检测模型的构建方法、装置、储存介质、处理器和终端与流程
本发明涉及计算机领域，具体而言，涉及一种检测模型的构建方法、装置、储存介质、处理器和终端。
背景技术：
游戏外挂检测通常被认定属于异常检测问题，即，从一系列日志数据中提取出异常数据。异常检测在数据挖掘领域中备受关注，并且在许多实际应用场景中扮演重要角色。例如：信用卡诈骗检测、网络入侵探测以及其他异常行为检测。目前，大量现有技术已经被成功研发并致力于异常检测研究，例如：基于图的异常检测方法、基于张量的异常检测方法。
用户行为分析是当今业界常用来进行游戏脚本机器人检测的方法。这种方法使用从游戏服务器提取的游戏玩家日志数据，进而利用数据挖掘方式来检测一些非常规的精密设计的游戏外挂。这种非常规外挂，不同于传统外挂，可以通过简单的客户端检测加以甄别。非常规外挂隐蔽性更强、更难被发现，而且外挂设计者还熟知针对外挂被强制停止使用问题，如何及时地做出应对性措施，例如：改变外挂中包含的特定内容来躲避游戏公司的外挂检测机制。为此，相关技术中推出改进方案，其是从不同的角度来分析日志数据，例如：分析游戏环境下的社交活动、经济活动或者是虚拟地图中运动轨迹。利用常见的数据挖掘技术，例如：分类(包括但不限于：支持向量机、线性回归)或聚类技术(包括但不限于：k均值聚类，层次聚类等等)，对通过按照经验或者领域知识选取的玩家特征数据进行挖掘。
然而，相关技术中所提出的解决方案需要采集完整的游戏数据，而并没有考虑游戏数据本身也会随时间发生变化。特别是在游戏数据的总体数量较为庞大时，需要耗费较多的硬件资源，并且处理时间较长、处理复杂度较高。
针对上述的问题，目前尚未提出有效的解决方案。
技术实现要素：
本发明至少一个实施例提供了一种检测模型的构建方法、装置、储存介质、处理器和终端，以至少解决相关技术中所提供的游戏外挂检测方案需要获取完整的游戏数据，计算量较大且无法满足游戏数据的增量变化需求的技术问题。
根据本发明其中一实施例，提供了一种检测模型的构建方法，包括：
从待校验数据中获取多个信息类，其中，待校验数据是从预设范围内新增的日志数据中提取的，多个信息类用于确定待使用的检测模型，检测模型用于检测游戏中的异常行为；通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型。
可选地，从待校验数据中获取多个信息类包括：从游戏服务器提取日志数据；按照预设条件从日志数据中选取待校验数据，其中，待校验数据包括：当前采集到的多名游戏角色在相同时间维度下执行的多种类型动作数据，每种类型动作数据被分别设置为一个信息类。
可选地，通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型包括：比较步骤：通过对多个信息类中每个信息类的信息增益进行比较，选取第一信息类和第二信息类，其中，第一信息类的信息增益为多个信息类的信息增益的最大值，第二信息类的信息增益为多个信息类的信息增益的次大值；处理步骤：当第一信息类的信息增益与第二信息类的信息增益的差值大于预设阈值时，将第一信息类对应的动作数据设置为检测模型的当前构建元素；分裂步骤：按照与第一信息类对应的分裂条件，确定下个待生成的构建元素，返回比较步骤。
可选地，在通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型之前，还包括：根据多个信息类中每个信息类的占有比例，分别计算每个信息类对应的信息熵；将每个信息类是否表征为游戏中的异常行为设置为判断条件，分别计算每个信息类对应的条件熵；采用每个信息类对应的信息熵与每个信息类对应的条件熵，计算每个信息类的信息增益。
可选地，处理步骤还包括：如果在当前构建元素处确定多个信息类中所包含的动作数据分布发生变化，则创建与检测模型关联的替代模型，其中，替代模型包括：检测模型中全部已生成的构建元素。
可选地，在当前构建元素处确定多个信息类中所包含的动作数据分布发生变化包括：将多名游戏角色中每名游戏角色对应的动作属性值添加至滑动窗口，其中，动作属性值表示每名游戏角色所执行的动作是否异常；将滑动窗口划分为第一部分子窗口和第二部分子窗口；当确定第一参数值与第二参数值之间的差值的绝对值大于或等于预设阈值时，持续丢弃最新添加至滑动窗口的数据，并确定动作数据分布发生变化，直至绝对值小于预设阈值，其中，第一参数值为第一部分子窗口内的数据平均值，第二参数值为第二部分子窗口内的数据平均值。
可选地，在创建替代模型之后，还包括：采用预设判定指标对检测模型和替代模型进行比较，其中，预设判定指标包括以下至少之一：召回率、准确率；当判定结果显示替代模型优于检测模型时，则采用替代模型对检测模型进行替换。
可选地，分裂步骤还包括：在确定下个待生成的构建元素之后，获取控制命令，其中，控制命令用于指示在下个待生成的构建元素处停止分裂。
根据本发明其中一实施例，还提供了一种检测模型的构建装置，包括：
获取模块，用于从待校验数据中获取多个信息类，其中，待校验数据是从预设范围内新增的日志数据中提取的，多个信息类用于确定待使用的检测模型，检测模型用于检测游戏中的异常行为；构建模块，用于通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型。
可选地，获取模块包括：提取单元，用于从游戏服务器提取日志数据；获取单元，用于按照预设条件从日志数据中选取待校验数据，其中，待校验数据包括：当前采集到的多名游戏角色在相同时间维度下执行的多种类型动作数据，每种类型动作数据被分别设置为一个信息类。
可选地，构建模块包括：比较单元，用于通过对多个信息类中每个信息类的信息增益进行比较，选取第一信息类和第二信息类，其中，第一信息类的信息增益为多个信息类的信息增益的最大值，第二信息类的信息增益为多个信息类的信息增益的次大值；处理单元，用于当第一信息类的信息增益与第二信息类的信息增益的差值大于预设阈值时，将第一信息类对应的动作数据设置为检测模型的当前构建元素；分裂单元，用于按照与第一信息类对应的分裂条件，确定下个待生成的构建元素，返回比较单元。
可选地，上述装置还包括：第一计算模块，用于根据多个信息类中每个信息类的占有比例，分别计算每个信息类对应的信息熵；第二计算模块，用于将每个信息类是否表征为游戏中的异常行为设置为判断条件，分别计算每个信息类对应的条件熵；第三计算模块，用于采用每个信息类对应的信息熵与每个信息类对应的条件熵，计算每个信息类的信息增益。
可选地，处理单元，还用于如果在当前构建元素处确定多个信息类中所包含的动作数据分布发生变化，则创建与检测模型关联的替代模型，其中，替代模型包括：检测模型中全部已生成的构建元素。
可选地，处理单元包括：添加子单元，用于将多名游戏角色中每名游戏角色对应的动作属性值添加至滑动窗口，其中，动作属性值表示每名游戏角色所执行的动作是否异常；划分子单元，用于将滑动窗口划分为第一部分子窗口和第二部分子窗口；处理子单元，用于当确定第一参数值与第二参数值之间的差值的绝对值大于或等于预设阈值时，持续丢弃最新添加至滑动窗口的数据，并确定动作数据分布发生变化，直至绝对值小于预设阈值，其中，第一参数值为第一部分子窗口内的数据平均值，第二参数值为第二部分子窗口内的数据平均值。
可选地，构建模块还包括：比较单元，用于采用预设判定指标对检测模型和替代模型进行比较，其中，预设判定指标包括以下至少之一：召回率、准确率；替换单元，用于当判定结果显示替代模型优于检测模型时，则采用替代模型对检测模型进行替换。
可选地，分裂单元，还用于在确定下个待生成的构建元素之后，获取控制命令，其中，控制命令用于指示在下个待生成的构建元素处停止分裂。
根据本发明其中一实施例，还提供了一种存储介质，该存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行权上述检测模型的构建方法。
根据本发明其中一实施例，还提供了一种处理器，该处理器用于运行程序，其中，程序运行时执行上述检测模型的构建方法。
根据本发明其中一实施例，还提供了一种终端，包括：一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，一个或多个程序被存储在存储器中，并且被配置为由一个或多个处理器执行，一个或多个程序包括用于执行上述检测模型的构建方法。
在本发明至少一实施例中，采用从待校验数据中获取多个信息类，以及通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型的方式，利用从预设范围内新增的日志数据中提取到的待校验数据，达到了用于检测游戏外挂的检测模型随着时间变化而不断重新构建的目的，从而实现了降低构建检测模型的运算量，满足游戏数据的增量变化需求的技术效果，进而解决了相关技术中所提供的游戏外挂检测方案需要获取完整的游戏数据，计算量较大且无法满足游戏数据的增量变化需求的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明其中一实施例的检测模型的构建方法；
图2是根据本发明其中一实施例的检测模型的构建装置的结构框图；
图3是根据本发明其中一优选实施例的检测模型的构建装置的结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
根据本发明其中一实施例，提供了一种检测模型的构建方法的实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明其中一实施例的检测模型的构建方法，如图1所示，该方法包括如下步骤：
步骤s12，从待校验数据中获取多个信息类，其中，待校验数据是从预设范围内新增的日志数据中提取的，多个信息类用于确定待使用的检测模型，检测模型用于检测游戏中的异常行为(例如：在游戏中使用外挂)；
步骤s16，通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型。
通过上述步骤，可以采用从待校验数据中获取多个信息类，以及通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型的方式，利用从预设范围内新增的日志数据中提取到的待校验数据，达到了用于检测游戏外挂的检测模型随着时间变化而不断重新构建的目的，从而实现了降低构建检测模型的运算量，满足游戏数据的增量变化需求的技术效果，进而解决了相关技术中所提供的游戏外挂检测方案需要获取完整的游戏数据，计算量较大且无法满足游戏数据的增量变化需求的技术问题。
可选地，在步骤s12中，从待校验数据中获取多个信息类可以包括以下执行步骤：
步骤s121，从游戏服务器提取日志数据；
步骤s122，按照预设条件从日志数据中选取待校验数据，其中，待校验数据包括：当前采集到的多名游戏角色在相同时间维度下执行的多种类型动作数据，每种类型动作数据被分别设置为一个信息类。
上述日志数据可以是游戏服务器上提供的日志数据。待校验数据通常可以包括但不限于：登陆游戏、退出游戏、接受任务、完成任务、进入地图、退出地图、领取多倍经验、技能释放、游戏角色a击杀游戏角色b、游戏角色击杀怪物、物品使用、掉落物品、掉落装备、商品交易、进入副本、退出副本、获取金钱、使用金钱、升级记录、经验变化记录。
每个游戏玩家控制的游戏角色会有产生多种动作。为了捕捉这些动作的动作特征，首先需要采用特征向量来表示游戏角色在每个时间段上产生的动作。此类统计方式(相当于上述预设条件)有很多，其中，最简单的方式即为统计每种动作的发生频率。除了频率绝对值以外，还可以利用相对值(例如：特定游戏角色的动作频次除以全部游戏角色的动作频次之和)。
上述时间段可以由用户自定义，其既可以按照自然的时间轴——年月日时分秒，也可以采用游戏内的虚拟时间，将等级作为时间轴，游戏角色在每一级或连续多级发生动作的频次，诸如1～5级、6～10级、11～15级等。在选取数据的过程中，通常需要确保选取的游戏角色选到的时间跨度是一致的，以便进行后续处理。例如：选取时间跨度在2017年1月1日～2017年1月30日这30天内产生游戏数据的游戏角色，按照一天时间长度为周期统计动作频次等指标，或者，选取1～45级内产生游戏数据的游戏角色。
需要说明的是，鉴于外挂数量通常会少于正常游戏角色的数量，因此，可以首先通过采样的方式来平衡类别数量。例如：在数据挖掘领域中，将预设样本集合划分为外挂游戏角色与正常游戏角色两类。如果这两类游戏角色的比例差异过大，假设200个游戏角色中只有5个游戏角色为外挂游戏角色，而其余195个游戏角色均为正常游戏角色，那么便可将外挂游戏角色重复加入至上述预设样本集合中，例如：将这5个外挂游戏角色重复放入预设样本集合39次，然后再执行后续的训练操作。
可选地，步骤s16，通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型可以包括以下执行步骤：
步骤s161，通过对多个信息类中每个信息类的信息增益进行比较，选取第一信息类和第二信息类，其中，第一信息类的信息增益为多个信息类的信息增益的最大值，第二信息类的信息增益为多个信息类的信息增益的次大值；
步骤s162，当第一信息类的信息增益与第二信息类的信息增益的差值大于预设阈值时，将第一信息类对应的动作数据设置为检测模型的当前构建元素；
步骤s163，按照与第一信息类对应的分裂条件，确定下个待生成的构建元素，返回步骤s161。
下面将以检测模型为增量决策二叉树为例做进一步说明，首先需要建立一个根节点(其也是通过对多个信息类中每个信息类的信息增益进行比较后得到的)，在该根节点初始化一个统计量，标记为aijk。对于每一个实例(x，y)，x表示特定时间段内特定游戏角色的动作的特征向量，y表示该游戏角色是否属于外挂游戏角色的判定值，其中，可以采用0表示正常游戏角色，可以采用1表示外挂游戏角色。然后，采用初始化条件下的决策树先对该游戏角色进行测试，然后再执行下述hoeffding自适应树生长步骤。此处测试是为了得到准确率、召回率等测试结果，以便将其作为判断效果进行输出。
首先，将上述实例(x，y)先沿着已有的决策树通过一条决策路径达到特定的叶子节点，然后，再更新这条路径经过的全部节点以及叶子节点的估计器aiik。如果当前叶子节点存在一个可替换树talt，那么这棵可替换树也需要执行对应的hoeffding自适应树生长步骤。计算每个动作的信息增益g，其作用在于评估叶子节点现在的条件是否适合执行分裂操作。当计算信息增益时，需要使用到一个离散化的步骤。离散化是决策树中的常见操作，无论是传统决策树还是增量式决策树，这种操作主要针对于非离散值的属性或者游戏角色动作。所谓离散值就像男与女，或者小学、初中、高中、大学这样可以采用有限数字标记的值。在决策树分裂时，需要对连续值的属性执行离散化操作，以便得到不同的子节点。
如果这种动作的值是连续值而不是离散值的话，可以采用一种稳健的增量式的高斯离散化方法。在运用这种增量式的高斯离散化方法之后，可以对连续值进行离散化处理。如果信息增益最大的那个属性(游戏角色产生动作的次数)的信息增益，减去第二大的那个属性的信息增益的值大于
可选地，在步骤s16，通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型之前，还可以包括以下执行步骤：
步骤s13，根据多个信息类中每个信息类的占有比例，分别计算每个信息类对应的信息熵；
步骤s14，将每个信息类是否表征为游戏中的异常行为设置为判断条件，分别计算每个信息类对应的条件熵；
步骤s15，采用每个信息类对应的信息熵与每个信息类对应的条件熵，计算每个信息类的信息增益。
在优选实施例中，信息增益的计算方式如下：对于一个分布，例如：一个特定数据集包括三个信息类：a类，b类和c类，每一个类别所占有的比例为p(a)＝0.2，p(b)＝0.3，p(c)＝1-0.2-0.3＝0.5，则信息熵h＝-∑ipilog(pi)，即0.2log(0.2)+0.3log(0.3)+0.5log(0.5)＝0.301。在通常情况下，熵越小，数据集越有序。当数据集只有一个类别时，熵为0，这是熵的最小值，表示该数据集完全有序。在此基础上，还有一个条件信息熵，h(y|x)＝∑x∈xp(x)h(y|x＝x)，用于判断游戏角色是否为外挂游戏角色，这个条件熵是对特定动作(例如：游戏中进入副本的次数)划分的一个描述。对于特定动作划分前后的熵的差值h(x)-h(y|x)即为信息增益。
可选地，在步骤s162，将第一信息类对应的动作数据设置为检测模型的当前构建元素之后，还可以包括以下执行步骤：
步骤s164，如果在当前构建元素处确定多个信息类中所包含的动作数据分布发生变化，则创建与检测模型关联的替代模型，其中，替代模型包括：检测模型中全部已生成的构建元素。
如果变化检测器(changedetector)确定数据分布发生变化。假设当前存在动作a、动作b和动作c。如果是外挂所控制的游戏角色，通过不会全部执行这三种动作，而往往会选择耗费时间段并且收益高的动作(例如：动作a)来执行。但如果被发现游戏角色重复执行动作a是被游戏外挂所操控，那么很可能遭遇封号处罚。为此，游戏外挂开始控制该游戏角色重复执行动作b和动作c，以达到规避处罚的目的。这样，由重复执行动作a转变为重复执行动作b和动作c便会造成数据分布发生变化。
若叶子节点没有可替换树，则在叶子节点创建一个可替换树talt；如果已经存在可替换树更精确，那么就将该叶子节点1替换为可替换树talt。
需要说明的是，在创建可替换树的叶子节点之前，原有树与可替换树所包含的节点内容完全相同，而从创建可替换树的叶子节点开始，原有树与可替换树各自独立生长，其中，两者可能包含相同内容的节点。
可选地，在步骤s164中，在当前构建元素处确定多个信息类中所包含的动作数据分布发生变化可以包括以下执行步骤：
步骤s1641，将多名游戏角色中每名游戏角色对应的动作属性值添加至滑动窗口，其中，动作属性值表示每名游戏角色所执行的动作是否异常(例如：被游戏外挂所操控)；
步骤s1642，将滑动窗口划分为第一部分子窗口和第二部分子窗口；
步骤s1643，当确定第一参数值与第二参数值之间的差值的绝对值大于或等于预设阈值时，持续丢弃最新添加至滑动窗口的数据，并确定动作数据分布发生变化，直至绝对值小于预设阈值，其中，第一参数值为第一部分子窗口内的数据平均值，第二参数值为第二部分子窗口内的数据平均值。
在具体实现过程中，首先可以初始化滑动窗口w。每个滑动窗口内包含的是由0与1组成的序列，其中，1表示对应的特征向量为外挂特征向量，0表示对应的特征向量为正常特征向量。每当获取到一个新的特征向量，便可以在滑动窗口内插入0或者1，以便采用窗口内的0和1计算方差与总数。
然后，对滑动窗口w进行任意分割，以使得w＝w0+w1，如果不能满足条件
其中，
每当获取到一个新的特征向量，便可以更新统计信息，通过动态地调整滑动窗口大小，来确保滑动窗口尽可能大，并且滑动窗口内的数据分布趋于一致。另外，如果存在丢弃的实例，那么便可以将发生变化的数据分布通知给变化检测器。
可选地，在步骤s164，创建替代模型之后，还可以包括以下执行步骤：
步骤s165，采用预设判定指标对检测模型和替代模型进行比较，其中，预设判定指标包括以下至少之一：召回率、准确率；
步骤s166，当判定结果显示替代模型优于检测模型时，则采用替代模型对检测模型进行替换。
召回率是指正确被检测出的外挂数量占所有应当被检测出的外挂数量的比例。假设预先设置的待检测的特征向量的数量为500，正常特征向量的数量为420，外挂特征向量的数量为80，如果最后检测出的疑似外挂的特征向量数量为100，其中，60个特征向量为外挂特征向量，40个特征向量为外挂特征向量，那么召回率即为60与80的比值，即75％。
准确率是指正确被检测出的外挂数量占实际被检测出的外挂数量的比例。假设预先设置的待检测的特征向量的数量为500，正常特征向量的数量为420，外挂特征向量的数量为80，如果最后检测出的疑似外挂的特征向量数量为100，那么准确率即为80与100的比值，即80％。
通过召回率和准确率中至少之一可以判定替代模型与检测模型之间的优劣，进而确定是否需要采用替代模型来替换检测模型。
可选地，在步骤s163，确定下个待生成的构建元素之后，还包括以下执行步骤：
步骤s167，获取控制命令，其中，控制命令用于指示在下个待生成的构建元素处停止分裂。
如果需要达到停止节点(即下个待生成的构建元素)分裂的效果，只需在判断分裂处设置一个特定条件，使得判断结果永远为false(相当于上述控制命令)，即可停止分裂。例如：在游戏角色a日常进入副本的次数为5次，但是在某些时段突然增加至50次，那么该游戏角色a所执行的进入副本操作很有可能是通过游戏外挂操控的。但是，如果为了迎接特定节日(例如：春节、国庆节)，游戏内退出特定奖励，例如：副本内得到极品装备的概率增加，或者在副本内可以得到双倍经验值，抑或是在副本内设置稀有boss，那么在此时间段内进入副本的次数由5次突然增加至50次的现象属于正常操作，而无需继续执行分裂操作。
根据本发明其中一实施例，还提供了一种检测模型的构建装置的实施例，图2是根据本发明其中一实施例的检测模型的构建装置的结构框图。如图2所示，该装置可以包括：获取模块10，用于从待校验数据中获取多个信息类，其中，待校验数据是从预设范围内新增的日志数据中提取的，多个信息类用于确定待使用的检测模型，检测模型用于检测游戏中的异常行为；构建模块20，用于通过对多个信息类中每个信息类的信息增益进行比较，构建检测模型。
可选地，获取模块10包括：提取单元(图中未示出)，用于从游戏服务器提取日志数据；获取单元(图中未示出)，用于按照预设条件从日志数据中选取待校验数据，其中，待校验数据包括：当前采集到的多名游戏角色在相同时间维度下执行的多种类型动作数据，每种类型动作数据被分别设置为一个信息类。
可选地，构建模块20可以包括：比较单元(图中未示出)，用于通过对多个信息类中每个信息类的信息增益进行比较，选取第一信息类和第二信息类，其中，第一信息类的信息增益为多个信息类的信息增益的最大值，第二信息类的信息增益为多个信息类的信息增益的次大值；处理单元(图中未示出)，用于当第一信息类的信息增益与第二信息类的信息增益的差值大于预设阈值时，将第一信息类对应的动作数据设置为检测模型的当前构建元素；分裂单元(图中未示出)，用于按照与第一信息类对应的分裂条件，确定下个待生成的构建元素，返回比较单元。
可选地，图3是根据本发明其中一优选实施例的检测模型的构建装置的结构框图。如图3所示，上述装置还可以包括：第一计算模块30，用于根据多个信息类中每个信息类的占有比例，分别计算每个信息类对应的信息熵；第二计算模块40，用于将每个信息类是否表征为游戏中的异常行为设置为判断条件，分别计算每个信息类对应的条件熵；第三计算模块50，用于采用每个信息类对应的信息熵与每个信息类对应的条件熵，计算每个信息类的信息增益。
可选地，处理单元，还用于如果在当前构建元素处确定多个信息类中所包含的动作数据分布发生变化，则创建与检测模型关联的替代模型，其中，替代模型包括：检测模型中全部已生成的构建元素。
可选地，处理单元可以包括：添加子单元(图中未示出)，用于将多名游戏角色中每名游戏角色对应的动作属性值添加至滑动窗口，其中，动作属性值表示每名游戏角色所执行的动作是否异常；划分子单元(图中未示出)，用于将滑动窗口划分为第一部分子窗口和第二部分子窗口；处理子单元(图中未示出)，用于当确定第一参数值与第二参数值之间的差值的绝对值大于或等于预设阈值时，持续丢弃最新添加至滑动窗口的数据，并确定动作数据分布发生变化，直至绝对值小于预设阈值，其中，第一参数值为第一部分子窗口内的数据平均值，第二参数值为第二部分子窗口内的数据平均值。
可选地，构建模块20还可以包括：比较单元(图中未示出)，用于采用预设判定指标对检测模型和替代模型进行比较，其中，预设判定指标包括以下至少之一：召回率、准确率；替换单元(图中未示出)，用于当判定结果显示替代模型优于检测模型时，则采用替代模型对检测模型进行替换。
可选地，分裂单元，还用于在确定下个待生成的构建元素之后，获取控制命令，其中，控制命令用于指示在下个待生成的构建元素处停止分裂。
根据本发明其中一实施例，还提供了一种存储介质，存储介质包括存储的程序，其中，在程序运行时控制存储介质所在设备执行上述检测模型的构建方法。上述存储介质可以包括但不限于：u盘、只读存储器(rom)、随机存取存储器(ram)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
根据本发明其中一实施例，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述检测模型的构建方法。上述处理器可以包括但不限于：微处理器(mcu)或可编程逻辑器件(fpga)等的处理装置。
根据本发明其中一实施例，还提供了一种终端，包括：一个或多个处理器，存储器，显示装置以及一个或多个程序，其中，一个或多个程序被存储在存储器中，并且被配置为由一个或多个处理器执行，程序包括用于执行上述检测模型的构建方法。在一些实施例中，上述终端可以是智能手机(例如：android手机、ios手机等)、平板电脑、掌上电脑以及移动互联网设备(mobileinternetdevices，简称为mid)、pad等终端设备。上述显示装置可以是触摸屏式的液晶显示器(lcd)，该液晶显示器可使得用户能够与终端的用户界面进行交互。此外，上述终端还可以包括：输入/输出接口(i/o接口)、通用串行总线(usb)端口、网络接口、电源和/或相机。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
- 还没有人留言评论。精彩留言会获得点赞！