[发明专利]一种针对MOBA类游戏的作弊行为检测方法

说明书

本发明公开了一种针对MOBA类游戏的作弊行为检测方法，步骤如下：1、构建模型框架；2、建立数据库；3、选取数据；4、对技能冷却机制进行分析，若出现问题集Q，进行标记；5、对技能范围机制进行分析，若所得结果在集合N中则存在利用bug行为，进行标记；6、对地图地形进行分析，若与最初图形特征不符，进行标记；7、检测步骤4～6是否存在标记，若存在则进行编号后上传至数据库，不存在则结束；8、对数据库中数据进行检测，若存在相邻编号则标记为恶意利用游戏软件bug行为，若不存在相邻编号，则标记为被动利用游戏软件bug行为；9、检验流程结束。本发明提高了作弊行为检测的精准性，简化了作弊行为检测的流程，进而提高了电子竞技的公平性。

技术领域

本发明涉及电子游戏，特别是一种针对MOBA类游戏的作弊行为检测方法。

背景技术

互联网的发展带来了电子游戏行业的兴盛，并使电子竞技的市场不断扩大。与电子游戏相伴而来的是由科技带来的各种作弊行为如利用游戏软件的bug等，其在电子游戏中的出现，会对各方造成不良影响，当其出现在电子竞技赛场上时甚至会影响比赛走向。虽然存在职业选手利用游戏软件bug的作弊行为，但也存在未知情况下被动利用游戏软件bug的情况。在MOBA类游戏中，利用游戏软件bug的现象主要出现在技能机制部分，技能机制是MOBA类游戏的重要组成部分，技能机制一旦发生改变，就会对游戏公平性产生重大影响。所以，对包括技能冷却等在内的技能机制信息进行提取和分析，使其可以将异常数据及时进行反馈，可以达到规避职业选手利用bug而导致比赛过程和结果不公平的目的。已有学者从Windows驱动和玩家行动日志等角度出发对作弊行为进行研究，但其数据透明度低，效果较差。也有学者对游戏数据本身进行研究，但并未将其应用到作弊行为检测当中。

针对作弊行为检测的研究主要集中在机器的深度学习方面，也有学者基于工作流网等角度对其进行研究。电子科技大学的车林耿认为，对作弊行为的检测要根据游戏特征进行，其先自制游戏的FCM数据库，再使用神经网络对MNIST数据集进行分析，最后利用计算机图形学的数据映射进行数据处理。其提高了作弊行为识别的准确性，但延展性不足。华东理工大学的郑红基于工作流网进行研究，其将游戏的工作流组成工作流网，再利用流程树将已有工作流网模型转化为流程树，进而达到模型融合的目的，最后将融合的模型用于作弊行为检测。此种方法的优点在于操作快捷方便，但其对复杂情况的准确性有待进一步提高。延边大学的王晓宇首先利用神经网络对游戏的战斗数据进行分析，将分析结果与游戏数据进行预测分析，根据预测结果来判断是否存在作弊行为。此种方法得到的结果准确性较高，但其分析过程相对冗长。广西发发科技有限公司的周标强在研究基于安卓系统的电子游戏时，设计了一套反作弊系统，其将安装包分析分解并将其加入事先构建好的包括模拟器等外部插件在内的数据库中，再对这个整体进行检测，进而到达对作弊行为检测的目的。此系统只能针对插件类作弊行为的进行检测，存在局限性。

上述学者进行研究时，都采用了不同的算法或方法对作弊行为进行检测研究，也有少部分学者通过工作流网、数据库等方式对作弊行为进行识别，所得结果均可提升作弊行为检测或识别的准确性，但或多或少存在一些问题与偏差，如数据不透明、局限性高等。目前，随着机器深度学习研究的不断深入，在进行作弊行为检测时，不必再对驱动和日志这些不透明的数据进行分析，可以直接使用神经网络对游戏行为数据进行分析。此外，虽然有诸多学者将关联规则算法用于阵容预测等方面，但其很少将关联规则算法用于作弊行为检测模型或系统的构建上。

发明内容

发明目的：本发明的目的是提供一种针对MOBA类游戏的作弊行为检测方法，从而提高作弊行为检测的精准性，简化作弊行为检测的流程，进而提高电子竞技的公平性。

技术方案：本发明所述的一种针对MOBA类游戏的作弊行为检测方法，包括以下步骤：

(1)根据MOBA类游戏各自的特点构建模型框架；

(2)根据数据模型和游戏特点提取关键数据，建立数据库；