[发明专利]外挂识别模型训练方法、装置、电子设备及存储介质

权利要求书

1.一种外挂识别模型训练方法，其特征在于，所述方法包括：

获取外挂识别环境中的目标用户的行为信息，并基于所述目标用户的行为信息确定所述外挂识别模型的训练样本，其中，所述外挂识别模型的训练样本包括正常网络样本和非正常网络样本；

基于所述目标用户的行为信息，确定所述外挂识别环境中的外挂画像特征；

根据所述目标用户的行为信息，确定相应的行为序列信息；

基于所述外挂识别模型的训练样本和所述行为序列信息对所述外挂识别模型进行训练，确定与所述外挂识别模型相适配的模型参数，以实现通过所述外挂识别模型对所述目标用户的行为风险进行预测，其中，所述外挂识别模型包括策略行为挖掘网络和门控循环单元网络，所述策略行为挖掘网络用于对行为数据对应的策略行为序列信息进行扩充处理，得到经过扩充的策略行为序列信息，所述门控循环单元网络用于通过所述经过扩充的策略行为序列信息，确定游戏环境中的外挂识别结果。

2.根据权利要求1所述的方法，其特征在于，所述获取外挂识别环境中的目标用户的行为信息，并基于所述目标用户的行为信息确定所述外挂识别模型的训练样本，包括：

根据所述外挂识别环境的类型，确定与所述目标用户相匹配的时间阈值；

根据所述时间阈值，在所述外挂识别环境的历史数据中查询所述目标用户的历史行为数据；

根据所述目标用户的历史行为数据所携带的外挂标识信息，对所述目标用户的历史行为数据进行分类处理，形成正常网络样本和非正常网络样本。

3.根据权利要求1所述的方法，其特征在于，所述基于所述目标用户的行为信息，确定所述外挂识别环境中的外挂画像特征，包括：

对所述目标用户的行为信息进行分类，基于与所述外挂识别环境相匹配的缺失过滤阈值对所述目标用户的行为信息进行筛选；

对经过筛选的所述目标用户的行为信息进行异常值处理，并基于异常值处理的结果进行缺失值补充处理；

对经过缺失值补充处理的目标用户的行为信息进行特征衍生处理；

对经过特征衍生处理的目标用户的行为信息进行独热编码，形成所述外挂识别环境中的外挂画像特征。

4.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的行为信息，确定相应的行为序列信息，包括：

基于时间序列对所述目标用户的行为信息进行处理，形成与时间序列相匹配的用户行为特征；

根据所述外挂识别环境的类型，确定相匹配的博弈行为规则，并基于所述博弈行为规则对与时间序列相匹配的用户行为特征进行处理，形成相应的行为策略信息；

通过所述外挂识别模型的策略行为挖掘网络对所述行为策略信息进行扩充，确定相应的行为序列信息。

5.根据权利要求1所述的方法，其特征在于，所述基于所述外挂识别模型的训练样本和所述行为序列信息对所述外挂识别模型进行训练，确定与所述外挂识别模型相适配的模型参数，包括：

通过所述外挂识别模型中的策略行为挖掘网络，对所述训练样本进行处理，以确定所述策略行为挖掘网络的初始参数；

通过所述外挂识别模型中的门控循环单元网络对所述行为序列信息进行处理，确定所述门控循环单元网络的初始参数

响应于所述策略行为挖掘网络的初始参数和所述门控循环单元网络的初始参数，通过所述策略行为挖掘网络和所述门控循环单元网络对所述训练样本进行处理，确定所述策略行为挖掘网络和门控循环单元网络的更新参数；

根据所述策略行为挖掘网络和门控循环单元网络的更新参数，通过所述训练样本对所述策略行为挖掘网络和门控循环单元网络的更新参数进行迭代更新，以提取所述训练样本中每个样本的特征嵌入向量。