[发明专利]脚本用户识别方法及系统

权利要求书

1.脚本用户识别方法，其特征在于，包括：

通过规则单元分别对每个游戏用户进行标记得到第一标记结果，所述第一标记结果包括第一正常用户集和第一异常用户集；

通过无监督机器学习单元分别对每个游戏用户进行标记得到第二标记结果，所述第二标记结果包括第二正常用户集、第二异常用户集和不确定用户集；

根据所述第一标记结果和第二标记结果，通过有监督机器学习单元分别对每个游戏用户进行标记得到第三标记结果，所述第三标记结果包括第三正常用户集和第三异常用户集；

根据所述第三标记结果，通过有监督机器学习单元中的有监督机器学习模块训练得到有监督机器学习模型；

通过所述有监督机器学习模型分别对每个游戏用户进行异常度打分，分值超过第一阈值的游戏用户标记为脚本用户；

其中，所述根据所述第一标记结果和第二标记结果，通过有监督机器学习单元对所有游戏用户进行标记得到第三标记结果包括：

根据第一标记结果和第二标记结果，将同时属于第一正常用户集和第二正常用户集的游戏用户标记为第三正常用户，将同时属于第一异常用户集和第二异常用户集的游戏用户标记为第三异常用户，将属于第一正常用户集且属于第二异常用户集的游戏用户标记的第三异常用户，将属于第一异常用户集且属于第二正常用户集的用户加入已有的不确定用户集；

其中，所有第三正常用户构成第三正常用户集，所有第三异常用户构成第三异常用户集；

其中，所述根据所述第三标记结果，通过有监督机器学习单元中的有监督机器学习模块训练得到有监督机器学习模型包括：

分别获取每个游戏用户的第二行为数据，所述第二行为数据为游戏用户在游戏内的行为特征数据，每个第二行为数据包括相应游戏用户的ID；

根据第三异常用户集中每个游戏用户的ID，得到第三异常用户集中每个游戏用户的第二行为数据，第三异常用户集中所有游戏用户的第二行为数据一起构成异常样本；

根据第三正常用户集中每个游戏用户的ID，得到第三正常用户集中每个游戏用户的第二行为数据，第三正常用户集中所有游戏用户的第二行为数据一起构成正常样本；

将所述异常样本和正常样本一起作为有监督机器学习单元中的有监督机器学习模块的训练样本，训练得到有监督机器学习模型。

2.根据权利要求1所述的脚本用户识别方法，其特征在于，所述通过规则单元分别对每个游戏用户进行标记得到第一标记结果包括：

分别获取每个游戏用户的登录/注册数据，每个登录/注册数据中包括相应游戏用户的ID；

分别判断每个游戏用户的登录/注册数据是否违反预设规则，如果是，标记为第一异常用户，否则，标记为第一正常用户；

其中，所有第一正常用户构成第一正常用户集，所有第一异常用户构成第一异常用户集。

3.根据权利要求2所述的脚本用户识别方法，其特征在于，所述通过无监督机器学习单元对所有游戏用户进行标记得到第二标记结果包括：

分别获取每个游戏用户的第一行为数据，所述第一行为数据为游戏用户在游戏内不同游戏场景中的行为拓扑数据，每个第一行为数据中包括相应游戏用户的ID；

根据第一行为数据，采用高密子图挖掘算法对每个游戏用户进行嫌疑度打分，分值超过第二阈值的游戏用户标记为第二异常用户，分值低于第三阈值的游戏用户标记为第二正常用户，分值在第二阈值与第三阈值之间的游戏用户标记为不确定用户；

其中，所有第二正常用户构成第二正常用户集，所有第二异常用户构成第二异常用户集，所有不确定用户构成不确定用户集。

4.根据权利要求3所述的脚本用户识别方法，其特征在于，所述将所述异常样本和正常样本一起作为有监督机器学习单元中的有监督机器学习模块的训练样本，训练得到有监督机器学习模型这一步骤包括：

分别抽出预设比例的异常样本和正常样本，将抽出的异常样本和正常样本一起作为有监督机器学习单元中的有监督机器学习模块的训练样本，训练得到初始模型；

将剩余的异常样本和剩余的正常样本一起作为验证样本对所述初始模型进行验证，验证合格，所述初始模型为所述有监督机器学习模型。