【技术实现步骤摘要】
本专利技术涉及脚本检测，特别涉及一种网络游戏反作弊方法与装置。
技术介绍
1、随着网络的发展，网络游戏在经济活动中所占的比重越来越高。然而在游戏产业发展中，作弊行为成为管理的难点。
2、常用的作弊手段通常是通过一些第三方软件或程序，通过修改游戏数据或游戏漏洞，为玩家谋取利益，从而增强游戏角色的技能或能力，超越常规的游戏规则和设定。这种软件或程序可以大幅增强游戏角色的能力，如通过修改游戏数据、使用封包和抓包工具对游戏本身或游戏服务器提交假参数，从而改变游戏中的人物能力，以达到轻松获取胜利、奖励和快感的好处。
3、这种作弊行为严重影响了遵守规则的大部分玩家的游戏体验，进而不可避免的对网络游戏产业的健康发展产生了影响。
4、为了解决上述难题，本专利技术提出了一种网络游戏反作弊方法与装置。
技术实现思路
1、本专利技术为了弥补现有技术的缺陷，提供了一种简单高效的网络游戏反作弊方法与装置。
2、本专利技术是通过如下技术方案实现的：
3、一种网络游戏反作弊方法，包括以下步骤：
4、步骤s1、设定举报机制
5、当游戏玩家的被举报量达到自定义阈值，则从游戏终端数据库获取对应游戏玩家的游戏记录数据；
6、步骤s2、分析游戏玩家的游戏记录数据
7、对比游戏玩家被举报期间的平均胜率与被举报前的平均胜率，如果差值比率达到自定义阈值则视为有作弊嫌疑；
8、或者通过单局游戏的战绩进行分析，对
9、将视为有作弊嫌疑的游戏玩家标注为异常类型；
10、步骤s3、对标注为异常类型的游戏玩家的游戏文件夹进行扫描
11、当游戏玩家下载游戏时，提供其游戏文件夹的扫描权限，以便排查作弊行为；
12、若扫描发现游戏文件夹中含有作弊脚本文件，或者游戏画面图像中存在作弊脚本，则判定对应的游戏玩家存在作弊行为，启动处罚机制，按照自定义处罚规则对其进行相应的处罚；
13、若游戏文件夹中未检测到异常文件，则获取被标注游戏玩家的游戏画面图像；
14、步骤s4、基于训练好的目标网络模型对被标注游戏玩家的游戏画面图像进行识别
15、从游戏终端数据库自定义批量选取存在作弊行为的游戏画面图像，自定义选择游戏画面图像中的目标对象，并进行标注；利用标注后的游戏画面图像生成训练样本集，并基于训练样本集对目标网络模型进行特征学习训练；
16、基于训练好的目标网络模型识别被标注游戏玩家的游戏画面图像是否属于脚本图像：
17、若属于脚本图像的概率达到自定义的概率阈值，则判定对应的游戏玩家存在作弊行为，启动处罚机制，按照自定义处罚规则对其进行相应的处罚；
18、若属于脚本图像的概率低于自定义的概率阈值，将待测图像标记为疑似外挂图像，并将待测图像推送至人工审核窗口，进行进一步人工审查，判定游戏玩家是否存在作弊行为。
19、所述步骤s4中，在所有获取的游戏画面图像数据中标记每个游戏画面的特征点，即标记目标对象的真实位置和目标对象的外部表示类型，从而使标记后的每个游戏画面成为训练样本。
20、所述外部表示类型包括框、光线、辅助框、功能选择项框架、距离、外部图标与外部场景。
21、所述步骤s4中，在游戏画面上显示目标对象的真实位置注释信息和目标对象的外部表示类型注释信息，并通过数据表存储目标对象与真实位置注释信息和外部表示类型注释信息之间的关系，以及自定义的特定信息内容。
22、一种网络游戏反作弊装置，包括举报机制管理模块，游戏数据读取模块，游戏数据分析模块，标注模块，游戏文件夹扫描模块，目标网络模型识别模块，人工审核模块和作弊处罚模块；
23、举报机制管理模块，负责实时收集举报数据，并对举报数据进行统计分析，当游戏玩家的被举报量达到自定义阈值，则触发游戏数据读取模块；
24、游戏数据读取模块，负责从游戏终端数据库获取对应游戏玩家的游戏记录数据和被标注游戏玩家的游戏画面图像，以及自定义批量选取存在作弊行为的游戏画面图像；
25、游戏数据分析模块，负责对比游戏玩家被举报期间的平均胜率与被举报前的平均胜率，如果差值比率达到自定义阈值则视为有作弊嫌疑；
26、或者通过单局游戏的战绩进行分析，对于游戏玩家在被举报期间与被举报前单局游戏内的游戏战绩，若战绩提升比率超过自定义阈值则视为有作弊嫌疑；
27、标注模块，负责将视为有作弊嫌疑的游戏玩家标注为异常类型，自定义选择批量选取的存在作弊行为的游戏画面图像中的目标对象，并进行标注；
28、游戏文件夹扫描模块，负责对标注为异常类型的游戏玩家的游戏文件夹进行扫描；步当游戏玩家下载游戏时，提供其游戏文件夹的扫描权限，以便排查作弊行为；
29、若扫描发现游戏文件夹中含有作弊脚本文件，或者游戏画面图像中存在作弊脚本，则判定对应的游戏玩家存在作弊行为，触发作弊处罚模块；
30、若游戏文件夹中未检测到异常文件，则触发游戏数据读取模块，获取被标注游戏玩家的游戏画面图像；
31、目标网络模型识别模块，负责利用标注后的游戏画面图像生成训练样本集，并基于训练样本集对目标网络模型进行特征学习训练；并基于训练好的目标网络模型对被标注游戏玩家的游戏画面图像进行识别，判断是否属于脚本图像：
32、若属于脚本图像的概率达到自定义的概率阈值，则判定对应的游戏玩家存在作弊行为，启动处罚机制，按照自定义处罚规则对其进行相应的处罚；
33、若属于脚本图像的概率低于自定义的概率阈值，将待测图像标记为疑似外挂图像，并将待测图像推送至人工审核模块；
34、人工审核模块，负责进行进一步的人工审查，判定游戏玩家是否存在作弊行为；
35、作弊处罚模块，负责启动处罚机制，按照自定义处罚规则对其进行相应的处罚。
36、所述标注模块，在所有获取的游戏画面图像数据中标记每个游戏画面的特征点，即标记目标对象的真实位置和目标对象的外部表示类型，从而使标记后的每个游戏画面成为训练样本。
37、在游戏画面上显示目标对象的真实位置注释信息和目标对象的外部表示类型注释信息，并通过数据表存储目标对象与真实位置注释信息和外部表示类型注释信息之间的关系，以及自定义的特定信息内容。
38、所述外部表示类型包括框、光线、辅助框、功能选择项框架、距离、外部图标与外部场景。
39、一种网络游戏反作弊设备，其特征在于：包括存储器和处理器；所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现上述的方法步骤。
40、一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现上述的方法步骤。
41、本专利技术的本文档来自技高网...
【技术保护点】
1.一种网络游戏反作弊方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的网络游戏反作弊方法，其特征在于：所述步骤S4中，在所有获取的游戏画面图像数据中标记每个游戏画面的特征点，即标记目标对象的真实位置和目标对象的外部表示类型，从而使标记后的每个游戏画面成为训练样本。
3.根据权利要求2所述的网络游戏反作弊方法，其特征在于：所述步骤S4中，在游戏画面上显示目标对象的真实位置注释信息和目标对象的外部表示类型注释信息，并通过数据表存储目标对象与真实位置注释信息和外部表示类型注释信息之间的关系，以及自定义的特定信息内容。
4.根据权利要求2所述的网络游戏反作弊方法，其特征在于：所述外部表示类型包括框、光线、辅助框、功能选择项框架、距离、外部图标与外部场景。
5.一种网络游戏反作弊装置，其特征在于：包括举报机制管理模块，游戏数据读取模块，游戏数据分析模块，标注模块，游戏文件夹扫描模块，目标网络模型识别模块，人工审核模块和作弊处罚模块；
6.根据权利要求5所述的网络游戏反作弊装置，其特征在于：所述标注模块，在所有获取的游戏画
7.根据权利要求6所述的网络游戏反作弊装置，其特征在于：在游戏画面上显示目标对象的真实位置注释信息和目标对象的外部表示类型注释信息，并通过数据表存储目标对象与真实位置注释信息和外部表示类型注释信息之间的关系，以及自定义的特定信息内容。
8.根据权利要求6所述的网络游戏反作弊装置，其特征在于：所述外部表示类型包括框、光线、辅助框、功能选择项框架、距离、外部图标与外部场景。
9.一种网络游戏反作弊设备，其特征在于：包括存储器和处理器；所述存储器用于存储计算机程序，所述处理器用于执行所述计算机程序时实现如权利要求1～4任意一项所述的方法。
10.一种可读存储介质，其特征在于：所述可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1～4任意一项所述的方法。
...【技术特征摘要】
1.一种网络游戏反作弊方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的网络游戏反作弊方法，其特征在于：所述步骤s4中，在所有获取的游戏画面图像数据中标记每个游戏画面的特征点，即标记目标对象的真实位置和目标对象的外部表示类型，从而使标记后的每个游戏画面成为训练样本。
3.根据权利要求2所述的网络游戏反作弊方法，其特征在于：所述步骤s4中，在游戏画面上显示目标对象的真实位置注释信息和目标对象的外部表示类型注释信息，并通过数据表存储目标对象与真实位置注释信息和外部表示类型注释信息之间的关系，以及自定义的特定信息内容。
4.根据权利要求2所述的网络游戏反作弊方法，其特征在于：所述外部表示类型包括框、光线、辅助框、功能选择项框架、距离、外部图标与外部场景。
5.一种网络游戏反作弊装置，其特征在于：包括举报机制管理模块，游戏数据读取模块，游戏数据分析模块，标注模块，游戏文件夹扫描模块，目标网络模型识别模块，人工审核模块和作弊处罚模块；
6.根据权利要求5所...
【专利技术属性】
技术研发人员：杨世豪，丁兵，王培礼，李谦，张宏原，
申请(专利权)人：浪潮云信息技术股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。