异常账号检测模型训练方法和异常账号检测方法技术

本申请提供异常账号检测模型训练方法和异常账号检测方法，其中异常账号检测模型训练方法包括：接收训练样本，包括目标账号和任务路线；将各目标账号和各任务路线输入至异常账号检测模型，根据第一相似度阈值对各任务路线进行聚类，得到任务路线聚类簇；统计异常任务路线聚类簇中异常账号对应的任务路线的第一数量；识别异常任务路线聚类簇中未标注账号的账号状态，统计异常任务路线聚类簇中账号状态为异常的未标注账号的第二数量和账号状态为正常的未标注账号的第三数量；根据第一数量、第二数量、第三数量调整第一相似度阈值和异常阈值，返回执行聚类步骤，直至达到训练停止条件，保存异常任务路线聚类簇的簇心。可以提高检测异常账号的效率。检测异常账号的效率。检测异常账号的效率。

【技术实现步骤摘要】
异常账号检测模型训练方法和异常账号检测方法


[0001]本申请涉及计算机
，特别涉及一种异常账号检测模型训练方法和异常账号检测方法。

技术介绍

[0002]随着计算机技术的快速发展，各种各样的游戏层出不穷。在游戏领域，大型多人在线角色扮演游戏最受欢迎，针对此类游戏出现了很多工作室，例如打金工作室、代练工作室。这些工作室由游戏高端玩家或爱好者使用大量高级配置电脑运行外挂脚本进行游戏，以收取现实货币来帮玩家赚游戏币和代练，这两个业务都会通过大量使用外挂脚本的目标账号做升级历程任务。这种行为会直接对其他正常玩家产生负面影响，破坏游戏环境和经济平衡。
[0003]现有技术中，一般使用账号登录设备或者游戏角色的一些数值特征来对使用外挂脚本的异常账号进行判断，例如登录IP、发言内容、发言频率、战斗力、在线时长、充值等。但是，上述方法人力成本较高，同时由于外挂脚本的变化，使用数值特征进行判断会经常性失效，导致检测异常账号的效率低、准确度低。因此，亟需提供一种检测效率高、准确度高的检测异常账号的方法。

技术实现思路

[0004]有鉴于此，本申请实施例提供了一种异常账号检测模型训练方法。本申请同时涉及一种异常账号检测模型训练装置，一种异常账号检测方法，一种异常账号检测装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的缺陷。
[0005]根据本申请实施例的第一方面，提供了一种异常账号检测模型训练方法，包括：
[0006]接收训练样本，其中，所述训练样本包括至少两个目标账号以及各目标账号在目标任务下的任务路线，至少一个所述目标账号被标注为异常账号；
[0007]将各目标账号和各任务路线输入至异常账号检测模型，根据第一相似度阈值对所述各任务路线进行聚类，得到至少一个任务路线聚类簇；
[0008]在异常任务路线聚类簇中任务路线的数量大于或者等于异常阈值的情况下，统计所述异常任务路线聚类簇中所述异常账号对应的任务路线的第一数量，所述异常任务路线聚类簇为所述至少一个任务路线聚类簇中的任意一个；
[0009]识别所述异常任务路线聚类簇中未标注账号的账号状态，统计所述异常任务路线聚类簇中账号状态为异常的未标注账号的第二数量和账号状态为正常的未标注账号的第三数量；
[0010]根据所述第一数量、第二数量以及第三数量调整所述第一相似度阈值和所述异常阈值，返回执行所述根据第一相似度阈值对所述各任务路线进行聚类，得到至少一个任务路线聚类簇步骤，直至达到训练停止条件，保存所述异常任务路线聚类簇的簇心。
[0011]根据本申请实施例的第二方面，提供了一种异常账号检测方法，包括：
[0012]获取待评估账号以及所述待评估账号在目标任务下的待评估任务路线；
[0013]获取至少一条参考路线，计算所述待评估任务路线与各参考路线的相似度；
[0014]在所述待评估任务路线与各参考路线的相似度中至少一个相似度小于第二相似度阈值的情况下，将所述待评估任务路线对应的待评估账号标记为异常账号。
[0015]根据本申请实施例的第三方面，提供了一种异常账号检测模型训练装置，包括：
[0016]接收模块，被配置为接收训练样本，其中，所述训练样本包括至少两个目标账号以及各目标账号在目标任务下的任务路线，至少一个所述目标账号被标注为异常账号；
[0017]聚类模块，被配置为将各目标账号和各任务路线输入至异常账号检测模型，根据第一相似度阈值对所述各任务路线进行聚类，得到至少一个任务路线聚类簇；
[0018]统计模块，被配置为在异常任务路线聚类簇中任务路线的数量大于或者等于异常阈值的情况下，统计所述异常任务路线聚类簇中所述异常账号对应的任务路线的第一数量，所述异常任务路线聚类簇为所述至少一个任务路线聚类簇中的任意一个；
[0019]识别模块，被配置为识别所述异常任务路线聚类簇中未标注账号的账号状态，统计所述异常任务路线聚类簇中账号状态为异常的未标注账号的第二数量和账号状态为正常的未标注账号的第三数量；
[0020]调整模块，被配置为根据所述第一数量、第二数量以及第三数量调整所述第一相似度阈值和所述异常阈值，返回执行所述根据第一相似度阈值对所述各任务路线进行聚类，得到至少一个任务路线聚类簇步骤，直至达到训练停止条件，保存所述异常任务路线聚类簇的簇心。
[0021]根据本申请实施例的第四方面，提供了一种异常账号检测装置，包括：
[0022]获取模块，被配置为获取待评估账号以及所述待评估账号在目标任务下的待评估任务路线；
[0023]计算模块，被配置为获取至少一条参考路线，计算所述待评估任务路线与各参考路线的相似度；
[0024]标记模块，被配置为在所述待评估任务路线与各参考路线的相似度中至少一个相似度小于第二相似度阈值的情况下，将所述待评估任务路线对应的待评估账号标记为异常账号。
[0025]根据本申请实施例的第五方面，提供了一种计算设备，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指令，所述处理器执行所述计算机指令时实现所述异常账号检测模型训练方法或所述异常账号检测方法的步骤。
[0026]根据本申请实施例的第六方面，提供了一种计算机可读存储介质，其存储有计算机指令，该计算机指令被处理器执行时实现所述异常账号检测模型训练方法或所述异常账号检测方法的步骤。
[0027]本申请提供的异常账号检测模型训练方法，通过接收训练样本，将各目标账号和各任务路线输入至异常账号检测模型中，根据第一相似度阈值对各任务路线进行聚类，从而获得任务路线聚类簇，在异常任务路线聚类簇中任务路线的数量大于或者等于异常阈值的情况下，确定第一数量、第二数量、第三数量，进一步调整第一相似度阈值和异常阈值，继续训练，直至达到训练停止条件，此时保存异常任务路线聚类簇的簇心。可以提高对任务路线进行聚类的速度，减少计算量的同时，还可以提高样本确定异常任务路线聚类簇和簇心
的准确性，提高检测异常账号的速度和准确度。此外，由于保存了任务路线聚类簇的簇心，可以实现对账号的实时检测，从而实现对异常账号的实时封禁。
附图说明
[0028]图1是本申请一实施例提供的一种异常账号检测模型训练方法的流程图；
[0029]图2A是本申请一实施例提供的一种对任务路线进行合并处理的示意图；
[0030]图2B是本申请一实施例提供的一种对任务路线进行聚类得到处理结果的示意图；
[0031]图3是本申请一实施例提供的一种异常账号检测方法的流程图；
[0032]图4是本申请一实施例提供的一种应用于闯关游戏的处理流程图；
[0033]图5是本申请一实施例提供的一种异常账号检测模型训练装置的结构示意图；
[0034]图6是本申请一实施例提供的一种异常账号检测装置的结构示意图；
[0035]图7是本申请一实施例提供的一种计算设备的结构框图。
具体实施方式
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种异常账号检测模型训练方法，其特征在于，包括：接收训练样本，其中，所述训练样本包括至少两个目标账号以及各目标账号在目标任务下的任务路线，至少一个所述目标账号被标注为异常账号；将各目标账号和各任务路线输入至异常账号检测模型，根据第一相似度阈值对所述各任务路线进行聚类，得到至少一个任务路线聚类簇；在异常任务路线聚类簇中任务路线的数量大于或者等于异常阈值的情况下，统计所述异常任务路线聚类簇中所述异常账号对应的任务路线的第一数量，所述异常任务路线聚类簇为所述至少一个任务路线聚类簇中的任意一个；识别所述异常任务路线聚类簇中未标注账号的账号状态，统计所述异常任务路线聚类簇中账号状态为异常的未标注账号的第二数量和账号状态为正常的未标注账号的第三数量；根据所述第一数量、第二数量以及第三数量调整所述第一相似度阈值和所述异常阈值，返回执行所述根据第一相似度阈值对所述各任务路线进行聚类，得到至少一个任务路线聚类簇步骤，直至达到训练停止条件，保存所述异常任务路线聚类簇的簇心。2.根据权利要求1所述的方法，其特征在于，所述根据第一相似度阈值对所述各任务路线进行聚类，得到至少一个任务路线聚类簇，包括：选取至少两条任务路线中的第i条任务路线，将所述第i条任务路线确定为第i任务路线聚类簇的簇心，其中，i为大于或者等于1的自然数；计算所述至少两条任务路线中任意一条未聚类的任务路线与第j任务路线聚类簇的簇心的相似度，其中，j为小于或者等于i的正整数；在所述相似度小于第一相似度阈值的情况下，将所述任务路线添加至所述第j任务路线聚类簇中，在所述相似度大于或等于第一相似度阈值的情况下，以所述任务路线为簇心生成第i+1任务路线聚类簇；判断所述至少两条任务路线中的任务路线是否聚类完毕，若否，则i自增1并继续执行计算所述至少两条任务路线中任意一条未聚类的任务路线与第j任务路线聚类簇的簇心的相似度的步骤，若是，则输出聚类结果。3.根据权利要求2所述的方法，其特征在于，所述在所述相似度小于第一相似度阈值的情况下，将所述任务路线添加至所述第j任务路线聚类簇中之后，还包括：比较所述任务路线的长度与所述第j任务路线聚类簇的簇心的长度，若所述任务路线的长度比所述簇心的长度短，将所述任务路线确定为所述第j任务路线聚类簇的簇心。4.根据权利要求2所述的方法，其特征在于，所述计算所述至少两条任务路线中任意一条未聚类的任务路线与第j任务路线聚类簇的簇心的相似度，包括：将i个任务路线聚类簇按照包含任务路线的数量从多到少进行排序；按照排序顺序计算所述至少两条任务路线中任意一条未聚类的任务路线与第j任务路线聚类簇的簇心的相似度。5.根据权利要求2所述的方法，其特征在于，所述计算所述至少两条任务路线中任意一条未聚类的任务路线与第j任务路线聚类簇的簇心的相似度，包括：确定所述至少两条任务路线中每条未聚类的任务路线的长度和i个任务路线聚类簇的簇心的长度；
将所述至少两条任务路线中未聚类的第n任务路线与i个簇心中的第j簇心进行合并处理，生成所述第n任务路线与所述第j簇心最短轨迹的合并路线，其中，所述第n任务路线为所述至少两条任务路线中任意一条未聚类的任务路线，所述第j簇心为第j任务路线聚类簇的簇心，n为大于或者等于1的自然数；根据所述合并路线的长度、所述第n任务路线的长度以及所述第j簇心的长度确定所述第n任务路线与所述第j簇心的相似度。6.根据权利要求1所述的方法，其特征在于，所述接收训练样本之前，还包括：确定完成目标任务的至少两个目标账号，获取所述至少两个目标账号中每个目标账号的与所述目标任务对应的...

【专利技术属性】
技术研发人员：黎寅，余赢超，
申请(专利权)人：珠海金山网络游戏科技有限公司，
类型：发明
国别省市：