高校合作申请流程
在线游戏中的交易网络子图匹配

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。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。
然而,目前异常交易检测中的“异常”在数据上并没有一个天然的定义。我们往往是先有对事实的认知,并基于认知定下了一系列的“法条”,以此来“定义”异常。并且,这些定义往往是掌握在对游戏本身更了解的运营和游戏手中,AI模型得出的结果很难被直接使用。
因此,异常交易检测可以形式化成一个图论中的近似子图匹配问题,如图1所示,用已知的异常交易图结构作为查询图,搜索目标图(交易网络)中相似的子图。基于这种解决方案,不需要考虑异常的定义和解释这两个难题,只需要把图搜索工具提供给用户,让用户自己解决问题。

问题定义

给定一个具有较大规模的交易网络(即目标图)和一个具有较小规模的交易子图(即查询图),输出目标图中和查询图匹配的子图集合。
图1:在线游戏中的交易网络子图匹配示意图

问题挑战

相比于一般的子图匹配问题,该问题的挑战为:
  • 由于游戏中的图结构规模较大,因此搜索效率是一个重要的度量
  • 传统的子图匹配一般形式化为一个二分类问题,即G中是否存在Q或者类似Q的子图。在此基础上,我们需要输出具体的子图或者候选子图集合
  • 能够给定输出图集合中各个输出图和查询图的相似度,作为排序的依据

评价指标

可以参考常用的推荐排序指标进行评估:

数据集描述

数据集包含目标图交易网络数据和多个查询图交易网络数据,具体描述如下所示:
  • 目标图,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)
  • 目标图,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]