[发明专利]一种应用于人工智能的云游戏数据安全防护方法及服务器

权利要求书

1.一种应用于人工智能的云游戏数据安全防护方法，其特征在于，应用于人工智能服务器，该方法至少包括：

确定依据n组云游戏玩家行为数据生成的玩家行为特征库以及每组云游戏玩家行为数据的基础局部风险检测描述；其中，n为正整数；

将所述玩家行为特征库涵盖的每个行为特征节点整理为若干节点聚类集；通过所述基础局部风险检测描述，对整理获得的每个节点聚类集进行全局风险检测，获得每个所述节点聚类集的基础全局风险检测描述；

结合每个所述节点聚类集的所述基础全局风险检测描述，获取针对所述每组云游戏玩家行为数据的完成优化的局部风险检测描述。

2.根据权利要求1所述的方法，其特征在于，所述结合每个所述节点聚类集的所述基础全局风险检测描述，获取针对所述每组云游戏玩家行为数据的完成优化的局部风险检测描述，包括：

确定完成优化的全局风险检测描述；其中，所述完成优化的全局风险检测描述为针对所述若干节点聚类集中至少一部分节点聚类集的基础全局风险检测描述进行主动型优化后全局风险检测描述；

通过所述完成优化的全局风险检测描述，以及没有完成主动型优化的剩余节点聚类集的基础全局风险检测描述，获取针对所述每组云游戏玩家行为数据的完成优化的局部风险检测描述。

3.根据权利要求1所述的方法，其特征在于，所述结合每个所述节点聚类集的所述基础全局风险检测描述，获取针对所述每组云游戏玩家行为数据的完成优化的局部风险检测描述，包括：

结合每个节点聚类集的基础全局风险检测描述，获得每个节点聚类集在风险检测维度对应的全局预测情况偏移；

依据任意的且存在关联关系的不匹配于相同全局风险检测描述的两个所述节点聚类集之间的量化差异数据，获得每个节点聚类集在行为倾向维度对应的量化差异偏移；

通过所述全局预测情况偏移和所述量化差异偏移，确定风险检测优化模型；

确定保证所述风险检测优化模型的输出变量满足设定检测条件的基础上，针对每个节点聚类集确定的已调整全局风险检测描述；

结合针对每个节点聚类集的已调整全局风险检测描述，获取针对所述每组云游戏玩家行为数据的完成优化的局部风险检测描述。

4.根据权利要求1所述的方法，其特征在于，所述结合每个所述节点聚类集的所述基础全局风险检测描述，获取针对所述每组云游戏玩家行为数据的完成优化的局部风险检测描述，包括：

对于每个节点聚类集，基于玩家行为特征库对应的第一连续空间以及云游戏玩家行为数据对应的第二连续空间之间的对应情况，从所述n组云游戏玩家行为数据中确定与该节点聚类集涵盖的每个行为特征节点对应的云游戏玩家行为数据；

针对每组云游戏玩家行为数据，结合该组云游戏玩家行为数据对应的行为特征节点所对应的节点聚类集的基础全局风险检测描述，获取针对该组云游戏玩家行为数据的完成优化的局部风险检测描述；

其中，所述基础局部风险检测描述为借助基础游戏风险检测模型对所述每组云游戏玩家行为数据进行风险检测所得的，所述获取针对所述每组云游戏玩家行为数据的完成优化的局部风险检测描述之后，还包括：通过所述每组云游戏玩家行为数据的完成优化的局部风险检测描述对所述基础游戏风险检测模型进行配置，得到完成配置的游戏风险检测模型。

5.根据权利要求1所述的方法，其特征在于，所述将所述玩家行为特征库涵盖的每个行为特征节点整理为若干节点聚类集，包括：

从所述玩家行为特征库涵盖的每个行为特征节点中，任意确定目标数目个行为特征节点，将确定出的每个行为特征节点的关键特征信息分别作为待进行聚类整理的节点聚类集的参考特征信息；

确定所述每个行为特征节点中每个行为特征节点的所述关键特征信息，依次与每个所述参考特征信息之间的量化对比结果，以及将该行为特征节点整理到对应的所述量化对比结果符合指定要求的参考特征信息所属的节点聚类集；

获得每个节点聚类集对应的当前的参考特征信息，并结合该当前的参考特征信息，跳转至整理节点聚类集的步骤，直至符合聚类评价指标；

其中，所述获得每个节点聚类集对应的当前的参考特征信息，包括：结合每个节点聚类集涵盖的每个行为特征节点的关键特征信息，获得每个行为特征节点的去极化特征信息，将所述去极化特征信息作为该节点聚类集对应的当前的参考特征信息。