CN113591898B - 游戏中账号的分类方法、装置及电子设备 - Google Patents
游戏中账号的分类方法、装置及电子设备 Download PDFInfo
- Publication number
- CN113591898B CN113591898B CN202110628728.9A CN202110628728A CN113591898B CN 113591898 B CN113591898 B CN 113591898B CN 202110628728 A CN202110628728 A CN 202110628728A CN 113591898 B CN113591898 B CN 113591898B
- Authority
- CN
- China
- Prior art keywords
- user account
- information
- category
- current user
- game
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012545 processing Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 description 12
- 238000013507 mapping Methods 0.000 description 7
- 230000000903 blocking effect Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000004904 shortening Methods 0.000 description 3
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000013145 classification model Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- 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
- A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Multimedia (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Computer Security & Cryptography (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种游戏中账号的分类方法、装置及电子设备,所述方法包括:获取当前用户账号在登录游戏客户端时的设备信息和登录时间;根据设备信息和登录时间,获取与当前用户账号相似的目标用户账号;根据各目标用户账号,获取各目标用户账号的初始评分,初始评分根据目标用户账号对应的特征信息确定;对各初始评分进行加权,得到当前用户账号的特征评分;根据特征评分确定当前用户账号的最终类别。
Description
技术领域
本申请涉及计算机技术领域,特别涉及一种游戏中账号的分类方法、装置及电子设备。
背景技术
用户在游戏过程中,会通过发布信息进行交流。然而在大量的发布信息中,不可避免地会出现恶意用户发布的拉人信息,所述拉人信息利用高福利等诱饵,对用户进行诱惑拉拢。一方面,这些恶意用户在游戏内长时间刷屏,严重影响了正常用户的游戏体验;另一方面,如果用户被拉去其他游戏平台,将会增加用户的流失率,降低网站流量。为此,相关技术中,通过将玩家的当前账户在当前游戏中的特征信息,如聊天信息,充值信息等进行提取后代入分类模型,获取当前账户的类别,从而根据当前账户的类别确定是否需要对当前账户进行封禁。
然而,相关技术需要获取较长时段的特征信息后才能较为准确地确定当前用户账号的类别,导致无法及时确定玩家是否为恶意玩家。
发明内容
本申请的目的在于至少解决现有技术中存在的技术问题之一,提供一种游戏中账号的分类方法、装置以及电子设备,缩短对当前账户的分类时间。
第一方面,本申请实施例提供一种游戏中账号的分类方法,包括:
获取当前用户账号在登录游戏客户端时的设备信息和登录时间;
根据所述设备信息和所述登录时间,获取与所述当前用户账号相似的目标用户账号;
根据各所述目标用户账号,获取各所述目标用户账号的初始评分,所述初始评分根据所述目标用户账号对应的特征信息确定;
对各所述初始评分进行加权,得到所述当前用户账号的特征评分;
根据所述特征评分确定所述当前用户账号的最终类别。
考虑到在游戏中,处于高风险类别,即需要进行封禁的用户账号大部分为新注册的用户账号,而在对新注册的用户账号进行处理时,其单一用户账号的特征信息样本较少,因此通过设备信息和登录时间聚类关联多个目标用户账号,并将多个目标用户账号的初始评分相加的方式,获取当前用户账号的最终得分以确定当前用户账号的类别,无需获取玩家较长时段的特征信息即可快速确定当前用户账号的类别,从而缩短对当前账户的分类时间,提高用户账号的分类效率。且考虑到恶意玩家通常会使用多个账号在同一设备上进行频繁的登录切换,因此通过登录时间和设备信息来确定关联的目标用户账号,提高目标用户账号与当前用户账号的相关度,从而能够使当前用户账号的分类结果更加准确。
进一步的,获取当前用户账号在登录游戏客户端时的关联信息,包括:
检测所述当前用户账号的初始类别,并在检测到所述初始类别不为预设类别时,获取所述关联信息,其中,所述初始类别根据所述当前用户账号对应的特征信息的初始评分确定。
进一步的,还包括:
在检测到所述初始类别为所述预设类别时,将所述初始类别标记为所述当前用户账号的最终类别。
进一步的,在检测到所述初始类别不为预设类别时,获取当前用户账号在登录游戏客户端时的关联信息,包括:
在检测到所述初始类别不为预设类别时,检测所述当前用户账号的在线总时长,并在所述在线总时长低于预设时长时,获取当前用户账号在登录游戏客户端时的关联信息。
进一步的,还包括:
当所述在线总时长不低于所述预设时长时,将所述初始类别标记为所述当前用户账号的最终类别。
进一步的,根据所述设备信息和所述登录时间,获取与所述当前用户账号相似的目标用户账号,包括:
根据所述设备信息,获取与所述当前用户账号相似的多个待选用户账号;
根据所述登录信息,从各所述待选用户账号中,选取与所述当前用户账号相似的多个所述目标用户账号。
进一步的,根据各所述目标用户账号,获取各所述目标用户账号的初始评分,包括:
将所述目标用户账号对应的所述特征信息,与多个预设分箱区间进行匹配,从多个所述预设分箱区间中获取与所述特征信息对应的目标分箱区间;
根据所述目标分箱区间,确定所述目标用户账号的初始评分。
进一步的,所述特征信息根据所述目标用户账号从游戏日志中提取。
第二方面,在本申请实施例中,还提供了一种游戏中账号的分类装置,包括:
信息获取模块,用于获取当前用户账号在登录游戏客户端时的设备信息和登录时间;
信息匹配模块,用于根据所述设备信息和所述登录时间,获取与所述当前用户账号相似的目标用户账号;
评分获取模块,用于根据各所述目标用户账号,获取各所述目标用户账号的初始评分,所述初始评分根据所述目标用户账号对应的特征信息确定;
评分处理模块,用于对各所述初始评分进行加权,得到所述当前用户账号的特征评分;
类别确定模块,用于根据所述特征评分确定所述当前用户账号的最终类别。
第三方面,本申请实施例提供一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现如上述实施例所述的游戏中账号的分类方法。
第四方面,本申请实施例提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行如上述实施例所述的游戏中账号的分类方法。
附图说明
下面结合附图和实施例对本申请进一步地说明;
图1为一个实施例中游戏中账号的分类方法的应用环境图;
图2为一个实施例中游戏中账号的分类方法的流程示意图;
图3为一个实施例中游戏中账号的分类装置的结构框图;
图4为一个实施例中计算机设备的结构框图。
具体实施方式
本部分将详细描述本申请的具体实施例,本申请之较佳实施例在附图中示出,附图的作用在于用图形补充说明书文字部分的描述,使人能够直观地、形象地理解本申请的每个技术特征和整体技术方案,但其不能理解为对本申请保护范围的限制。
用户在游戏过程中,会通过发布信息进行交流。然而在大量的发布信息中,不可避免地会出现恶意用户发布的拉人信息,所述拉人信息利用高福利等诱饵,对用户进行诱惑拉拢。一方面,这些恶意用户在游戏内长时间刷屏,严重影响了正常用户的游戏体验;另一方面,如果用户被拉去其他游戏平台,将会增加用户的流失率,降低网站流量。为此,相关技术中,通过将玩家的当前账户在当前游戏中的特征信息,如聊天信息,充值信息等进行提取后代入类别模型,获取当前账户的类别,从而根据当前账户的类别确定是否需要对当前账户进行封禁。
然而,考虑到处于高风险类别,即需要进行封禁的用户账号大部分为新注册的用户账号,而在对新注册的用户账号进行处理时,由于信息样本较少,因此需要获取较长时段的特征信息后才能较为准确地关联对应的类别,耗费时间较长,导致无法及时确定玩家是否为恶意玩家,而需要封禁的用户账号已经发送了大量的恶意信息,此时再确定用户账号的类别意义已经不大。
为了解决上述技术问题,在一实施例中,提供一种游戏中账号的分类方法,本实施例以该方法应用于一种游戏中账号的分类系统中的服务器来举例说明。如图1所示,是一个实施例中游戏中账号的分类方法的应用环境图。参照图1,该系统包括终端110和服务器120。终端110和本地服务器120通过网络连接。终端110具体可以是台式终端或移动终端移动终端可以是手机、平板电脑、笔记本电脑、可穿戴设备等中的一种。服务器120可以用独立的服务器或者是多个服务器组成的服务器群来实现,还可以是提供云服务、云信息库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、CDN、以及大信息和人工智能平台等基础云计算服务的云服务器。终端110上运行有游戏客户端,游戏客户端与服务器对应同一网络游戏的应用程序。游戏客户端用于向服务器发送登录该游戏客户端的当前用户账号,以及当前用户账号在登录游戏客户端时的关联信息。其中关联信息包括登录时间和运行游戏客户端的终端设备的设备信息。服务器用于在获取关联信息后,将关联信息与多个用户账号的第二关联信息进行匹配,以从各第二关联信息中获取多个目标关联信息后,根据目标关联信息从多个用户账号中提取目标用户信息,并根据各目标用户账号的特征信息确定当前用户账号的类别。
考虑到在游戏中,处于高风险类别,即需要进行封禁的用户账号大部分为新注册的用户账号,而在对新注册的用户账号进行处理时,其单一用户账号的特征信息样本较少,因此通过设备信息和登录时间聚类关联多个目标用户账号,并将多个目标用户账号的初始评分相加的方式,获取当前用户账号的最终得分以确定当前用户账号的类别,无需获取玩家较长时段的特征信息即可快速确定当前用户账号的类别,从而缩短对当前账户的分类时间,提高用户账号的分类效率。且考虑到恶意玩家通常会使用多个账号在同一设备上进行频繁的登录切换,因此通过登录时间和设备信息来确定关联的目标用户账号,提高目标用户账号与当前用户账号的相关度,从而能够使当前用户账号的分类结果更加准确。
下面,将通过几个具体的实施例对本申请实施例提供的游戏中账号的分类方法进行详细介绍和说明。
如图2所示,在一个实施例中,提供了一种游戏中账号的分类方法。本实施例主要以该方法应用于计算机设备来举例说明。该计算机设备具体可以是上述图1中的服务器120。
参照图2,该游戏中账号的分类方法具体包括如下步骤:
S11、获取当前用户账号在登录游戏客户端时的设备信息和登录时间。
在一实施例中,服务器通过运行有游戏客户端的终端来接收游戏客户端发送的设备信息和登录时间。其中,游戏客户端可以是网络游戏的客户端。当前用户账号用于标识出用户身份,通常可由数字、字母、符号和文字中的至少一种字符组成,可以是游戏ID。登录时间是指当前用户账号在登录游戏客户端时的具体时间,设备信息可以是SIM卡串号或终端设备串号。该类信息具有不可更改的特点,在作为获取目标用户账号的依据时,可靠性较高。
S12、根据所述设备信息和所述登录时间,获取与所述当前用户账号相似的目标用户账号。
在一实施例中,在玩家通过当前用户账号登录游戏客户端时,服务器获取当前用户账号登录时的登录时间,从待分析的所有用户账号中获取与该当前用户账号具有相似登录时间的多个用户账号,存入第一集合中。然后从待分析的所有用户账号中获取与该当前用户账号具有相同设备信息的多个用户账号,存入第二集合中。获取第一集合和第二集合的交集中的各用户账号作为各目标用户账号。
示例性的,从所有的用户账号中获取与该当前用户账号具有相似登录时间的多个用户账号,可以是在当前用户账号的登录时间,与待分析的用户账号的登录时间之间的时间差在预设的时长内,如60分钟内时,则判断当前用户账号的登录时间,与用户账号的登录时间相似。
在一实施例中,还可以根据设备信息和登录时间生成当前用户账号的特征向量,再基于相同的向量转换方式,获取待分析的所有用户账号的特征向量,计算当前用户账号的特征向量与待分析的用户账号的特征向量之间的相似度,从而获取到相似度大于预设阈值的用户账号作为目标用户账号。
S13、根据各目标用户账号,获取各目标用户账号的初始评分,初始评分根据目标用户账号对应的特征信息确定。
其中,特征信息包括聊天次数信息、私聊人数信息、聊天偏好信息、游戏特征信息、充值特征信息、聊天文本信息、历史在线时间信息、游戏类别信息、战力信息、社交特征信息、登录特征信息等信息类型中的至少一种。
在一实施例中,每个目标用户账号对应获取的特征信息的信息类型是一致的,即若根据某个目标用户账号对应获取的特征信息的信息类型为聊天次数信息、私聊人数信息和聊天偏好信息,则根据其余目标用户账号对应获取的特征信息的信息类型同样为聊天次数信息、私聊人数信息和聊天偏好信息。特征信息的初始评分通过组成特征信息的每个信息类型的信息对应的评分加权后得到。如当目标特征信息由聊天次数信息、私聊人数信息和聊天偏好信息组成时,其对应的初始评分通过聊天次数信息的评分、私聊人数信息的评分和聊天偏好信息的评分加权后得到;当特征信息由聊天次数信息组成时,其对应的初始评分为聊天次数信息的评分。
考虑到客户端在运行时,服务器生成的游戏日志中通常会包含特征信息,因此获取各目标用户账号的特征信息,可从服务器生成的游戏日志中直接提取各目标用户账号的特征信息,无需重新进行数据监控。提取各目标用户账号的特征信息后,将各目标用户账号的特征信息输入预设的评分模型,即可确定各目标用户账号的初始评分。
在一实施例中,服务器预设有特征信息与初始评分的正则关系表或者映射关系表,如以特征信息为聊天次数信息为例,聊天次数信息为5次的对应分数为5分。同时,正则关系表或者映射关系表还记录有每个特征信息对应的特征权重。其中,特征信息与初始评分的正则关系或者映射关系,可根据实际需求进行预先设置。上述为特征信息为包含一种信息类型的情况,可以理解的,当特征信息包含多种信息类型,其对应的初始评分为各信息类型在正则关系表或者映射关系表中的初始评分,其对应的特征权重为各信息类型在正则关系表或者映射关系表中的特征权重。
S14、对各初始评分进行加权,得到当前用户账号的特征评分。
在一实施例中,从正则关系表或者映射关系表获取每个目标用户账号对应的初始评分后,根据各目标用户账号的初始评分以及对应的特征权重进行加权,即可获取当前用户账号的特征评分。
S15、根据特征评分确定当前用户账号的最终类别。
在一实施例中,服务器预设有特征评分区间与类别的预设关系,如特征评分小于12分的,类别为1类,特征评分大于12分的,类别为2类。其中,特征评分区间的数量和具体区间数值可根据实际需求进行预先设置,特征评分区间与类别的预设关系同样可根据实际需求进行预先设置。特征评分区间与类别的预设关系可以是一一对应的关系,即一个特征评分区间可对应同一个类别;也可以是多对一的对应关系,即多个特征评分区间可对应同一个类别。
在获取到当前用户账号的特征评分后,根据特征评分匹配对应的特征评分区间,即可基于匹配到的特征评分区间确定特征评分对应的类别,从而取得当前用户账号的类别。当该类别为预设的封禁类别时,则将该当前用户账号进行封禁。示例性的,设置得分小于12分的类别为1类,得分大于12分的类别为2类,预设的封禁类别为2类。若当前用户账号的类别为2类时,则对该当前用户账号进行封禁处理。
考虑到在游戏中,处于高风险类别,即需要进行封禁的用户账号大部分为新注册的用户账号,而在对新注册的用户账号进行处理时,其单一用户账号的特征信息样本较少,因此通过设备信息和登录时间聚类关联多个目标用户账号,并将多个目标用户账号的初始评分相加的方式,获取当前用户账号的最终得分以确定当前用户账号的类别,无需获取玩家较长时段的特征信息即可快速确定当前用户账号的类别,从而缩短对当前账户的分类时间,提高用户账号的分类效率。且考虑到恶意玩家通常会使用多个账号在同一设备上进行频繁的登录切换,因此通过登录时间和设备信息来确定关联的目标用户账号,提高目标用户账号与当前用户账号的相关度,从而能够使当前用户账号的分类结果更加准确。
为节省处理时间,进一步提高对当前用户账号的类别关联速度,在一实施例中,对于S11,包括:
检测当前用户账号的初始类别,并在检测到初始类别为非预设类别时,获取当前用户账号在登录游戏客户端时的关联信息,其中,初始类别根据当前用户账号对应的特征信息的初始评分确定;在检测到初始类别为预设类别时,将初始类别标记为当前用户账号的最终类别。
在一实施例中,服务器在获取关联信息之前,先获取当前用户账号的特征信息,根据当前用户账号的特征信息从正则关系表或者映射关系表中获取当前用户账号对应的初始评分,根据初始评分与类别的预设关系,确定当前用户账号的初始类别。若该初始类别不为预设类别,则获取当前用户账号在登录游戏客户端时的关联信息。若该初始类别为预设类别,则直接将初始类别作为最终类别,同时结束对当前用户账号的类别关联处理流程。其中,非预设类别为非封禁类别,即处于非预设类别的当前用户账号不进行封禁处理。
考虑到到处于高类别,即需要进行封禁的用户账号大部分为新注册的用户账号,因此为节省针对非新注册的用户账号的运算资源,在一实施例中,在检测到所述初始类别为非预设类别时,获取当前用户账号在登录游戏客户端时的关联信息,包括:在检测到初始类别为非预设类别时,检测当前用户账号的在线总时长,并在在线总时长低于预设时长时,获取当前用户账号在登录游戏客户端时的关联信息;当在线总时长不低于预设时长时,将初始类别标记为当前用户账号的最终类别。
其中,预设时长可根据实际需求进行预先设置。在线总时长可以指当前用户账号在预设时段内的在线总时长,可根据实际需求进行预先设置。示例性的,该预设时段可以是当前用户账号的注册时长。
在一实施例中,对于S12,包括:根据设备信息,获取与当前用户账号相似的多个待选用户账号;根据登录信息,从各待选用户账号中,选取与当前用户账号相似的多个目标用户账号。
考虑到关联账号通常是通过统一终端进行登录的,因此可先通过设备信息对各用户账号进行初步筛选,从各用户账号中先选取多个待选用户账号,再对多个待选用户账号根据关联信息中的登录时间进行目标用户账号的选取。此时,当各用户账号中存在关联有不同设备信息的用户账号时,能够预先筛除一部分的用户账号,从而减少根据关联信息中的登录时间进行目标用户账号的选取时的运算量。
示例性的,可以通过从待分析的所有用户账号中,获取与当前用户账号具有相同设备信息的多个用户账号作为多个待选用户账号。然后从多个待选用户账号中,获取获取与该当前用户账号具有相似登录时间的各待选用户账号作为各目标用户账号。
示例性的,还可以根据当前用户账号的设备信息,获取表示设备信息的特征向量,再基于相同的向量转换方式,对待分析的所有用户账号的设备信息进行转换,获取待分析的所有用户账号的设备信息的特征向量,并计算当前用户账号的设备信息的特征向量,与待分析的用户账号的设备信息的特征向量之间的相似度,从而获取到相似度大于预设阈值的用户账号作为待选用户账号。基于同样的处理方式,再计算当前用户账号的登录时间的特征向量,与待选用户账号中的登录时间的特征向量的相似度,以从多个待选用户账号中获取各目标用户账号。
除上述方式外,还可先从用户账号中选取满足目标条件的待选用户账号,在将关联信息中的设备信息与各待选用户账号进行匹配,从各待选用户账号中确定各目标用户账号。即可通过关联信息中的登录时间对各用户账号进行初步筛选,从各用户账号中先选取多个待选用户账号,再对多个待选用户账号根据关联信息中的设备信息进行目标用户账号的选取。
完成目标用户账号的选取后,获取目标用户账号的初始评分。其中,目标用户账号的初始评分为其对应的特征信息的初始评分。而在进行特征信息的初始评分确定时,通常可采用单一数值进行差值匹配的方式确定特征信息的初始评分。以特征信息为聊天次数信息为例,预设聊天次数为6次时,对应的评分为6;预设聊天次数为10时,对应的评分为10。此时当获取到的聊天次数信息为7次时,可将获取到的聊天次数信息与预设聊天次数做差,确定获取到的聊天次数信息与各预设聊天次数的差值,然后根据最小的差值确定聊天次数信息对应的预设聊天次数,从而确定聊天次数信息的初始评分,进而确定目标用户账号的初始评分。
然而采用单一数值进行差值匹配以确定特征信息对应的目标用户账号的初始评分,会使得当特征信息与多个单一数值的差值相同时,无法确定最佳的单一数值的情况。为此,在一实施例中,对于S13,包括:将目标用户账号对应的特征信息,与多个预设分箱区间进行匹配,从多个预设分箱区间中获取与特征信息对应的目标分箱区间;根据目标分箱区间,确定目标用户账号的初始评分。
在一实施例中,在获取到每个目标用户账号的特征信息后,对于每一个特征信息,服务器都通过best-KS得到使得可疑用户和非可疑用户之间差异最大化的分箱区间。以特征信息为聊天次数信息为例,聊天次数的类别根据聊天次数的多少分为[1,10]、[11,20]、>20三个预设分箱区间,将获取到的聊天次数信息与上述三个预设分箱区间进行匹配,以从三个预设分箱区间中获取聊天次数信息对应的目标分箱区间。
各预设分箱区间存在对应的初始评分,以聊天次数信息为例,聊天次数信息对应的预设分箱区间为[1,10]、[11,20]、>20,对应的初始评分为0分、1分、2分、3分。在从多个预设分箱区间中获取目标分箱区间后,即可根据目标分箱区间确定目标用户账号的初始评分。
通过分箱区间进行初始评分的确定,而不采用单一数值进行差值匹配以确定初始评分,从而避免当特征信息与多个单一数值的差值相同时,无法确定最佳的单一数值的情况,从而提升依据特征信息确定目标用户账号的初始分数的准确度,更好地保证后续可准确的进行当前用户账号的类别确定。
在一个实施例中,如图3所示,提供了一种游戏中账号的分类装置,包括:
信息获取模块101,用于获取当前用户账号在登录游戏客户端时的设备信息和登录时间;
信息匹配模块102,用于根据设备信息和登录时间,获取与当前用户账号相似的目标用户账号;
评分获取模块103,用于根据各目标用户账号,获取各目标用户账号的初始评分,初始评分根据目标用户账号对应的特征信息确定;
评分处理模块104,用于对各初始评分进行加权,得到当前用户账号的特征评分;
类别确定模块105,用于根据特征评分确定当前用户账号的最终类别。
在一实施例中,信息获取模块101,具体用于:检测当前用户账号的初始类别,并在检测到初始类别不为预设类别时,获取关联信息,其中,初始类别根据当前用户账号对应的特征信息的初始评分确定。
在一实施例中,信息获取模块101,还用于:在检测到初始类别为预设类别时,将初始类别标记为当前用户账号的最终类别。
在一实施例中,信息获取模块101,还用于:在检测到所述初始类别不为预设类别时,检测所述当前用户账号的在线总时长,并在所述在线总时长低于预设时长时,获取当前用户账号在登录游戏客户端时的关联信息。
在一实施例中,信息获取模块101,还用于:当在线总时长不低于预设时长时,将初始类别标记为当前用户账号的最终类别。
在一实施例中,信息匹配模块102具体用于:根据设备信息,获取与当前用户账号相似的多个待选用户账号;根据登录信息,从各待选用户账号中,选取与当前用户账号相似的多个目标用户账号。
在一实施例中,评分获取模块103,还用于:将特征信息与多个预设分箱区间进行匹配,从多个预设分箱区间中获取与特征信息对应的目标分箱区间;根据目标分箱区间,确定特征信息的初始评分。
在一实施例中,特征信息根据目标用户账号从游戏日志中提取。
在一个实施例中,提供了一种计算机设备,如图4所示,该计算机设备包括该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、输入装置和显示屏。其中,存储器包括非易失性存储介质和内存储器。该计算机设备的非易失性存储介质存储有操作系统,还可存储有计算机程序,该计算机程序被处理器执行时,可使得处理器实现游戏中账号的分类方法。该内存储器中也可储存有计算机程序,该计算机程序被处理器执行时,可使得处理器执行游戏中账号的分类方法。本领域技术人员可以理解,图4中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,本申请提供的游戏中账号的分类装置可以实现为一种计算机程序的形式,计算机程序可在如图4所示的计算机设备上运行。计算机设备的存储器中可存储组成该游戏中账号的分类装置的各个程序模块。各个程序模块构成的计算机程序使得处理器执行本说明书中描述的本申请各个实施例的游戏中账号的分类方法中的步骤。
在一个实施例中,提供了一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时执行上述游戏中账号的分类方法的步骤。此处游戏中账号的分类方法的步骤可以是上述各个实施例的游戏中账号的分类方法中的步骤。
在一个实施例中,提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可执行指令,所述计算机可执行指令用于使计算机执行上述游戏中账号的分类方法的步骤。此处游戏中账号的分类方法的步骤可以是上述各个实施例的游戏中账号的分类方法中的步骤。
以上所述是本申请的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本申请原理的前提下,还可以做出若干改进和润饰,这些改进和润饰也视为本申请的保护范围。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
Claims (11)
1.一种游戏中账号的分类方法,其特征在于,包括:
获取当前用户账号在登录游戏客户端时的关联信息,所述关联信息包括设备信息和登录时间;
根据所述设备信息和所述登录时间,获取与所述当前用户账号相似的目标用户账号;
根据各所述目标用户账号,获取各所述目标用户账号的初始评分,所述初始评分根据所述目标用户账号对应的特征信息确定;
对各所述初始评分进行加权,得到所述当前用户账号的特征评分;
根据所述特征评分确定所述当前用户账号的最终类别。
2.根据权利要求1所述的游戏中账号的分类方法,其特征在于,获取当前用户账号在登录游戏客户端时的关联信息,包括:
检测所述当前用户账号的初始类别,并在检测到所述初始类别不为预设类别时,获取所述关联信息,其中,所述初始类别根据所述当前用户账号对应的特征信息的初始评分确定。
3.根据权利要求2所述的游戏中账号的分类方法,其特征在于,还包括:
在检测到所述初始类别为所述预设类别时,将所述初始类别标记为所述当前用户账号的最终类别。
4.根据权利要求2或3所述的游戏中账号的分类方法,其特征在于,在检测到所述初始类别不为预设类别时,获取当前用户账号在登录游戏客户端时的关联信息,包括:
在检测到所述初始类别不为预设类别时,检测所述当前用户账号的在线总时长,并在所述在线总时长低于预设时长时,获取当前用户账号在登录游戏客户端时的关联信息。
5.根据权利要求4所述的游戏中账号的分类方法,其特征在于,还包括:
当所述在线总时长不低于所述预设时长时,将所述初始类别标记为所述当前用户账号的最终类别。
6.根据权利要求1所述的游戏中账号的分类方法,其特征在于,根据所述设备信息和所述登录时间,获取与所述当前用户账号相似的目标用户账号,包括:
根据所述设备信息,获取与所述当前用户账号相似的多个待选用户账号;
根据登录信息,从各所述待选用户账号中,选取与所述当前用户账号相似的多个所述目标用户账号。
7.根据权利要求1所述的游戏中账号的分类方法,其特征在于,根据各所述目标用户账号,获取各所述目标用户账号的初始评分,包括:
将所述目标用户账号对应的所述特征信息,与多个预设分箱区间进行匹配,从多个所述预设分箱区间中获取与所述特征信息对应的目标分箱区间;
根据所述目标分箱区间,确定所述目标用户账号的初始评分。
8.根据权利要求1所述的游戏中账号的分类方法,其特征在于,所述特征信息根据所述目标用户账号从游戏日志中提取。
9.一种游戏中账号的分类装置,其特征在于,包括:
信息获取模块,用于获取当前用户账号在登录游戏客户端时的关联信息,所述关联信息包括设备信息和登录时间;
信息匹配模块,用于根据所述设备信息和所述登录时间,获取与所述当前用户账号相似的目标用户账号;
评分获取模块,用于根据各所述目标用户账号,获取各所述目标用户账号的初始评分,所述初始评分根据所述目标用户账号对应的特征信息确定;
评分处理模块,用于对各所述初始评分进行加权,得到所述当前用户账号的特征评分;
类别确定模块,用于根据所述特征评分确定所述当前用户账号的最终类别。
10.一种电子设备,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8中任一项所述的游戏中账号的分类方法。
11.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中存储有计算机程序,所述计算机程序适于由处理器加载并执行,以使得具有所述处理器的计算机设备执行权利要求1-8任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110628728.9A CN113591898B (zh) | 2021-06-04 | 2021-06-04 | 游戏中账号的分类方法、装置及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110628728.9A CN113591898B (zh) | 2021-06-04 | 2021-06-04 | 游戏中账号的分类方法、装置及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113591898A CN113591898A (zh) | 2021-11-02 |
CN113591898B true CN113591898B (zh) | 2024-01-02 |
Family
ID=78243507
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110628728.9A Active CN113591898B (zh) | 2021-06-04 | 2021-06-04 | 游戏中账号的分类方法、装置及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113591898B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107066616A (zh) * | 2017-05-09 | 2017-08-18 | 北京京东金融科技控股有限公司 | 用于账号处理的方法、装置及电子设备 |
CN108038778A (zh) * | 2017-12-05 | 2018-05-15 | 深圳信用宝金融服务有限公司 | 互联网金融小微贷款的团伙欺诈识别方法及装置 |
CN109107162A (zh) * | 2018-11-01 | 2019-01-01 | 杭州勺子网络科技有限公司 | 游戏难度调节方法及装置 |
CN109522069A (zh) * | 2018-10-26 | 2019-03-26 | 深圳壹账通智能科技有限公司 | 防沉迷游戏的方法、装置及电子设备 |
CN112016078A (zh) * | 2020-08-26 | 2020-12-01 | 广州市百果园信息技术有限公司 | 一种登录设备的封禁检测方法、装置、服务器和存储介质 |
-
2021
- 2021-06-04 CN CN202110628728.9A patent/CN113591898B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107066616A (zh) * | 2017-05-09 | 2017-08-18 | 北京京东金融科技控股有限公司 | 用于账号处理的方法、装置及电子设备 |
CN108038778A (zh) * | 2017-12-05 | 2018-05-15 | 深圳信用宝金融服务有限公司 | 互联网金融小微贷款的团伙欺诈识别方法及装置 |
CN109522069A (zh) * | 2018-10-26 | 2019-03-26 | 深圳壹账通智能科技有限公司 | 防沉迷游戏的方法、装置及电子设备 |
CN109107162A (zh) * | 2018-11-01 | 2019-01-01 | 杭州勺子网络科技有限公司 | 游戏难度调节方法及装置 |
CN112016078A (zh) * | 2020-08-26 | 2020-12-01 | 广州市百果园信息技术有限公司 | 一种登录设备的封禁检测方法、装置、服务器和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113591898A (zh) | 2021-11-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2708508C1 (ru) | Способ и вычислительное устройство для выявления подозрительных пользователей в системах обмена сообщениями | |
US20200287918A1 (en) | Threat mitigation system and method | |
US10003607B1 (en) | Automated detection of session-based access anomalies in a computer network through processing of session data | |
US9130778B2 (en) | Systems and methods for spam detection using frequency spectra of character strings | |
Krishnaveni et al. | Ensemble approach for network threat detection and classification on cloud computing | |
CN107809371B (zh) | 共享资源显示方法及装置 | |
CN110166344B (zh) | 一种身份标识识别方法、装置以及相关设备 | |
CN109450955A (zh) | 一种基于网络攻击的流量处理方法及装置 | |
CN108985048B (zh) | 模拟器识别方法及相关装置 | |
CN109600362A (zh) | 基于识别模型的僵尸主机识别方法、识别设备及介质 | |
EP3316550A1 (en) | Network monitoring device and method | |
US20230418943A1 (en) | Method and device for image-based malware detection, and artificial intelligence-based endpoint detection and response system using same | |
WO2020082763A1 (zh) | 基于决策树的钓鱼网站检测方法、装置及计算机设备 | |
WO2020258102A1 (zh) | 内容推送方法、装置、移动终端及存储介质 | |
CN111787002B (zh) | 一种业务数据网络安全分析的方法及系统 | |
CN112003840A (zh) | 一种基于攻击面的漏洞检测方法及系统 | |
US20230410222A1 (en) | Information processing apparatus, control method, and program | |
CN110572302B (zh) | 无盘局域网场景识别方法、装置及终端 | |
CN110457601B (zh) | 社交账号的识别方法和装置、存储介质及电子装置 | |
CN114338064A (zh) | 识别网络流量类型的方法、装置、设备和存储介质 | |
US10965696B1 (en) | Evaluation of anomaly detection algorithms using impersonation data derived from user data | |
US9749359B2 (en) | Phishing campaign ranker | |
CN113591898B (zh) | 游戏中账号的分类方法、装置及电子设备 | |
CN111885011B (zh) | 一种业务数据网络安全分析挖掘的方法及系统 | |
CN113065748A (zh) | 业务风险评估方法、装置、设备及存储介质 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |