一种基于ELM的在线游戏外挂检测方法

• 作者: 曾孟佳 胡文军 范婧 高少文 黄旭
• 来源期刊: 微型电脑应用
• 学科: 工学
• 关键词: 游戏外挂 大规模多用户在线角色扮演游戏 极限学习机
• 年，卷（期）: 2018,（4）
• 所属期刊栏目: 基金项目
• 页码范围: 1-4,12
• 页数: 5页
• 分类号: TP311
• 字数: 4047字
• 语种: 中文

摘要

游戏外挂是一种替代人参与游戏的第三方软件或程序,在大规模多用户在线角色扮演游戏中,一些用户利用这一类程序快速提升用户等级、快速积累虚拟财富.游戏外挂的使用,扰乱了正常的游戏秩序,降低了大量玩家的良好体验.如何准确快速检测游戏外挂是各大游戏公司亟待解决的问题.将极限学习机(Extreme Learning Machine,ELM)方法用于游戏外挂检测,分析游戏标签数据并形成用户行为序列矩阵,利用ELM对游戏外挂进行分析和筛查.并在网易游戏数据集上进行了测试.同时将该方法的实验结果与传统的SVM和KNN算法进行了对比.实验结果表明,在分类精度和效率方面,其算法具有一定的优势.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄旭	湖州师范学院信息工程学院	22	144	7.0	11.0
3	胡文军	湖州师范学院信息工程学院	30	92	5.0	8.0
6	范婧	浙江大学控制科学与工程学院	3	31	2.0	3.0
7	高少文	浙江大学控制科学与工程学院	2	22	2.0	2.0
8	曾孟佳	湖州师范学院信息工程学院	8	5	2.0	2.0