一种基于设备登录密度预判游戏工作室的方法和装置与流程

本发明涉及网络游戏技术领域，尤其涉及一种基于设备登录密度预判游戏工作室的方法和装置。

背景技术：

随着移动互联网和移动互联网的普及和发展，网络游戏越来越多地受到网民们的喜爱，随之而来由一些职业玩家和游戏爱好者组建的，以盈利为目的的游戏工作室也纷纷成立。这些组织或机构通常配备有高端配置的电脑机房，主要以收费方式帮助普通游戏玩家执行游戏任务、代练账号等游戏活动获取盈利。

这些游戏工作室通过海量注册或者代练账号等方式，持有大量廉价的游戏账号。所述游戏账号的泛滥一方面加重网络游戏运营商的运营成本，另一方面也影响了正常玩家的游戏体验，是严重缩短网络游戏生命周期的重要因素。由于目前对游戏工作室的具体运营机制和行为特性了解有限，因此如何准确识别游戏工作室的账号是行业性的技术难题。

目前，根据游戏工作室一般在短时间内大批量登陆账号的特性，业界一般通过统计同一设备同时登陆账号的个数判断是否为工作室账号。例如，公告号为cn106953832a的申请专利公开了一种通过统计设备同时登陆(例如同一注册ip、登陆ip地址、登陆设备uuid或其他相同方式注册)的账号数量，并当账号数量超过阈值时，判断该批账号是游戏工作室的账号。但是，这种统计方式由于判断逻辑单一，只利用登陆的宏观特征；因此其粒度较粗，难以平衡判断的准确率和覆盖率。具体地，当判断同时登陆的阈值过高，虽然判断准确率提高，但是有可能被工作室通过减少同时登陆账号次数的方式绕开而导致漏判；当阈值设置过低，那么当同一宿舍或者同一网吧内共享相同ip多名正常玩家同时登陆，其账号也有可能因此被误判为游戏工作室账号，从而影响正常玩家的游戏体验。另一种判断方式是网络游戏的客服人员通过人工识别可疑的账号。可是，一般情况下游戏工作室能够轻易注册10万多个账号。显然，仅依赖人工识别是无法处理所有这些账号的。

技术实现要素：

本发明的目的是解决现有技术的不足，提供一种基于设备登录密度预判游戏工作室的方法和装置，能够获得显著提高识别游戏工作室账号准确率的效果。

为了实现上述目的，本发明采用以下的技术方案：

首先，本发明提出一种基于设备登录密度预判游戏工作室的方法，包括以下步骤：通过游戏的日志库，获取账号的登陆状况日志以及账号虚拟财产；基于登陆状况日志，使用聚类算法对日志库中的账号分类以形成账号聚类，并计算各个账号聚类的聚集程度；根据各个账号聚类的聚集程度，确定聚集程度高于聚集阈值的可疑聚类；在可疑聚类中，确定账号虚拟财产低于财产阈值的账号为可疑。

在本发明的一个方法实施例中，登陆状况日志至少包括账号的登陆设备和登陆时间。

进一步地，在本发明的上述方法实施例中，基于登陆状况日志，使用聚类算法对日志库中的账号分类以形成账号聚类，并计算各个账号聚类的聚集程度包括以下的子步骤：根据账号的登陆设备对账号分类，形成初步聚类；在初步聚类中基于登陆时间使用聚类算法对日志库中的账号分类以形成账号聚类；计算账号聚类各自的聚集程度。

再进一步地，在本发明的上述方法实施例中，基于登陆时间，使用dbscan算法对初步聚类中的账号分类以形成账号聚类。

进一步地，在本发明的上述方法实施例中，计算聚集程度的方法步骤如下：在初步聚类中，筛选账号个数大于账号阈值的账号聚类，形成筛选聚类；计算筛选聚类中账号的个数占对应的初步聚类中账号的百分比，作为聚集程度。

在本发明的一个方法实施例中，账号虚拟财产至少包括账号当前虚拟财产和累计虚拟财产。

在本发明的一个方法实施例中，还包括以下步骤：基于可疑的账号，执行人工离线验证。

在本发明的一个方法实施例中，还包括以下步骤：基于可疑的账号，执行短期封号在线验证。

其次，本发明还提出一种基于设备登录密度预判游戏工作室的装置，包括以下模块：数据接入模块，用于通过游戏的日志库，获取账号的登陆状况日志以及账号虚拟财产；密度聚类模块，用于基于登陆状况日志，使用聚类算法对日志库中的账号分类以形成账号聚类，并计算各个账号聚类的聚集程度；第一过滤模块，用于根据各个账号聚类的聚集程度，确定聚集程度高于聚集阈值的可疑聚类；第二过滤模块，用于在可疑聚类中，确定账号虚拟财产低于财产阈值的账号为可疑。

在本发明的一个装置实施例中，登陆状况日志至少包括账号的登陆设备和登陆时间。

进一步地，在本发明的上述装置实施例中，密度聚类模块还包括以下的子模块：第一聚类模块，用于根据账号的登陆设备对账号分类，形成初步聚类；第二聚类模块，用于在初步聚类中基于登陆时间使用聚类算法对日志库中的账号分类以形成账号聚类；第三聚类模块，用于计算账号聚类各自的聚集程度。

再进一步地，在本发明的上述装置实施例中，基于登陆时间，第二聚类模块使用dbscan算法对初步聚类中的账号分类以形成账号聚类。

进一步地，在本发明的上述装置实施例中，第三聚类模块还包括如下子模块：筛选聚类模块，用于在初步聚类中，筛选账号个数大于账号阈值的账号聚类，形成筛选聚类；计算聚类模块，用于计算筛选聚类中账号的个数占对应的初步聚类中账号的百分比，作为聚集程度。

在本发明的一个装置实施例中，账号虚拟财产至少包括账号当前虚拟财产和累计虚拟财产。

最后，本发明还公开了一种计算机可读存储介质，其上存储有计算机指令，该指令被处理器执行时实现如前述任一项所述的方法的步骤。

本发明的有益效果为：通过同时考察账号的登陆设备、登陆时间和账号虚拟财产的信息，深入挖掘游戏工作室账号的微观特征，显著提高了判断游戏工作室账号的准确率。

附图说明

图1所示为本发明所公开的种基于设备登录密度预判游戏工作室方法的方法流程图；

图2所示为图1中使用聚类算法形成账号聚类并计算其聚集程度的子步骤流程图；

图3所示为图2形成的初步聚类中游戏工作室登陆时间示意图；

图4所示为图2中计算各账号聚类其聚集程度的子步骤流程图；

图5所示为验证是否为游戏工作室账号方法流程的示意图；

图6所示为本发明所公开的种基于设备登录密度预判游戏工作室装置的装置模块图。

具体实施方式

以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。附图中各处使用的相同的附图标记指示相同或相似的部分。

基于前文中对游戏工作室运营机制的初步分析，游戏工作室虽然拥有大量的账号，并通过机房中高端配置的电脑快速登陆，以及刷单等行为获得经济利益；但是基于硬件设备和人工操作的成本考虑，为了能够让海量的账号快速登陆，游戏工作室一般采用编写自动化脚本的方式让账号批量自动登陆。同时，因为游戏工作室基于上述成本的考虑，所持有的大部分账号只执行登陆操作，而不会像正常玩家那样执行其他操作以获取游戏中的虚拟货币或者高质量的装备道具，所以其账号虚拟财产(例如账号所持有虚拟货币的数量和装备道具的质量等等)一般都是非常少，甚至没有。相反，正常玩家所持有的账号通常具有较多的账号虚拟财产，例如拥有较多的虚拟货币或者高质量的装备道具。

基于上述理由，本发明所公开的技术方案将账号虚拟财产作为判断标准之一，结合现有技术中所使用的登陆设备和登陆时间，判断某个账号是否为游戏工作室账号。具体地，参照图1所示的方法流程图，根据本发明所公开的一个实施例，基于设备登录密度预判游戏工作室的方法包括以下步骤：通过游戏的日志库，获取账号的登陆状况日志以及账号虚拟财产；基于登陆状况日志，使用聚类算法对日志库中的账号分类以形成账号聚类，并计算各个账号聚类的聚集程度；根据各个账号聚类的聚集程度，确定聚集程度高于聚集阈值的可疑聚类；在可疑聚类中，确定账号虚拟财产低于财产阈值的账号为可疑。

在本发明的上述方法实施例中，登陆状况日志至少包括账号的登陆设备和登陆时间。其中，登陆设备的确认方式可包括但是不限于注册ip地址、登陆ip地址、登陆设备uuid或它们的任意组合，以确认不同的账号是否在同一设备上登陆。此外，登陆时间除包括最近一次登陆时间外，还可以包括最近10天内或者最近30天内的登陆时间等等，作为后继方法步骤中在对账号分类时的依据。

考虑到游戏工作室是使用少量电脑登陆大量账号的行为特点，可优先以设备为标准对日志库中的账号分类，然后再设计算法发现登陆时间间隔在某个固定数值或者某个时间区域内的异常账号。参照图2所示的子方法流程图，在本发明的上述方法实施例中，基于登陆状况日志，使用聚类算法对日志库中的账号分类以形成账号聚类，并计算各个账号聚类的聚集程度包括以下的子步骤：首先，根据账号的登陆设备对账号分类，将判断为使用同一设备登陆的账号分为一类，以形成初步聚类；其次，在初步聚类中使用聚类算法(例如本技术领域中常用的k-means算法)对日志库中的账号分类以形成账号聚类；最后，计算账号聚类各自的聚集程度。一般情况下，由于游戏工作室是采用自动化脚本执行账号批量自动登陆，所以在游戏工作室的同一设备上登陆的账号，其登陆时间具有高度的规律性，如图3所示。因此，上述方法可以初步将可疑的账号分类，然后再基于登陆时间对初步聚类进行细分。进一步地，当初步聚类中某个聚类只有1个账号时，这个账号被认为是正常玩家的账号。相应地，对应的初步聚类将被剔除，不再参与后继的处理。

然而，在实际场景中，游戏工作室为了尽量模仿正常玩家登陆的情景，其同一设备上多个账号的登陆时间不会如图3所示的高度规律性。具体地，游戏工作室在编写的自动化脚本在执行登陆操作时，可在相关参数中添加一些随机变量，以破坏各个账号之间登陆时间的相关性。例如，自动化脚本在相隔3秒登陆一个账号的基础上，在各个账号的登陆时间差处添加随机数值，使得游戏工作室的账号不是以等距的时间间隔登陆。为了解决以上问题，在本发明的一个方法实施例中，账号聚类是基于登陆时间，使用dbscan算法对初步聚类中的账号分类形成的。由于dbscan算法的原理和具体实现方式作为本领域的公知常识，本文在此不再详细描述。本文旨在重点指出由于dbscan算法作为基于密度的聚类算法除了能够有效地排除登陆时间中随机变量的干扰外，还由于其无需预先指定账号聚类的个数，而且能自动识别在不属于任何一个账号聚类的噪音点(即正常玩家的账号)，从而特别适合在事先无法确定游戏工作室在同一设备上登陆账号的批次的情况，以及曾经或将要使用该设备登陆的正常玩家不会因此受到牵连的优点。

参照图4所示的方法流程图，在本发明的一个方法实施例中，计算聚集程度的方法步骤如下：在初步聚类中，筛选账号个数大于账号阈值的账号聚类，形成筛选聚类；计算筛选聚类中账号的个数占对应的初步聚类中账号的百分比，作为聚集程度。其中，聚集程度是衡量同一设备上呈现批次登陆的账号个数。具体地，当在同一设备中登录的所有账号，大多数都呈现批次登录现象，那么该设备中的账号聚集程度较高，相关账号很可能是游戏工作室的账号；反之，当在同一设备中登录的所有账号，大多数都是零散登录，没有形成批次登录现象，那么该设备中的账号的聚集程度较低，是游戏工作室账号的可能性较低。判断是否批次登陆是通过设定账号阈值而限定。例如，当账号阈值设置为10时，则只有当初步聚类中包含10个或以上的账号时，才认为是出现批次登陆的现象。因此，聚集程度的高度成为了衡量是否游戏工作室账号的重要判断依据。在实际操作中，当按照上述方式所定义的聚集程度大于90％时，可以认为该设备中登陆的账号是潜在的游戏工作室账。否则，相关账号可以认为是正常玩家的账号。相应地，对应的初步聚类将被剔除，不再参与后继的处理。

在实际的业务场景中，同一个宿舍或者网吧的账号，可能会由于正常玩家在某个时间组团玩联机，也存在短期内大量登录的现象。为了区别上述正常玩家，在本发明的一个实施例中，用于判断可疑聚类中的账号是否可疑所依据的账号虚拟财产至少包括账号当前虚拟财产和累计虚拟财产。由于正常玩家一般具有较多的账号虚拟财产，或者在游戏中刚使用虚拟货币交易使得当前账号虚拟财产较少但是累计虚拟财产较多。这些账号与游戏工作室所持有的账号具有本质的区别。其中，账号虚拟财产除了前文提到的虚拟货币和装备道具的质量外，还可以包括但是不限于已经消耗的装备道具数量、账号充值金额、账号游戏等级或它们的任意组合。账号虚拟财产可以是对以上各项数值作归一化处理后所得的一个数值。相应地，财产阈值可以根据上述账号虚拟财产的计算方法和具体的网络游戏而设定。本发明对具体的账号虚拟财产及对应的财产阈值计算方式不予限制。

为了验证上述所得账号是否为游戏工作室账号，参照图5所示的方法流程的示意图，在本发明的一个方法实施例中，可疑的账号通过人工离线验证或执行短期封号在线验证。其中，人工离线验证可通过随机筛选1000个账号，由游戏客服手动确认的方法标注出工作室账号和非工作室账号，以验证上述方法判断是否正确。具体地，游戏客服会通过人工电话和留言的方式联系拥有该账号的玩家，并通过追踪日志的方式观察该玩家的属性，以及最近30天的登录、充值和消费行为。当游戏客服联系不上该账号的玩家，且该账号出现批次登录和低资产等状况，该账号被判定为工作室账号，反之依然。可替代地，短期封号在线验证方式则将判断为游戏工作室的账号提供给游戏客服。游戏客服对这批账号执行业务运营干预，即对其作短期封号处理。对于误判的账号，正常玩家会通过上诉操作或者致电客服。无论上诉哪种验证方式，上述验证反馈信息将与本发明输出的预测结果做匹配，以及时调整上述方法中所用到的各个阈值。

参照图6所示的装置模块图，根据本发明所公开装置的一个实施例，基于设备登录密度预判游戏工作室的装置包括以下模块：数据接入模块，用于通过游戏的日志库，获取账号的登陆状况日志以及账号虚拟财产；密度聚类模块，用于基于登陆状况日志，使用聚类算法对日志库中的账号分类以形成账号聚类，并计算各个账号聚类的聚集程度；第一过滤模块，用于根据各个账号聚类的聚集程度，确定聚集程度高于聚集阈值的可疑聚类；第二过滤模块，用于在可疑聚类中，确定账号虚拟财产低于财产阈值的账号为可疑。

在本发明的上述装置实施例中，登陆状况日志至少包括账号的登陆设备和登陆时间。其中，登陆设备的确认方式可包括但是不限于注册ip地址、登陆ip地址、登陆设备uuid或它们的任意组合，以确认不同的账号是否在同一设备上登陆。此外，登陆时间除包括最近一次登陆时间外，还可以包括最近10天内或者最近30天内的登陆时间等等，作为后继方法步骤中在对账号分类时的依据。

考虑到游戏工作室是使用少量电脑登陆大量账号的行为特点，可优先以设备为标准对日志库中的账号分类，然后再设计算法发现登陆时间间隔在某个固定数值或者某个时间区域内的异常账号。进一步地，在本发明的上述装置实施例中，密度聚类模块还包括以下的子模块：第一聚类模块，用根据账号的登陆设备对账号分类，将判断为使用同一设备登陆的账号分为一类，以形成初步聚类；第二聚类模块，用于在初步聚类中使用聚类算法(例如本技术领域中常用的k-means算法)对日志库中的账号分类以形成账号聚类；第三聚类模块，用于计算账号聚类各自的聚集程度。一般情况下，由于游戏工作室是采用自动化脚本执行账号批量自动登陆，所以在游戏工作室的同一设备上登陆的账号，其登陆时间具有高度的规律性，如图3所示。因此，第一聚类模块可以初步将可疑的账号分类，然后第二聚类模块再基于登陆时间对初步聚类进行细分。进一步地，当初步聚类中某个聚类只有1个账号时，这个账号被认为是正常玩家的账号。相应地，对应的初步聚类将被剔除，不再参与后继的处理。

然而，在实际场景中，游戏工作室为了尽量模仿正常玩家登陆的情景，其同一设备上多个账号的登陆时间不会如图3所示的高度规律性。具体地，游戏工作室在编写的自动化脚本在执行登陆操作时，可在相关参数中添加一些随机变量，以破坏各个账号之间登陆时间的相关性。例如，自动化脚本在相隔3秒登陆一个账号的基础上，在各个账号的登陆时间差处添加随机数值，使得游戏工作室的账号不是以等距的时间间隔登陆。为了解决以上问题，在本发明的一个装置实施例中，基于登陆时间，第二聚类模块使用dbscan算法对初步聚类中的账号分类形成的。由于dbscan算法的原理和具体实现方式作为本领域的公知常识，本文在此不再详细描述。本文旨在重点指出由于dbscan算法作为基于密度的聚类算法除了能够有效地排除登陆时间中随机变量的干扰外，还由于其无需预先指定账号聚类的个数，而且能自动识别在不属于任何一个账号聚类的噪音点(即正常玩家的账号)，从而特别适合在事先无法确定游戏工作室在同一设备上登陆账号的批次的情况，以及曾经或将要使用该设备登陆的正常玩家不会因此受到牵连的优点。

在本发明的上述装置实施例中，第三聚类模块还包括如下子模块：筛选聚类模块，用于在初步聚类中，筛选账号个数大于账号阈值的账号聚类，形成筛选聚类；计算聚类模块，用于计算筛选聚类中账号的个数占对应的初步聚类中账号的百分比，作为聚集程度。其中，聚集程度是衡量同一设备上呈现批次登陆的账号个数。具体地，当在同一设备中登录的所有账号，大多数都呈现批次登录现象，那么该设备中的账号聚集程度较高，相关账号很可能是游戏工作室的账号；反之，当在同一设备中登录的所有账号，大多数都是零散登录，没有形成批次登录现象，那么该设备中的账号的聚集程度较低，是游戏工作室账号的可能性较低。判断是否批次登陆是通过设定账号阈值而限定。例如，当账号阈值设置为10时，则只有当初步聚类中包含10个或以上的账号时，才认为是出现批次登陆的现象。因此，聚集程度的高度成为了衡量是否游戏工作室账号的重要判断依据。在实际操作中，当按照上述方式所定义的聚集程度大于90％时，可以认为该设备中登陆的账号是潜在的游戏工作室账。否则，相关账号可以认为是正常玩家的账号。相应地，对应的初步聚类将被剔除，不再参与后继的处理。

在实际的业务场景中，同一个宿舍或者网吧的账号，可能会由于正常玩家在某个时间组团玩联机，也存在短期内大量登录的现象。为了区别上述正常玩家，在本发明的一个实施例中，用于判断可疑聚类中的账号是否可疑所依据的账号虚拟财产至少包括账号当前虚拟财产和累计虚拟财产。由于正常玩家一般具有较多的账号虚拟财产，或者在游戏中刚使用虚拟货币交易使得当前账号虚拟财产较少但是累计虚拟财产较多。这些账号与游戏工作室所持有的账号具有本质的区别。其中，账号虚拟财产除了前文提到的虚拟货币和装备道具的质量外，还可以包括但是不限于已经消耗的装备道具数量、账号充值金额、账号游戏等级或它们的任意组合。账号虚拟财产可以是对以上各项数值作归一化处理后所得的一个数值。相应地，财产阈值可以根据上述账号虚拟财产的计算方法和具体的网络游戏而设定。本发明对具体的账号虚拟财产及对应的财产阈值计算方式不予限制。

尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，而是应当将其视作是通过参考所附权利要求考虑到现有技术为这些权利要求提供广义的可能性解释，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。