论文部分内容阅读
网络游戏产业作为一个正在崛起的朝阳产业,兴起于20世纪末。经过近二十年的迅速发展,已逐渐成为中国经济的重要组成部分。但是,网络游戏安全与公平问题已严重阻碍了游戏产业的进一步发展,如何保护游戏安全与公平,维护良好游戏环境,是网络游戏行业迫在眉睫的一项研究课题。传统的反作弊方法试图针对作弊者使用的技术手段进行相应的技术反制,但是效果并不理想。首先,有些作弊方法已非技术手段所能解决,如组织共谋作弊,这种方式可以足够隐蔽而且不破坏游戏规则,从技术上来说几乎无解,当前业内普遍依靠玩家举报-客服处理的方式应对,效率极低而且容易漏判误判;再如网络诈骗,这种现实世界都无法根除的问题在虚拟游戏世界一样无解,除了加强反诈骗宣传别无他法;其次,技术反制手段的推出必然存在一定的滞后性,伤害一经造成往往无法挽回。本文借助深度学习方法,提出一种基于知识图谱的网络游戏反作弊分析技术。其核心思想是:基于本体构建技术制定标准图数据模型并建立图数据库,在用户游戏过程中收集大量用户行为数据,通过对用户行为数据进行关联分析和计算,发现虚拟游戏账号之间的资金流向及现实联系,再辅以其他技术手段,斩断作弊收益的利益输送链条,使作弊成本高企,组织型作弊行为无利可图,从根源上彻底消除作弊动机。本文基于网络游戏用户知识图谱和GRP通用图计算平台,开发了金商关联分析、账号关联分析、作弊监测预警等上层应用,并投入平台运营,极大的缓解了当前运营困境,为后续网络游戏作弊分析提出了一个新的思路。