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：
TOP-K精确率：[email protected]
TOP-K召回率：[email protected]
TOK-K时间开销：[email protected]
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]

开放研究课题 - Previous

在线游戏中的半监督异常交易群体检测

Next - 开放研究课题

可解释的外挂检测

Last modified 4mo ago

Copy link

Outline