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 KKK
 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]G=[G1,G2,⋯,GK]
 ，如图1所示。第 kkk
种社交数据对应的Gk=(V,Ek,Wk)G^k = (\mathbf{V},\mathbf{E}^k,\mathbf{W}^k)Gk=(V,Ek,Wk)
，其中V\mathbf{V}V
表示节点（玩家）集合，Ek\mathbf{E}^kEk
表示边集合，Wk\mathbf{W}^kWk
表示权重邻接矩阵。同时eijk∈Eke_{ij}^k \in \mathbf{E}^keijk​∈Ek
表示viv_ivi​
与vjv_jvj​
玩家之间存在第kkk
种社交关联，且权重为wijk∈Wkw_{ij}^k \in \mathbf{W}^kwijk​∈Wk
。
图1：多关系社交图谱
游戏中还包含玩家属性矩阵A∈RN×d\mathbf{A}\in \mathbb{R}^{N\times d}A∈RN×d
和少量已知的外挂集合Y\mathbf{Y}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}G
 ，玩家画像数据A\mathbf{A}A
，和外挂集合Y\mathbf{Y}Y
，构建一个外挂检测模型 h(⋅)h(\cdot)h(⋅)
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}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]

开放研究课题 - Previous

基于玩家角色轨迹的游戏外挂检测

Next - 开放研究课题

基于玩家行为序列的游戏外挂检测

Last modified 4mo ago

Copy link

Outline