高校合作申请流程
基于玩家社交图谱的游戏外挂检测

课题背景

游戏中的外挂作为一种自动化的脚本,极大的破坏了游戏的公平性,降低了玩家的游戏体验,同时也对游戏中的货币金融系统带来了冲击。
因此外挂检测系统成为了游戏中不可或缺的防御手段。除了游戏进程、内存保护等传统手段,逆水寒等大型MMORPG游戏中包含的丰富数据,给予了技术人员从数据角度切入的可能性。
由于外挂盈利模式和游戏玩法的限制,外挂玩家必然会在游戏中与其他角色发生例如交易,组队,好友,共享硬件等交互行为,以达到价值转移的目的。因此技术人员可以根据这些行为构建大规模社交图谱,挖掘其中不符合人类的行为模式,并利用Network Embedding, Graph Neural Network等技术帮助游戏完成自动化的外挂检测,净化游戏环境。

问题定义

根据游戏中的
KK
种社交数据,分别构造玩家见的关系图谱
G=[G1,G2,,GK]\mathbf{G}=[G^1,G^2,\cdots,G^K]
,如图1所示。第
kk
种社交数据对应的
Gk=(V,Ek,Wk)G^k = (\mathbf{V},\mathbf{E}^k,\mathbf{W}^k)
,其中
V\mathbf{V}
表示节点(玩家)集合,
Ek\mathbf{E}^k
表示边集合,
Wk\mathbf{W}^k
表示权重邻接矩阵。同时
eijkEke_{ij}^k \in \mathbf{E}^k
表示
viv_i
vjv_j
玩家之间存在第
kk
种社交关联,且权重为
wijkWkw_{ij}^k \in \mathbf{W}^k
图1:多关系社交图谱
游戏中还包含玩家属性矩阵
ARN×d\mathbf{A}\in \mathbb{R}^{N\times d}
和少量已知的外挂集合
Y\mathbf{Y}
基于社交图的游戏外挂检测检测任务为:给定上述图谱数据
G\mathbf{G}
,玩家画像数据
A\mathbf{A}
,和外挂集合
Y\mathbf{Y}
,构建一个外挂检测模型
h()h(\cdot)
识别潜在的外挂玩家。

问题挑战

该问题主要存在以下挑战:
  • 如何有效的使用图模型对玩家进行特征提取和建模;
  • 如何解决标签稀缺的问题,即大量潜在外挂未在集合
    Y\mathbf{Y}
    中;
  • 如何对检测出的可疑玩家给出可解释的说明和外挂的证据。

评价指标

分类准确率Precision,召回率Recall,F1-score,AUC

数据集描述

数据集按照天进行分割,其中每天数据包括下面五部分:用户该天属性数据、该天聊天数据、该天交易数据、该天组队数据、该天好友数据。
  • 用户属性数据
字段
描述
role_id
玩家id
login_cnt
当天登录次数
online_time
当天在线时间
total_yuan_bao
最新的累计兑换元宝数(用来筛选玩家)
server
服务器
role_class
职业
role_gender
性别
role_level
等级
create_time
账号创建时间
role_base_score
基础评分
role_talisman_score
法宝评分
role_skill_score
技能评分
role_practice_score
修炼评分
role_equip_score
装评
role_total_score
战斗力
role_wuxue_score
武学修为
not_binded_charged_yuanbao
不绑定元宝
hstb
元宝票
bdyb
绑定元宝
yin_liang
铜钱
  • 该天聊天数据
字段
描述
playera
聊天发起者
playerb
聊天接受者
server
服务器id
count
聊天次数
  • 该天交易数据
字段
描述
playera
交易发起者
playerb
交易收取者
server
服务器id
money
交易涉及金钱数
tradetype
交易类型
其中交易类型:
1-3为面对面交易:1正常交易,2乞讨,3赠与
4:摆摊
5:玩家商店
6: 红包交易
  • 该天组队数据
字段
描述
playera
组队玩家a
playerb
组队玩家b
server
服务器id
count
同在一个队伍次数
  • 该天好友数据
字段
描述
playera
好友发起者
playerb
好友接受者
server
服务器id
status
状态,1=新增,0=删除
relationship
关系类型
sub_relationship_type
子关系类型
sub_relationship_value
子关系值
关系类型:
1-好友 2-师徒 6-临时好友 7-临时仇敌 8-仇敌 9-黑名单 10-别人加我为好友。
子关系类型/值对应:
如果主关系是师徒,子关系类型是2,子关系值true表示师傅,false表示徒弟。
如果主关系是好友,子关系类型是3,子关系值true表示双向好友,false表示单向好友。
如果主关系是仇敌,子关系类型是4,子关系值true表示该仇敌置顶,false表示未置顶。

相关学术论文

Fuxi-UP团队针对这个问题,从多视图学习角度入手,通过Attention机制结合多来源数据,建立起基于游戏交易图中的刷钱外挂检测框架MVAN,相关工作已发表在KDD'2019
Tao, Jianrong, Jianshi Lin, Shize Zhang, Sha Zhao, Runze Wu, Changjie Fan, and Peng Cui. "MVAN: Multi-view Attention Networks for Real Money Trading Detection in Online Games." In Proceedings of the 25th ACM SIGKDD International Conference on Knowledge Discovery & Data Mining, pp. 2536-2546. ACM, 2019.

联系我们

有任何问题,请联系 [email protected]