高校合作申请流程
在线游戏中的半监督异常交易群体检测

课题背景

交易是游戏世界中普遍存在的行为,大量玩家之间的交易行为能够形成一个客观存在的图网络结构,即交易网络。目前,游戏工作室通过大量游戏账号在游戏中转移、出售游戏资产来谋取巨额利益,因此异常交易检测是游戏中一个非常重要的反外挂手段。
游戏中的异常交易通常为有组织、有规模的群体行为,因此简单地通过节点分类来检测单个玩家的异常交易应用价值不大。在实际业务中,我们更希望能够进行群体检测,找出具有一定规模的异常交易疑似群体,如图1所示。此外,真实数据环境中的异常交易标记成本且严重依赖专家经验,因此只能够提供有限的已知群体的标记,对于潜在的未知群体,我们无法确认其是否是正样本或者是负样本。
综上,基于半监督的异常交易群体检测是一个实际可行的解决方案,具有较高的研究和应用价值。
图1:在线游戏中的半监督异常交易群体检测

问题定义

给定一个具有较大规模的交易网络和部分已知异常交易群体标记,输出交易网络G中疑似的异常交易群体集合。

问题挑战

相比于一般的有监督图节点分类问题,该问题的挑战为:
  • 希望能够进行群体检测,找出具有一定规模的异常交易疑似群体
  • 给定的标记数据中,只包含部分已知的群体标记,对于未知群体而言,无法确认其是正样本还是负样本

评价指标

可以参考常用的分类任务指标进行评估:
  • AUC
  • F1-score
  • 精确率:precision
  • 召回率:recall

数据集描述

数据集包含交易网络数据,具体描述如下所示:
  • 交易网络数据
字段
类型
描述
ts
bigint
时间戳
type
bigint
交易类型,例如摆摊交易、当面交易等
role_id_src
string
玩家ID(发起方)
role_id_dst
string
玩家ID(接受方)
item_src
string
交易商品(发起方),格式:[(商品1, 数量1), (商品2, 数量2), ...]
item_dst
string
交易商品(接受方),格式:[(商品1, 数量1), (商品2, 数量2), ...]
amt_src
bigint
交易金额(发起方)
amt_dst
bigint
交易金额(接受方)

联系我们

有任何问题,请联系 [email protected]