设数据范围时，确定所述游戏数据为所述异常数据。

其中，所述服务器还包括：发送模块，用于向所述用户设备发送警告信息，所述警告信息用于提醒用户禁止游戏作弊。

其中，所述服务器还包括：显示模块，用于显示提示信息，所述提示信息用于指示用户对所述用户设备是否存在游戏作弊的情况进行人工审查。

其中，所述游戏数据包括游戏时长、鼠标移动轨迹、键盘输入数据、游戏暂停时长以及游戏触控数据中的至少一项。

第四方面，本申请实施例提供了一种用户设备，包括：

获取模块，用于获取用户游戏时的游戏数据；

发送模块，用于向服务器发送所述游戏数据，所述游戏数据用于指示所述服务器输入到已训练的预测模型中确定所述用户设备是否存在游戏作弊的情况。

其中，所述发送模块，还用于按照预设的时间间隔向所述服务器发送所述游戏数据。

其中，所述发送模块，还用于当所述游戏数据的数据大小超过预设阈值时，向所述服务器发送所述游戏数据。

其中，所述用户设备还包括：

接收模块，用于接收所述服务器发送的告警信息；

显示模块，用于显示所述告警信息，所述警告信息用于提醒用户禁止游戏作弊。

第五方面，本申请实施例提供了一种电子设备，包括：处理器、存储器、通信接口和总线；

所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信；

所述存储器存储可执行程序代码；

所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行上述服务器所执行的方法。

第六方面，本申请实施例提供了一种电子设备，包括：处理器、存储器、通信接口和总线；

所述处理器、所述存储器和所述通信接口通过所述总线连接并完成相互间的通信；

所述存储器存储可执行程序代码；

所述处理器通过读取所述存储器中存储的可执行程序代码来运行与所述可执行程序代码对应的程序，以用于执行上述用户设备所执行的方法。

相应地，本申请实施例提供了一种存储介质，其中，所述存储介质用于存储应用程序，所述应用程序用于在运行时执行本申请实施例第一方面和第二方面公开的一种游戏作弊检测方法。

相应地，本申请实施例提供了一种应用程序，其中，所述应用程序用于在运行时执行本申请实施例第一方面和第二方面公开的一种游戏作弊检测方法。

实施本申请实施例，服务器首先接收用户设备发送的游戏数据；然后将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据；最后当所述游戏数据为所述异常数据时，确定所述用户设备存在游戏作弊的情况。通过将游戏数据上报给服务器进行检测，避免检测代码部署在用户设备的安全性问题，并通过大数据分析模型进行预测，提高了游戏作弊检测的准确性。

附图说明

为了更清楚地说明本申请实施例的技术方案，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。

图1是本申请实施例提出的一种游戏作弊检测系统的结构示意图；

图2是本申请实施例提供的一种游戏作弊检测方法的流程示意图；

图3是本申请实施例提供的另一种游戏作弊检测方法的流程示意图；

图4是本申请实施例提供的一种服务器的结构示意图；

图5是本申请实施例提供的一种用户设备的结构示意图；

图6是本申请实施例提出的一种电子设备的结构示意图；

图7是本申请实施例提出的另一种电子设备的结构示意图。

具体实施方式

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案进行清楚、完整地描述，显然，所描述的实施例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。

请参考图1，图1是本申请实施例提出的一种游戏作弊检测系统的结构示意图。该系统包括用户设备101以及服务器102，其中，用户设备101可以是指提供到用户的语音和/或数据连接的设备，也可以被连接到诸如膝上型计算机或台式计算机等的计算设备，或者其可以是诸如个人数字助理(Personal Digital Assistant，PDA)等的独立设备，例如手机、电视机等等。服务器102可以为能够提供数据分析的服务器，例如数据服务器、分析服务器等等。基于上述游戏作弊检测系统，本申请实施例提供的如下解决方案。

请参考图2，图2是本申请实施例提供的一种游戏作弊检测方法的流程示意图。本申请实施例中的步骤包括：

S201，服务器接收用户设备发送的游戏数据。

具体实现中，用户设备可以增加游戏数据上报模块，在检测到用户开始游戏之后，记录用户每次操作的游戏数据，并在游戏结束后，停止记录游戏数据，最后通过游戏数据上报模块向服务器发送游戏数据。游戏数据可以包括游戏时长、鼠标移动轨迹、键盘输入数据、游戏暂停时长以及游戏触控数据中的至少一项。其中，游戏触控数据包括在显示屏上的点击坐标、在显示屏上的按压时长以及每两次点击之间的时间间隔等等。

S202，所述服务器将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据。

具体实现中，可以将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据的分类概率；根据所述分类概率，确定所述游戏数据是否为所述异常数据。进一步的，当所述分类概率大于预设阈值时，确定所述游戏数据为所述异常数据。当所述分类概率不大于预设阈值时，确定所述游戏数据为正常数据。其中，预设阈值可以为70％或80％等等。

其中，在将游戏数据输入到已训练的预测模型中之前，可以将大量的游戏数据输入到待训练分类模型进行训练得到预测模型。其中，预测模型可以为卷积神经网络(Convolutional Neural Networks，CNN)分类模型。该CNN分类模型包括输入层、卷积层、池化层、全连接层和输出层。其中，卷积层和池化层的组合可以在隐藏层出现多次。CNN分类模型中包括已经训练好的模型参数，该模型参数包括各个卷积层的卷积核、各个卷积层的偏置矩阵以及全连接层的权重矩阵和全连接层的偏置向量等等。在预测过程中，可以首先将游戏数据输入到预测模块中，然后在各个卷积层上，使用各个卷积层的卷积核和偏置矩阵对每个待处理区域进行卷积操作和最大池化操作，提取游戏数据在各个卷积层上的数据特征。接着，使用全连接层的权重矩阵和偏置向量对游戏数据进行处理，得到分类概率。例如，当确定游戏数据为异常数据的分类概率大于预设阈值(如50％)时，则确定该游戏数据处于异常数据。在本申请实施例中，通过机器学习或深度学习的方式对游戏数据进行预测，可以提高游戏数据判断的准确性。

可选的，可以确定所述游戏数据是否超出预设数据范围；当所述游戏数据超出所述预设数据范围时，确定所述游戏数据为所述异常数据。例如，可以首先根据大部分用户在某个游戏关卡上的游戏数据，预设一个数据范围或设置一条正常数据曲线，当某个用户的游戏数据超出预设数据范围或者偏离正常数据曲线太多时，则说明该用户的游戏数据为异常数据。当某个用户的游戏数据没有超出预设数据范围或者分布在正常数据曲线周围时，则说明该用户的游戏数据为正常数据。

S203，当所述游戏数据为所述异常数据时，服务器确定所述用户设备存在游戏作弊的情况。

具体实现中，在服务器确定所述用户设备存在游戏作弊的情况之后，可以显示提示信息，如果确定所述用户设备不存在游戏作弊的情况，也可以显示提示信息，提示信息用于指示用户对所述用户设备是否存在游戏作弊的情况进行人工审查。通过结合服务器检测和人工检测的两种方式来对游戏作弊的情况进行检测，从而进一步提高了游戏作弊检测的准确性。

可选的，在服务器确定所述用户设备存在游戏作弊的情况之后，可以直接对该用户设备的游戏账号进行封号、禁赛等处罚。也可以向所述用户设备发送警告信息，所述警告信息用于提醒用户禁止游戏作弊。如果在进行下一次检测时，检测到该用户仍然存在游戏作弊的情况，则对该用户设备的游戏账号进行封号、禁赛等处罚。只有在等待时间超过预设时长时，才可以对该用户设备的游戏账号进行解禁。

在本申请实施例中，服务器首先接收用户设备发送的游戏数据；然后将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据；最后当所述游戏数据为所述异常数据时，确定所述用户设备存在游戏作弊的情况。通过将游戏数据上报给服务器进行检测，避免检测代码部署在用户设备的安全性问题，提高了游戏作弊检测的准确性。

请参考图3，图3是本申请实施例提供的另一种游戏作弊检测方法的流程示意图。本申请实施例中的步骤包括：

S301，用户设备向服务器发送用户游戏时的游戏数据。

具体实现中，用户设备可以增加游戏数据上报模块，在检测到用户开始游戏之后，记录用户每次操作的游戏数据，并在游戏结束后，停止记录游戏数据，最后通过游戏数据上报模块向服务器发送游戏数据。游戏数据可以包括游戏时长、鼠标移动轨迹、键盘输入数据、游戏暂停时长以及游戏触控数据中的至少一项。其中，游戏触控数据包括在显示屏上的点击坐标、在显示屏上的按压时长以及每两次点击之间的时间间隔等等。

可选的，用户设备可以按照预设的时间间隔向所述服务器发送所述游戏数据。从而可以减少服务器检测游戏作弊的频次，保证服务器正常运行。其中，预设的时间间隔可以为一天或12个小时。

可选的，当所述游戏数据的数据大小超过预设阈值时，向所述服务器发送所述游戏数据。从而可以减少服务器检测游戏作弊的频次，保证服务器正常运行。

302，服务器将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据。

具体实现中，可以将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据的分类概率；根据所述分类概率，确定所述游戏数据是否为所述异常数据。进一步的，当所述分类概率大于预设阈值时，确定所述游戏数据为所述异常数据。当所述分类概率不大于预设阈值时，确定所述游戏数据为正常数据。其中，预设阈值可以为70％或80％等等。

其中，在将游戏数据输入到已训练的预测模型中之前，可以将大量的游戏数据输入到待训练分类模型进行训练得到预测模型。其中，预测模型可以为卷积神经网络(Convolutional Neural Networks，CNN)分类模型。该CNN分类模型包括输入层、卷积层、池化层、全连接层和输出层。其中，卷积层和池化层的组合可以在隐藏层出现多次。CNN分类模型中包括已经训练好的模型参数，该模型参数包括各个卷积层的卷积核、各个卷积层的偏置矩阵以及全连接层的权重矩阵和全连接层的偏置向量等等。在预测过程中，可以首先将游戏数据输入到预测模块中，然后在各个卷积层上，使用各个卷积层的卷积核和偏置矩阵对每个待处理区域进行卷积操作和最大池化操作，提取游戏数据在各个卷积层上的数据特征。接着，使用全连接层的权重矩阵和偏置向量对游戏数据进行处理，得到分类概率。例如，当确定游戏数据为异常数据的分类概率大于预设阈值(如50％)时，则确定该游戏数据处于异常数据。在本申请实施例中，通过机器学习或深度学习的方式对游戏数据进行预测，可以提高游戏数据判断的准确性。

可选的，可以确定所述游戏数据是否超出预设数据范围；当所述游戏数据超出所述预设数据范围时，确定所述游戏数据为所述异常数据。例如，可以首先根据大部分用户在某个游戏关卡上的游戏数据，预设一个数据范围或设置一条正常数据曲线，当某个用户的游戏数据超出预设数据范围或者偏离正常数据曲线太多时，则说明该用户的游戏数据为异常数据。当某个用户的游戏数据没有超出预设数据范围或者分布在正常数据曲线周围时，则说明该用户的游戏数据为正常数据。

S303，当所述游戏数据为所述异常数据时，所述服务器确定所述用户设备存在游戏作弊的情况。

具体实现中，在服务器确定所述用户设备存在游戏作弊的情况之后，可以显示提示信息，如果确定所述用户设备不存在游戏作弊的情况，也可以显示提示信息，提示信息用于指示用户对所述用户设备是否存在游戏作弊的情况进行人工审查。通过结合服务器检测和人工检测的两种方式来对游戏作弊的情况进行检测，从而进一步提高了游戏作弊检测的准确性。

可选的，在服务器确定所述用户设备存在游戏作弊的情况之后，可以直接对该用户设备的游戏账号进行封号、禁赛等处罚。如果在进行下一次检测时，检测到该用户仍然存在游戏作弊的情况，则对该用户设备的游戏账号进行封号、禁赛等处罚。只有在等待时间超过预设时长时，才可以对该用户设备的游戏账号进行解禁。

S304，服务器向用户设备发送警告信息。所述警告信息用于提醒用户禁止游戏作弊。其中，警告信息可以包括游戏作弊的后果，例如封号、禁赛等处罚。用户设备接收到警告信息，可以显示该警告信息。服务器在确定该用户设备存在游戏作弊的情况之后，可以缩短检测周期，对该用户设备的游戏数据重新进行检测，避免在提醒用户之后仍然存在游戏作弊的情况。

在本申请实施例中，服务器首先接收用户设备发送的游戏数据；然后将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据；最后当所述游戏数据为所述异常数据时，确定所述用户设备存在游戏作弊的情况。通过将游戏数据上报给服务器进行检测，避免检测代码部署在用户设备的安全性问题，并通过大数据分析模型进行预测，提高了游戏作弊检测的准确性。

请参考图4，图4是本申请实施例提供的一种服务器的结构示意图。本申请实施例中的服务器包括接收模块401、处理模块402、显示模块403以及发送模块404，其中：

接收模块401，用于接收用户设备发送的游戏数据。

具体实现中，用户设备可以增加游戏数据上报模块，在检测到用户开始游戏之后，记录用户每次操作的游戏数据，并在游戏结束后，停止记录游戏数据，最后通过游戏数据上报模块向服务器发送游戏数据。游戏数据可以包括游戏时长、鼠标移动轨迹、键盘输入数据、游戏暂停时长以及游戏触控数据中的至少一项。其中，游戏触控数据包括在显示屏上的点击坐标、在显示屏上的按压时长以及每两次点击之间的时间间隔等等。

处理模块402，用于将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据。

具体实现中，可以将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据的分类概率；根据所述分类概率，确定所述游戏数据是否为所述异常数据。进一步的，当所述分类概率大于预设阈值时，确定所述游戏数据为所述异常数据。当所述分类概率不大于预设阈值时，确定所述游戏数据为正常数据。其中，预设阈值可以为70％或80％等等。

其中，在将游戏数据输入到已训练的预测模型中之前，可以将大量的游戏数据输入到待训练分类模型进行训练得到预测模型。其中，预测模型可以为卷积神经网络(Convolutional Neural Networks，CNN)分类模型。该CNN分类模型包括输入层、卷积层、池化层、全连接层和输出层。其中，卷积层和池化层的组合可以在隐藏层出现多次。CNN分类模型中包括已经训练好的模型参数，该模型参数包括各个卷积层的卷积核、各个卷积层的偏置矩阵以及全连接层的权重矩阵和全连接层的偏置向量等等。在预测过程中，可以首先将游戏数据输入到预测模块中，然后在各个卷积层上，使用各个卷积层的卷积核和偏置矩阵对每个待处理区域进行卷积操作和最大池化操作，提取游戏数据在各个卷积层上的数据特征。接着，使用全连接层的权重矩阵和偏置向量对游戏数据进行处理，得到分类概率。例如，当确定游戏数据为异常数据的分类概率大于预设阈值(如50％)时，则确定该游戏数据处于异常数据。在本申请实施例中，通过机器学习或深度学习的方式对游戏数据进行预测，可以提高游戏数据判断的准确性。

可选的，可以确定所述游戏数据是否超出预设数据范围；当所述游戏数据超出所述预设数据范围时，确定所述游戏数据为所述异常数据。例如，可以首先根据大部分用户在某个游戏关卡上的游戏数据，预设一个数据范围或设置一条正常数据曲线，当某个用户的游戏数据超出预设数据范围或者偏离正常数据曲线太多时，则说明该用户的游戏数据为异常数据。当某个用户的游戏数据没有超出预设数据范围或者分布在正常数据曲线周围时，则说明该用户的游戏数据为正常数据。

处理模块402，还用于当所述游戏数据为所述异常数据时，确定所述用户设备存在游戏作弊的情况。

可选的，显示模块403，用于显示提示信息，提示信息用于指示用户对所述用户设备是否存在游戏作弊的情况进行人工审查。通过结合服务器检测和人工检测的两种方式来对游戏作弊的情况进行检测，从而进一步提高了游戏作弊检测的准确性。

可选的，发送模块404，用于向所述用户设备发送警告信息，所述警告信息用于提醒用户禁止游戏作弊。在服务器确定所述用户设备存在游戏作弊的情况之后，也可以直接对该用户设备的游戏账号进行封号、禁赛等处罚。如果在进行下一次检测时，检测到该用户仍然存在游戏作弊的情况，则对该用户设备的游戏账号进行封号、禁赛等处罚。只有在等待时间超过预设时长时，才可以对该用户设备的游戏账号进行解禁。

请参考图5，图5是本申请实施例提供的一种用户设备的结构示意图。本申请实施例中的用户设备可以包括获取模块501、发送模块502、接收模块503以及显示模块504，其中：

获取模块501，用于获取用户游戏时的游戏数据。

具体实现中，用户设备可以增加游戏数据上报模块，在检测到用户开始游戏之后，记录用户每次操作的游戏数据，并在游戏结束后，停止记录游戏数据。游戏数据可以包括游戏时长、鼠标移动轨迹、键盘输入数据、游戏暂停时长以及游戏触控数据中的至少一项。其中，游戏触控数据包括在显示屏上的点击坐标、在显示屏上的按压时长以及每两次点击之间的时间间隔等等。

发送模块502，用于向服务器发送所述游戏数据，所述游戏数据用于指示所述服务器输入到已训练的预测模型中确定所述用户设备是否存在游戏作弊的情况。

具体实现中，用户设备可以在检测到用户设备停止游戏之后，向服务器发送所述游戏数据。服务器接收到游戏数据之后，将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据，当所述游戏数据为所述异常数据时，确定所述用户设备存在游戏作弊的情况。

可选的，用户设备可以按照预设的时间间隔向所述服务器发送所述游戏数据。从而可以减少服务器检测游戏作弊的频次，保证服务器正常运行。其中，预设的时间间隔可以为一天或12个小时。

可选的，当所述游戏数据的数据大小超过预设阈值时，用户设备可以向所述服务器发送所述游戏数据，从而可以减少服务器检测游戏作弊的频次，保证服务器正常运行。

可选的，接收模块503，用于接收所述服务器发送的告警信息；显示模块504，用于显示所述告警信息，所述警告信息用于提醒用户禁止游戏作弊。

请参考图6，图6是本申请实施例提出的一种电子设备的结构示意图。如图所示，该电子设备可以包括：至少一个处理器601，例如CPU，至少一个通信接口602，至少一个存储器603，至少一个总线604。其中，总线604用于实现这些组件之间的连接通信。其中，本申请实施例中电子设备的通信接口602是有线发送端口，也可以为无线设备，例如包括天线装置，用于与其他节点设备进行信令或数据的通信。存储器603可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器603可选的还可以是至少一个位于远离前述处理器601的存储装置。存储器603中存储一组程序代码，且处理器601用于调用存储器中存储的程序代码，用于执行以下操作：

接收用户设备发送的游戏数据；

将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据；

当所述游戏数据为所述异常数据时，确定所述用户设备存在游戏作弊的情况。

其中，处理器601还用于执行如下操作步骤：

将所述游戏数据输入到所述预测模型中，确定所述游戏数据的分类概率；

根据所述分类概率，确定所述游戏数据是否为所述异常数据。

其中，处理器601还用于执行如下操作步骤：

当所述分类概率大于预设阈值时，确定所述游戏数据为所述异常数据。

其中，处理器601还用于执行如下操作步骤：

确定所述游戏数据是否超出预设数据范围；

当所述游戏数据超出所述预设数据范围时，确定所述游戏数据为所述异常数据。

其中，处理器601还用于执行如下操作步骤：

向所述用户设备发送警告信息，所述警告信息用于提醒用户禁止游戏作弊。

其中，处理器601还用于执行如下操作步骤：

显示提示信息，所述提示信息用于指示用户对所述用户设备是否存在游戏作弊的情况进行人工审查。

其中，所述游戏数据包括游戏时长、鼠标移动轨迹、键盘输入数据、游戏暂停时长以及游戏触控数据中的至少一项。

请参考图7，图7是本申请实施例提出的另一种电子设备的结构示意图。如图所示，该电子设备可以包括：至少一个处理器701，例如CPU，至少一个通信接口702，至少一个存储器703，至少一个总线704。其中，总线704用于实现这些组件之间的连接通信。其中，本申请实施例中电子设备的通信接口702是有线发送端口，也可以为无线设备，例如包括天线装置，用于与其他节点设备进行信令或数据的通信。存储器703可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。存储器703可选的还可以是至少一个位于远离前述处理器701的存储装置。存储器703中存储一组程序代码，且处理器701用于调用存储器中存储的程序代码，用于执行以下操作：

用户设备获取用户游戏时的游戏数据；

所述用户设备向服务器发送所述游戏数据，所述游戏数据用于指示所述服务器确定所述用户设备是否存在游戏作弊的情况。

其中，处理器701还用于执行如下操作步骤：

按照预设的时间间隔向所述服务器发送所述游戏数据。

其中，处理器701还用于执行如下操作步骤：

当所述游戏数据的数据大小超过预设阈值时，向所述服务器发送所述游戏数据。

其中，处理器701还用于执行如下操作步骤：

接收所述服务器发送的告警信息；

显示所述告警信息，所述警告信息用于提醒用户禁止游戏作弊。

需要说明的是，本申请实施例同时也提供了一种存储介质，该存储介质用于存储应用程序，该应用程序用于在运行时执行图2和图3所示的一种游戏作弊检测方法中电子设备执行的操作。

需要说明的是，本申请实施例同时也提供了一种应用程序，该应用程序用于在运行时执行图2和图3所示的一种游戏作弊检测方法中电子设备执行的操作。

需要说明的是，对于前述的各个方法实施例，为了简单描述，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，本申请并不受所描述的动作顺序的限制，因为依据本申请，某一些步骤可以采用其他顺序或者同时进行。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是本申请所必须的。

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细描述的部分，可以参见其他实施例的相关描述。

本领域普通技术人员可以理解上述实施例的各种方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括：闪存盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取器(英文：Random Access Memory，简称：RAM)、磁盘或光盘等。

以上对本申请实施例所提供的内容下载方法及相关设备、系统进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本申请的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本申请的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式光盘只读存储器(CDROM)。另外，计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序，然后将其存储在计算机存储器中。

应当理解，本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本申请各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。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，也可以存储在一个计算机可读取存储介质中。

上述提到的存储介质可以是只读存储器，磁盘或光盘等。尽管上面已经示出和描述了本申请的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本申请的限制，本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。

Claims (10)

1.一种游戏作弊检测方法，其特征在于，所述方法包括：

服务器接收用户设备发送的游戏数据；

所述服务器将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据；

当所述游戏数据为所述异常数据时，所述服务器确定所述用户设备存在游戏作弊的情况。

2.如权利要求1所述的方法，其特征在于，所述服务器将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据包括：

将所述游戏数据输入到所述预测模型中，确定所述游戏数据的分类概率；

根据所述分类概率，确定所述游戏数据是否为所述异常数据。

3.如权利要求2所述的方法，其特征在于，所述根据所述分类概率，确定所述游戏数据是否为所述异常数据包括：

当所述分类概率大于预设阈值时，确定所述游戏数据为所述异常数据。

4.如权利要求1所述的方法，其特征在于，所述将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据包括：

确定所述游戏数据是否超出预设数据范围；

当所述游戏数据超出所述预设数据范围时，确定所述游戏数据为所述异常数据。

5.如权利要求1所述的方法，其特征在于，所述当所述游戏数据为所述异常数据时，所述服务器确定所述用户设备存在游戏作弊的情况之后，还包括：

向所述用户设备发送警告信息，所述警告信息用于提醒用户禁止游戏作弊。

6.如权利要求1所述的方法，其特征在于，所述当所述游戏数据为所述异常数据时，所述服务器确定所述用户设备存在游戏作弊的情况之后，还包括：

显示提示信息，所述提示信息用于指示用户对所述用户设备是否存在游戏作弊的情况进行人工审查。

7.如权利要求1-6任一项所述的方法，其特征在于，所述游戏数据包括游戏时长、鼠标移动轨迹、键盘输入数据、游戏暂停时长以及游戏触控数据中的至少一项。

8.一种游戏作弊检测方法，其特征在于，所述方法包括：

用户设备获取用户游戏时的游戏数据；

所述用户设备向服务器发送所述游戏数据，所述游戏数据用于指示所述服务器输入到已训练的预测模型中确定所述用户设备是否存在游戏作弊的情况。

9.一种服务器，其特征在于，所述方法包括：

接收模块，用于接收用户设备发送的游戏数据；

处理模块，用于将所述游戏数据输入到已训练的预测模型中，确定所述游戏数据是否为异常数据；

所述处理模块，还用于当所述游戏数据为所述异常数据时，确定所述用户设备存在游戏作弊的情况。

10.一种用户设备，其特征在于，所述用户设备包括：

获取模块，用于获取用户游戏时的游戏数据；

发送模块，用于向服务器发送所述游戏数据，所述游戏数据用于指示所述服务器输入到已训练的预测模型中确定所述用户设备是否存在游戏作弊的情况。