[发明专利]反作弊检测模型构建方法以及反作弊检测方法

权利要求书

1.一种反作弊检测模型构建方法，其特征在于，所述方法包括：

获取携带标签的真实训练数据，所述真实训练数据通过已训练的异常检测模型对携带标签的样本训练集进行数据清洗得到；

根据所述真实训练数据对初始反作弊检测模型进行训练，得到待调整反作弊检测模型；

获取携带标签的样本测试集，根据所述样本测试集对所述待调整反作弊检测模型进行基于模型解释的调整，得到已训练的反作弊检测模型。

2.根据权利要求1所述的方法，其特征在于，所述获取携带标签的真实训练数据包括：

获取携带标签的样本训练集；

通过已训练的异常检测模型中的判别器层对所述样本训练集中各训练样本进行判别，得到与各训练样本对应的判别结果；

筛选出所述判别结果为真实训练样本的训练样本，得到携带标签的真实训练数据。

3.根据权利要求2所述的方法，其特征在于，所述通过已训练的异常检测模型中的判别器层对所述样本训练集中各训练样本进行判别，得到与各训练样本对应的判别结果之前，还包括：

获取噪声数据以及真实样本数据；

将所述噪声数据输入初始异常检测模型中的生成器层，得到与所述噪声数据对应的非真实样本数据；

根据所述非真实样本数据和所述真实样本数据对所述初始异常检测模型中的判别器层进行训练，得到已训练的异常检测模型。

4.根据权利要求1所述的方法，其特征在于，所述根据所述样本测试集对所述待调整反作弊检测模型进行基于模型解释的调整，得到已训练的反作弊检测模型包括：

将所述样本测试集中各测试样本输入所述待调整反作弊检测模型，得到被所述待调整反作弊检测模型判别错误的误判样本数据；

根据所述真实训练数据对预设解释性模型进行训练，得到已训练的解释性模型，并将所述误判样本数据输入所述已训练的解释性模型，得到误判样本分析结果；

根据所述误判样本分析结果对所述待调整反作弊检测模型进行调整，得到已训练的反作弊检测模型。

5.一种反作弊检测方法，其特征在于，包括：

获取待检测数据；

通过已训练的反作弊检测模型对所述待检测数据进行反作弊检测，得到作弊数据，所述已训练的反作弊检测模型根据如权利要求1-4任意一项所述的方法构建。

6.根据权利要求5所述的方法，其特征在于，所述通过已训练的反作弊检测模型对所述待检测数据进行反作弊检测，得到作弊数据包括：

通过已训练的反作弊检测模型对所述待检测数据进行反作弊检测，得到疑似作弊数据；

对所述疑似作弊数据进行异常检测，得到作弊数据。

7.根据权利要求6所述的方法，其特征在于，所述对所述疑似作弊数据进行异常检测，得到作弊数据包括：

将所述疑似作弊数据输入预设孤立森林模型，得到与所述疑似作弊数据对应的孤立森林路径长度；

根据所述孤立森林路径长度，得到作弊数据；

其中，所述预设孤立森林模型由以下方式得到：获取历史反作弊检测数据；根据所述历史反作弊检测数据以及预设孤立森林算法，构建得到所述预设孤立森林模型。

8.一种反作弊检测模型构建装置，其特征在于，所述装置包括：

训练数据获取模块，用于获取携带标签的真实训练数据，所述真实训练数据通过已训练的异常检测模型对携带标签的样本训练集进行数据清洗得到；

训练模块，用于根据所述真实训练数据对初始反作弊检测模型进行训练，得到待调整反作弊检测模型；

优化模块，用于获取携带标签的样本测试集，根据所述样本测试集对所述待调整反作弊检测模型进行基于模型解释的调整，得到已训练的反作弊检测模型。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述的方法的步骤。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。