一种基于网络信息安全的云游戏大数据分析方法及系统与流程

1.本技术实施例涉及云游戏技术领域，具体涉及一种基于网络信息安全的云游戏大数据分析方法及系统。


背景技术：

2.网络信息安全是指保护网络系统中的软件、硬件及信息资源，避免受偶然或恶意的破坏、篡改和泄露，保证网络系统的正常运行、网络服务不中断。从用户角度来理解，网络信息安全主要是保障个人数据或企业的信息在网络中的保密性、完整性、不可否认性，防止信息的泄露和破坏，防止信息资源的非授权访问。从网络管理者来理解，网络信息安全的主要任务是保障合法用户正常使用网络资源，避免病毒、拒绝服务、远程控制、非授权访问等安全威胁，及时发现安全漏洞，制止攻击行为等。
3.而随着网络的不断优化，应用的领域也不断增多，比如：网络支付、在线教育、网络游戏（云游戏）等。以云游戏为例进行说明。云游戏是云计算的产物，区别在于，云游戏是云产物下，最容易快速落地的实际应用，大多建立于pc端，可以利用有线光纤实现快速的画面传输。随着云游戏的不断发展，对于云游戏过程中的网络安全问题不容忽视。经发明人长期研究发现，为了高质量实现云游戏的网络安全问题处理，完整丰富的分析依据必不可少，然而相关技术难以满足这一诉求。


技术实现要素：

4.有鉴于此，本技术实施例提供了一种基于网络信息安全的云游戏大数据分析方法及系统。
5.本技术实施例提供了一种基于网络信息安全的云游戏大数据分析方法，包括：利用游戏交互警示事项识别处理，确定云游戏大数据的游戏交互警示事项表达；以及利用传递描述识别处理，确定所述云游戏大数据中第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容；其中，所述第一传递描述内容的局部内容集涵盖所述第二传递描述内容；通过所述游戏交互警示事项表达指向的游戏交互警示事项、所述第一传递描述内容指向的第一约束条件和所述第二传递描述内容指向的第二约束条件，建立所述信息安全知识库；其中，具有传递描述内容的游戏交互警示事项中的一个或者多于一个匹配于所述游戏交互警示事项表达指向的游戏交互警示事项。
6.对于一种可独立设计的技术方案而言，所述利用游戏交互警示事项识别处理，确定云游戏大数据的游戏交互警示事项表达，包括：确定所述云游戏大数据的初始游戏交互警示事项表达；将所述初始游戏交互警示事项表达调整为数组型游戏交互警示事项表达；将所述数组型游戏交互警示事项表达确定为所述云游戏大数据的所述游戏交互警示事项表达。
7.对于一种可独立设计的技术方案而言，所述利用传递描述识别处理，确定所述云游戏大数据中第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容，包括：确定所述云游戏大数据的初始传递描述内容；依据所述初始传递描述内容，确定第一传递描述内容分布列表和第二传递描述内容分布列表；依据所述云游戏大数据的所述游戏交互警示事项表达和所述第一传递描述内容分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第一传递描述内容；依据所述云游戏大数据的所述游戏交互警示事项表达和所述第二传递描述内容分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第二传递描述内容。
8.对于一种可独立设计的技术方案而言，所述方法还包括：依据所述第一传递描述内容分布列表和所述第二传递描述内容分布列表，对所述第二传递描述内容分布列表进行更新，或对所述第一传递描述内容分布列表和所述第二传递描述内容分布列表进行更新；在对所述第二传递描述内容分布列表进行更新的基础上，所述依据所述云游戏大数据的所述游戏交互警示事项表达和所述第二传递描述内容分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第二传递描述内容，包括：依据所述数组型游戏交互警示事项表达和所述第二传递描述内容分布列表更新后获得的第三传递描述分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第二传递描述内容；在对所述第一传递描述内容分布列表进行更新的基础上，所述依据所述云游戏大数据的所述游戏交互警示事项表达和所述第一传递描述内容分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第一传递描述内容，包括：依据所述云游戏大数据的所述游戏交互警示事项表达和所述第一传递描述内容分布列表更新后获得的第四传递描述内容分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第一传递描述内容。
9.对于一种可独立设计的技术方案而言，所述依据所述第一传递描述内容分布列表和所述第二传递描述内容分布列表，对所述第二传递描述内容分布列表进行更新，包括：对所述第一传递描述内容分布列表逐一启用滑动平均操作、标量简化操作和relu算法加载操作，确定第一分布列表，以及对所述第二传递描述内容分布列表逐一启用滑动平均操作、标量简化操作和relu算法加载操作，确定第二分布列表；依据所述第一分布列表和所述第二分布列表，在传递描述内容的描述内容状态层面，确定第一关联程度分布列表，以及在传递描述内容的范例层面，确定第二关联程度分布列表；将所述第一分布列表与所述第一关联程度分布列表加载到第一ai人工智能模型，确定所述第一ai人工智能模型的第一模型处理结果；将所述第一模型处理结果和所述第二关联程度分布列表加载到第二ai人工智能模型，确定所述第二ai人工智能模型的第二模型处理结果；
将所述第二模型处理结果和所述第二传递描述内容分布列表融合后，获得所述第二传递描述内容分布列表更新后的第三传递描述内容分布列表。
10.对于一种可独立设计的技术方案而言，所述确定所述云游戏大数据中第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容之后，所述方法还包括：在目标约束条件记录库中，确定与所述第一传递描述内容指向的所述第一约束条件和与所述第二传递描述内容指向的所述第二约束条件。
11.对于一种可独立设计的技术方案而言，所述方法还包括：确定与若干第二传递描述内容指向的第二约束条件记录库；依据所述第二约束条件记录库，获得与所述第二约束条件记录库中的约束条件指向的潜在特征；依据每两个所述潜在特征之间的量化差异，对所述第二约束条件记录库中的约束条件进行多维特征分析，确定与若干第一传递描述内容指向的第一约束条件记录库、以及所述第一约束条件记录库中的约束条件与所述第二约束条件记录库中的约束条件之间的映射情况；将所述第一约束条件记录库、所述第二约束条件记录库和所述映射情况，确定为所述目标约束条件记录库。
12.对于一种可独立设计的技术方案而言，所述依据所述第二约束条件记录库，获得与所述第二约束条件记录库中的约束条件指向的潜在特征，包括：将所述第二约束条件记录库加载到约束条件挖掘模型，获得约束条件挖掘模型生成的与所述第二约束条件记录库中的约束条件指向的潜在特征；其中，所述约束条件挖掘模型是借助与若干第二传递描述内容指向的范例约束条件记录库中的约束条件确定为原料信息，借助所述范例约束条件记录库中事先设置的约束条件所指向的范例潜在特征作为参考进行调优所获得的。
13.对于一种可独立设计的技术方案而言，所述云游戏大数据涵盖旨在表达云游戏客户端在游戏互动过程中网络环境安全情况的云游戏大数据，所述信息安全知识库旨在表征所述云游戏大数据包括的实时游戏交互警示事项之间的传递描述内容。
14.本技术实施例还提供了一种云游戏大数据分析系统，包括处理器、网络模块和存储器；所述处理器和所述存储器通过所述网络模块通信，所述处理器从所述存储器中读取计算机程序并运行，以执行上述的方法。
15.相较于现有技术，本技术实施例提供的一种基于网络信息安全的云游戏大数据分析方法及系统具有以下技术效果：可以对云游戏大数据进行游戏交互警示事项识别处理，确定云游戏大数据的游戏交互警示事项表达，对云游戏大数据进行转达描述识别处理，确定云游戏大数据中第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容。其中，第一传递描述内容的局部内容集包括了第二传递描述内容。进一步地，基于游戏交互警示事项表达指向的游戏交互警示事项、所述第一传递描述内容指向的第一约束条件和所述第二传递描述内容指向的第二约束条件，建立所述信息安全知识库；其中，具有传递描述内容的游戏交互警示事项中的一个或者多于一个匹配于所述游戏交互警示事项表达指向的游戏交互警示事项。
16.在本技术实施例中，建立的信息安全知识库可以并行描述云游戏大数据中第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容，其中，所述第一传递描述内容的局部内容集涵盖所述第二传递描述内容，使得信息安全知识库中包括云游戏大数据的更多角度的网络安全风险信息，即通过诸多差异性维度确定得到的传递描述内容，如此，可以更加深层次且丰富地挖掘识别云游戏大数据中的网络安全风险信息，进而保障建立的信息安全知识库的完整性和丰富性。此外，由于信息安全知识库是图形化的知识图谱，其易用性高，能够适用于不同游戏场景下的网络信息安全分析，这样可以以一个信息安全知识库为基准进行知识库衍生，以提高对未知网络安全风险的预判。
附图说明
17.图1为本技术实施例所提供的一种基于网络信息安全的云游戏大数据分析方法的流程图。
具体实施方式
18.本技术实施例中的云游戏大数据分析系统10可以为具有数据存储、传输、处理功能的服务端，云游戏大数据分析系统10包括：存储器11、处理器12、网络模块13和基于网络信息安全的云游戏大数据分析装置20。
19.本技术实施例还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序，所述计算机程序在运行时实现上述的方法。
20.图1示出了本技术实施例所提供的一种基于网络信息安全的云游戏大数据分析方法的流程图。所述方法有关的流程所定义的方法步骤应用于云游戏大数据分析系统10，可以由所述处理器12实现，所述方法包括以下step201-step203所记录的内容。
21.step201，利用游戏交互警示事项识别处理，确定云游戏大数据的游戏交互警示事项表达。
22.在本技术实施例中，游戏交互警示事项识别处理可以理解为要获取到该云游戏大数据中所涵盖的各个游戏交互警示事项的游戏交互警示事项表达，游戏交互警示事项可以理解为该云游戏大数据中所涵盖的异常游戏项目，其中，异常游戏项目可以是玩家异常行为项目、异常游戏功能项目，或者其他任意的异常游戏项目，游戏交互警示事项表达（事项特征，比如可以通过特征向量或者特征图的形式进行记录）可以理解为云游戏大数据中的游戏交互警示事项的热度、场景状态、所对应的种类等。
23.step202，利用传递描述识别处理，确定所述云游戏大数据中第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容。
24.在本技术实施例中，传递描述识别处理（可以理解为关系检测）旨在要确定云游戏大数据中两个游戏交互警示事项之间的不同层面的传递描述内容。这两个游戏交互警示事项可以理解为云游戏大数据中的第一游戏交互警示事项和第二游戏交互警示事项，不同层面的传递描述内容可以包括第一传递描述内容和第二传递描述内容。其中，第一传递描述内容的局部内容集包括第二传递描述内容，进一步地，传递描述内容可以理解为关系特征。换言之，第一传递描述内容相当于第二传递描述内容的上游内容，用于记录第一游戏交互警示事项与第二游戏交互警示事项之间相对较广泛的传递描述内容，第二传递描述内容匹
配于第一传递描述内容的局部内容集（可以理解为子类），用于记录第一游戏交互警示事项与第二游戏交互警示事项之间细节程度较高的传递描述内容。
25.step203，通过所述游戏交互警示事项表达指向的游戏交互警示事项、所述第一传递描述内容指向的第一约束条件和所述第二传递描述内容指向的第二约束条件，建立所述信息安全知识库。
26.在本技术实施例中，具有传递描述内容的游戏交互警示事项中的一个或者多于一个匹配于所述游戏交互警示事项表达指向的游戏交互警示事项。比如，游戏交互警示事项matter_1与游戏交互警示事项matter_2具有第一传递描述内容和第二传递描述内容，在对云游戏大数据进行游戏交互警示事项识别处理时，确定的游戏交互警示事项表达所指向的游戏交互警示事项包括游戏交互警示事项matter_1和/或游戏交互警示事项matter_2。第一约束条件是旨在表征第一传递描述内容的约束条件，第二约束条件是旨在表征第二传递描述内容的约束条件。
27.可以理解，最后建立的信息安全知识库（比如用于进行信息安全特征记录的知识图谱或者图数据集）不仅可以反映第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容，还可以反映第一游戏交互警示事项与第二游戏交互警示事项之间的细节程度较高之后的第二传递描述内容。
28.实施step201-step203所记录的内容，建立的信息安全知识库可以并行描述云游戏大数据中第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容，其中，所述第一传递描述内容的局部内容集涵盖所述第二传递描述内容，使得信息安全知识库中包括云游戏大数据的更多角度的网络安全风险信息，即基于不同层面得出的传递描述内容，如此，可以更加深层次且丰富地挖掘识别云游戏大数据中的网络安全风险信息，进而保障建立的信息安全知识库的完整性和丰富性。此外，由于信息安全知识库是图形化的知识图谱，其易用性高，能够适用于不同游戏场景下的网络信息安全分析，这样可以以一个信息安全知识库为基准进行知识库衍生，以提高对未知网络安全风险的预判。
29.对于一种可独立实施的技术方案而言，step201所记录的利用游戏交互警示事项识别处理，确定云游戏大数据的游戏交互警示事项表达，示例性地可以包括step2011-step2013所记录的内容。
30.step2011，确定所述云游戏大数据的初始游戏交互警示事项表达。
31.在本技术实施例中，可以依据该云游戏大数据的云游戏大数据描述内容，先确定该云游戏大数据中所涵盖的每个游戏交互警示事项分别指向的游戏交互警示事项的限制性标志。其中，游戏交互警示事项的限制性标志可以包括游戏交互警示事项的关键描述事项，比如：游戏交互警示事项为玩家异常行为项目，则游戏交互警示事项的限制性标志可以包括玩家行为标志，游戏交互警示事项为其它异常游戏项目，则游戏交互警示事项的限制性标志可以包括该异常游戏项目的全局或者局部信息。然后根据相关事项表达挖掘算法，基于游戏交互警示事项的限制性标志挖掘出云游戏大数据中的初始游戏交互警示事项表达。
32.可以理解，云游戏大数据描述内容可以包括主题信息描述、交互细节描述、场景状态描述等。主题信息描述是一种整体描述内容，记录了云游戏大数据所指向的游戏交互警
示事项的主要表达内容，交互细节描述也是一种整体描述内容，它记录了云游戏大数据所对应游戏交互警示事项的多端交互情况，场景状态描述可以通过两种表达方式进行表达，第一种是特征图描述，第二种是特征数组描述，云游戏大数据的特征图描述主要针对游戏交互警示事项的范围型内容，而云游戏大数据的特征数组描述则传递描述到云游戏大数据内容集的场景状态。在本技术实施例中，可以利用事先完成调优的大数据挖掘线程（比如神经网络模型），来挖掘该云游戏大数据的云游戏大数据描述内容。
33.进一步地，依据该云游戏大数据的云游戏大数据描述内容，利用事先完成调优的lstm提取云游戏大数据中所涵盖的游戏交互警示事项指向的游戏交互警示事项的限制性标志。其中，云游戏大数据中游戏交互警示事项指向的游戏交互警示事项的限制性标志。
34.可以理解的是，在确定了游戏交互警示事项的限制性标志之后，可以借助相关事项表达挖掘算法确定初始游戏交互警示事项表达。相关事项表达挖掘算法可以是下采样算法。初始游戏交互警示事项表达可以包括游戏交互警示事项的一些初始事项表达。
35.step2012，将所述初始游戏交互警示事项表达调整为数组型游戏交互警示事项表达。
36.在本技术实施例中，可以利用约束型调整算法，将云游戏大数据中的游戏交互警示事项表达调整为数组型游戏交互警示事项表达。
37.step2013，将所述数组型游戏交互警示事项表达确定为所述云游戏大数据的所述游戏交互警示事项表达。
38.在本技术实施例中，调整获得的数组型游戏交互警示事项表达（比如特征向量）确定为该云游戏大数据的游戏交互警示事项表达。
39.如此设计，可以先确定云游戏大数据的初始游戏交互警示事项表达，然后将初始游戏交互警示事项表达调整为数组型游戏交互警示事项表达，进而能够及时地获得云游戏大数据的游戏交互警示事项表达。
40.对于一种可独立实施的技术方案而言，step202所记录的利用传递描述识别处理，确定所述云游戏大数据中第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容，示例性地可以包括step2021-step2023所记录的内容。
41.step2021，确定所述云游戏大数据的初始传递描述内容。
42.在本技术实施例中，可以先确定该云游戏大数据的云游戏大数据描述内容，基于云游戏大数据描述内容确定该云游戏大数据中所涵盖的每个游戏交互警示事项分别指向的游戏交互警示事项的限制性标志。利用游戏交互警示事项的限制性标志的组合来获得第一游戏交互警示事项与第二游戏交互警示事项之间的传递描述的限制性标志。其中，传递描述的限制性标志可以旨在表征第一游戏交互警示事项与第二游戏交互警示事项之间的状态传递描述。再借助相关事项表达挖掘算法基于传递描述的限制性标志确定云游戏大数据的初始传递描述内容。
43.可以理解，云游戏大数据描述内容的挖掘和游戏交互警示事项的限制性标志的确定方法与step2011中所描述的云游戏大数据描述内容的挖掘和游戏交互警示事项的限制性标志的确定方法相同，本技术实施例在此不作过多描述。
44.进一步地，在确定了游戏交互警示事项的限制性标志之后，需要对游戏交互警示事项的限制性标志进行组合，传递描述的限制性标志可以旨在表征游戏交互警示事项的限
制性标志之间是否交叉、游戏交互警示事项的限制性标志之间的相对关系、游戏交互警示事项的限制性标志之间是否包括匹配于同一游戏交互警示事项的相同的部分等。
45.比如，第一游戏交互警示事项与第二游戏交互警示事项的游戏交互警示事项的限制性标志，利用对游戏交互警示事项的限制性标志的组合，可以获得玩家账户和游戏聊天功能这两个游戏交互警示事项之间的传递描述的限制性标志为两者的游戏交互警示事项的限制性标志不交叉，玩家账户的游戏交互警示事项的限制性标志间接匹配于游戏聊天功能的游戏交互警示事项的限制性标志。
46.更进一步地，在确定了传递描述的限制性标志之后，可以借助相关事项表达挖掘算法基于传递描述的限制性标志确定云游戏大数据的初始传递描述内容。其中，初始传递描述内容可以旨在表征第一游戏交互警示事项和第二游戏交互警示事项之间的可能的传递描述内容，如此设计，可以挖掘更深层次的警示事项关系。
47.step2022，依据所述初始传递描述内容，确定第一传递描述内容分布列表和第二传递描述内容分布列表。
48.在本技术实施例中，第一传递描述内容分布列表旨在表征第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容，即第一传递描述内容分布列表是旨在表征游戏交互警示事项之间清晰程度传递描述的内容分布列表（比如可以是特征矩阵）。第二传递描述内容分布列表旨在表征第一游戏交互警示事项与第二游戏交互警示事项之间的第二传递描述内容，即第二传递描述内容分布列表是旨在表征游戏交互警示事项之间细节内容传递描述的内容分布列表。
49.在本技术实施例中，可以利用特征提取单元a对初始传递描述内容进行滑动平均操作，确定第一传递描述内容分布列表，利用特征提取单元b对初始传递描述内容进行滑动平均操作（卷积处理），确定第二传递描述内容分布列表。其中，特征提取单元a包括的特征提取层数量不大于特征提取单元b包括的特征提取层数量。
50.step2023，依据所述云游戏大数据的所述游戏交互警示事项表达和所述第一传递描述内容分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第一传递描述内容。
51.在本技术实施例中，游戏交互警示事项表达可以理解为数组型游戏交互警示事项表达，利用信息传输单元在数组型游戏交互警示事项表达和第一传递描述内容分布列表之间进行转达。进一步地，信息传输单元可以将数组型游戏交互警示事项表达和第一传递描述内容分布列表转达给信息解析单元，利用信息解析单元测试第一游戏交互警示事项和第二游戏交互警示事项之间的第一传递描述内容。
52.进一步地，信息解析单元可以借助其中一种可依据数组型游戏交互警示事项表达和第一传递描述内容分布列表测试传递描述内容的方法，比如，信息解析单元可以借助事先完成调优的一个大数据挖掘线程，该大数据挖掘线程可以利用携带第一传递描述内容标识的范例云游戏大数据进行调优，并基于预设条件判定该大数据挖掘线程调优是否完成。在本技术实施例中，可以直接将数组型游戏交互警示事项表达和第一传递描述内容分布列表加载到该完成调优的大数据挖掘线程，由该大数据挖掘线程测试出第一游戏交互警示事项和第二游戏交互警示事项之间的第一传递描述内容。
53.step2024，依据所述云游戏大数据的所述游戏交互警示事项表达和所述第二传递
描述内容分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第二传递描述内容。
54.在本技术实施例中，同样可以利用另一个信息传输单元在数组型游戏交互警示事项表达和第二传递描述内容分布列表中进行内容转达，再利用另一个信息解析单元测试第一游戏交互警示事项与第二游戏交互警示事项之间的第二传递描述内容。实现方式与测试第一传递描述内容的方式相同，本技术实施例在此不作过多描述。
55.如此，可以依据挖掘出的云游戏大数据的云游戏大数据描述内容，确定游戏交互警示事项的限制性标志，再利用对游戏交互警示事项的限制性标志的组合，确定游戏交互警示事项之间的传递描述的限制性标志，依据传递描述的限制性标志，确定出云游戏大数据中的第一游戏交互警示事项和第二游戏交互警示事项的第一传递描述内容和第二传递描述内容。
56.对于一种可独立实施的技术方案而言，该方法示例性地还可以包括step204所记录的内容。
57.step204，依据所述第一传递描述内容分布列表和所述第二传递描述内容分布列表，对所述第二传递描述内容分布列表进行更新，或对所述第一传递描述内容分布列表和所述第二传递描述内容分布列表进行更新。
58.在本技术实施例中，为了能够保障建立的信息安全知识库的完整性和丰富性。此外，由于信息安全知识库是图形化的知识图谱，其易用性高，能够适用于不同游戏场景下的网络信息安全分析，这样可以以一个信息安全知识库为基准进行知识库衍生，以提高对未知网络安全风险的预判，更能够精确地说明云游戏大数据中的第一游戏交互警示事项和第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容，可以依据第一传递描述内容分布列表和第二传递描述内容分布列表，利用列表更新单元对第二传递描述内容分布列表进行更新。或者，还可以依据第一传递描述内容分布列表和第二传递描述内容分布列表，利用列表更新单元同时对第一传递描述内容分布列表和第二传递描述内容分布列表进行更新。
59.可以理解，在对所述第二传递描述内容分布列表进行更新的基础上，step2024示例性地还可以包括如下内容：依据所述数组型游戏交互警示事项表达和所述第二传递描述内容分布列表更新后获得的第三传递描述分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第二传递描述内容。
60.在本技术实施例中，在对第二传递描述内容分布列表更新后，获得第三传递描述内容分布列表，此时可以依据数组型游戏交互警示事项表达和第三传递描述内容分布列表来确定云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第二传递描述内容。
61.可以理解，在对所述第一传递描述内容分布列表进行更新的基础上，step2023示例性地还可以包括如下内容：依据所述云游戏大数据的所述游戏交互警示事项表达和所述第一传递描述内容分布列表更新后获得的第四传递描述内容分布列表，获得所述云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第一传递描述内容。
62.在本技术实施例中，在对第一传递描述内容分布列表更新后，获得第四传递描述
内容分布列表，此时可以依据数组型游戏交互警示事项表达和第四传递描述内容分布列表来确定云游戏大数据中所述第一游戏交互警示事项和所述第二游戏交互警示事项之间的所述第一传递描述内容。
63.如此设计，可以对第二传递描述内容分布列表进行进一步更新，或者对第一传递描述内容分布列表和第二传递描述内容分布列表进行进一步更新，使得最终获得的信息安全知识库能够更加完整及丰富。
64.对于一种可独立实施的技术方案而言，step204所记录的依据所述第一传递描述内容分布列表和所述第二传递描述内容分布列表，对所述第二传递描述内容分布列表进行更新，示例性地可以包括如下step2041-step2045所记录的内容。
65.step2041，对所述第一传递描述内容分布列表逐一启用滑动平均操作、标量简化操作和relu算法加载操作，确定第一分布列表，以及对所述第二传递描述内容分布列表逐一启用滑动平均操作、标量简化操作和relu算法加载操作，确定第二分布列表。
66.在本技术实施例中，列表更新单元的结构可以参考如下所描述的内容，其中特征提取单元包括了滑动平均操作（卷积操作）、标量简化操作（归一化操作）和relu算法加载操作（relu激活函数操作）等。
67.step2042，依据所述第一分布列表和所述第二分布列表，在传递描述内容的描述内容状态层面，确定第一关联程度分布列表，以及在传递描述内容的范例层面，确定第二关联程度分布列表。
68.在本技术实施例中，第一分布列表list_a和第二分布列表list_b加权后经过滑动平均操作，可以获得传递描述内容在描述内容状态层面的第一关联程度分布列表list_c。第二分布列表list_b经过滑动平均操作后与第一分布列表list_a加权，并进行特征精简，获得传递描述内容在范例层面（可以理解为样本维度）的第二关联程度分布列表list_s。
69.step2043，将所述第一分布列表与所述第一关联程度分布列表加载到第一ai人工智能模型，确定所述第一ai人工智能模型的第一模型处理结果。
70.在本技术实施例中，第一分布列表list_a与第一关联程度分布列表list_c加载到第一ai人工智能模型，由第一ai人工智能模型计算第一分布列表list_a与第一关联程度分布列表list_c的乘积后与第一分布列表list_a融合，再经过滑动平均操作后获得第一ai人工智能模型的第一模型处理结果result_m。
71.step2044，将所述第一模型处理结果和所述第二关联程度分布列表加载到第二ai人工智能模型，确定所述第二ai人工智能模型的第二模型处理结果。
72.在本技术实施例中，第一模型处理结果result_m与第二关联程度分布列表list_s加载到第二ai人工智能模型，由第二ai人工智能模型计算第一模型处理结果result_m与第二关联程度分布列表list_s的加权后与第一模型处理结果result_m融合，再经过滑动平均操作后获得第二ai人工智能模型的第二模型处理结果result_m0。
73.step2045，将所述第二模型处理结果和所述第二传递描述内容分布列表融合后，获得所述第二传递描述内容分布列表更新后的第三传递描述内容分布列表。
74.在本技术实施例中，将第二模型处理结果result_m0与第二传递描述内容分布列表list_b融合后，可以获得更新后的第三传递描述内容分布列表list_bout。
75.在本技术实施例中，依据第一传递描述内容分布列表和第二传递描述内容分布列
表对第一传递描述内容分布列表进行更新的过程，与对第二传递描述内容分布列表进行更新的过程相同，本技术实施例在此不作过多描述。
76.如此，可以利用第一传递描述内容分布列表和第二传递描述内容分布列表，分别在传递描述内容的描述内容状态层面和范例层面确定指向的关联程度分布列表（可以理解为相关性矩阵），再利用顺序连接的两个ai人工智能模型对第二传递描述内容分布列表进行更新，能够快速高效地建立信息安全知识库并保障信息安全知识库的完整性。
77.对于一种可独立实施的技术方案而言，在执行step202之后，该方法示例性地还可以包括step205所记录的内容。
78.step205，在目标约束条件记录库中，确定与所述第一传递描述内容指向的所述第一约束条件和与所述第二传递描述内容指向的所述第二约束条件。
79.在本技术实施例中，事先确定的目标约束条件记录库中包括了与各种第二传递描述内容指向的约束条件，还包括与各种第一传递描述内容指向的约束条件，以及第一传递描述内容与第二传递描述内容之间的映射情况。
80.可以理解，在确定了云游戏大数据中第一游戏交互警示事项与第二游戏交互警示事项之间的第一映射情况和第二映射情况之后，可以从目标约束条件记录库中，确定与该云游戏大数据的第一映射情况指向的第一约束条件和与该云游戏大数据的第二映射情况指向的第二约束条件，以便后续建立信息安全知识库。
81.对于一种可独立实施的技术方案而言，该方法示例性地还可以包括step206-step210所记录的内容。
82.step206，确定与若干第二传递描述内容指向的第二约束条件记录库。
83.在本技术实施例中，第二约束条件记录库可以是事先设置的用于进行信息安全知识库建立的热门约束条件记录库，其中包括了与若干第二传递描述内容指向的约束条件。
84.step207，依据所述第二约束条件记录库，获得与所述第二约束条件记录库中的约束条件指向的潜在特征。
85.本技术实施例中，可以将第二约束条件记录库加载到事先完成调优的约束条件挖掘模型，获得该约束条件挖掘模型生成的与第二约束条件记录库中的约束条件指向的潜在特征（隐式向量）。其中，该约束条件挖掘模型可以借助与各种第二传递描述内容指向的范例约束条件集确定为原料信息（可以理解为输入值），依据范例约束条件集中的约束条件指向的范例潜在特征标识，利用优化该约束条件挖掘模型的模型变量，使得loss趋于min，最终获得完成调优的约束条件挖掘模型。
86.step208，依据每两个所述潜在特征之间的量化差异，对所述第二约束条件记录库中的约束条件进行多维特征分析（聚类），确定与若干第一传递描述内容指向的第一约束条件记录库、以及所述第二约束条件记录库中的约束条件与所述第一约束条件记录库中的约束条件之间的映射情况。
87.在本技术实施例中，可以借助多维特征分析线程对第二约束条件记录库中的约束条件进行多维特征分析，其中，多维特征分析线程可以是kmeans等算法，利用多维特征分析线程依据潜在特征两两之间的量化差异，就可以确定第一约束条件记录库。其中，第一约束条件记录库中包括了与若干第一传递描述内容指向的约束条件。同时，还可以确定出第一约束条件记录库中的约束条件与所述第二约束条件记录库中的约束条件之间的映射情况。
88.step209，将所述第一约束条件记录库、所述第二约束条件记录库和所述映射情况，确定为所述目标约束条件记录库。
89.在本技术实施例中，目标约束条件记录库中包括了与若干第一传递描述内容指向的第一约束条件记录库中的约束条件、与若干第二传递描述内容指向的第二约束条件记录库中约束条件、以及第一约束条件记录库中的约束条件与第二约束条件记录库中的约束条件之间的映射情况。
90.如此，可以依据事先设置的与若干第二传递描述内容指向的第二约束条件记录库，及时有效地确定包括与若干第一传递描述内容指向的第一约束条件记录库、第二约束条件记录库、和第一约束条件记录库中的约束条件与所述第二约束条件记录库中的约束条件之间的映射情况的目标约束条件记录库。
91.对于一种可独立实施的技术方案而言，还可以借助其他生成方式来确定目标约束条件记录库。
92.在确定了第一约束条件记录库之后，可以对第二约束条件记录库中的约束条件进行全局分析，从而统计出与若干第一传递描述内容指向的第一约束条件记录库、以及第一约束条件记录库中的约束条件与所述第二约束条件记录库中的约束条件之间的映射情况，从而同样可以生成存在不同架构关系的目标约束条件记录库，扩大整体方案的适用范围。
93.对于一种可独立实施的技术方案而言，该方法示例性地还可以包括step210所记录的内容：step210，依据所述游戏交互警示事项表达、所述第一传递描述内容和所述第二传递描述内容，利用标准化线程确定所述游戏交互警示事项表达指向的游戏交互警示事项、所述第一传递描述内容指向的第一约束条件和所述第二传递描述内容指向的第二约束条件。
94.在本技术实施例中，可以利用标准化线程，比如归一化函数，对云游戏大数据的游戏交互警示事项表达、第一游戏交互警示事项与第二游戏交互警示事项之间的第一传递描述内容和第二传递描述内容进行标量简化操作，在事先设置的游戏交互警示事项集合和目标约束条件记录库中，确定出云游戏大数据中包括的游戏交互警示事项、与第一传递描述内容指向的第一约束条件和与第二传递描述内容指向的第二约束条件。
95.在本技术实施例中，还提供了一种大数据挖掘线程，该大数据挖掘线程可以借助上述方法中的任意一项来建立信息安全知识库。
96.该大数据挖掘线程的线程配置可以根据实际情况进行调整，将需要进行云游戏大数据理解并建立信息安全知识库的云游戏大数据加载到该大数据挖掘线程，该大数据挖掘线程在提取了云游戏大数据的云游戏大数据描述内容之后，利用lstm提取该云游戏大数据中游戏交互警示事项的游戏交互警示事项的限制性标志，利用对游戏交互警示事项的限制性标志的组合，获得传递描述的限制性标志。利用相关事项表达挖掘算法方法，基于游戏交互警示事项的限制性标志和传递描述的限制性标志，确定该云游戏大数据的初始游戏交互警示事项表达和初始传递描述内容。
97.针对初始游戏交互警示事项表达，该大数据挖掘线程利用约束型调整算法将该初始游戏交互警示事项表达调整为数组型游戏交互警示事项表达，该数组型游戏交互警示事项表达可以确定为该云游戏大数据指向的游戏交互警示事项表达。
98.针对初始传递描述内容，该大数据挖掘线程分别利用特征提取单元a和特征提取
单元b获得第一传递描述内容分布列表和第二传递描述内容分布列表，其中，特征提取单元a所涵盖的特征提取层数量小于特征提取单元b所涵盖的特征提取层数量。
99.该大数据挖掘线程利用信息传输单元unit1在数组型游戏交互警示事项表达和第一传递描述内容分布列表之间进行转达，利用信息传输单元unit2在数组型游戏交互警示事项表达和第二传递描述内容分布列表之间进行转达。利用信息解析单元unit3依据数组型游戏交互警示事项表达和第一传递描述分布列表，确定第一传递描述内容。利用列表更新单元对第二传递描述内容分布列表进行更新后获得第三传递描述内容分布列表，利用信息解析单元unit4依据数组型游戏交互警示事项表达和第三传递描述内容分布列表，确定第二传递描述内容。
100.进一步地，利用标准化线程，基于数组型游戏交互警示事项表达、第一传递描述内容和第二传递描述内容，确定游戏交互警示事项表达指向的游戏交互警示事项、所述第一传递描述内容指向的第一约束条件和所述第二传递描述内容指向的第二约束条件，从而建立信息安全知识库。
101.可以理解的是，在对该大数据挖掘线程进行调优时，可以针对第一传递描述内容指向的子线程和第二传递描述内容指向的子线程，分别借助不同的约束条件标签进行有标签调优，提高了大数据挖掘线程进行云游戏大数据分析的精度和可信度，便于后续建立更加完整、合理、准确的信息安全知识库。
102.除此之外，在上述内容的基础上，在一些可独立实施的设计思路下，该方法还可以包括以下内容：通过所述信息安全知识库对待处理云游戏运行流式记录进行检测，确定存在游戏漏洞显著性处理需求的云游戏运行流式记录并对该云游戏运行流式记录进行特征显著优化得到目标云游戏运行流式记录；从所述目标云游戏运行流式记录中挖掘疑似异常游戏活动特征；根据所述疑似异常游戏互动特征确定游戏漏洞风险；针对所述游戏漏洞风险制定风控处理策略。
103.在本技术实施例中，疑似异常游戏活动特征的挖掘条件可以根据实际需求进行设定，比如侧重于用户隐私窃取的挖掘条件，或者侧重于ddos攻击的挖掘条件，基于此，可以通过分类器或者其他智能化线程确定疑似异常游戏互动特征对应的游戏漏洞风险，从而针对性地制定风控处理策略，由于目标云游戏运行流式记录中的特征是经过优化的，因此具有更强的特征表达能力，从而可以保障确定出的游戏漏洞风险的精度和可信度。
104.除此之外，在一些可独立实施的设计思路下，根据所述疑似异常游戏互动特征确定游戏漏洞风险，可以通过以下实施方式实现：获取针对所述疑似异常游戏互动特征的节点行为描述集合，所述节点行为描述集合包括至少两组节点行为描述；获得所述节点行为描述集合中的各组节点行为描述与所述疑似异常游戏互动特征之间的关联程度；根据所述各组节点行为描述对应的关联程度，以及所述各组节点行为描述的会话主题，对所述各组节点行为描述进行顺序调整，得到相应的节点行为描述队列；基于所述节点行为描述队列生成针对所述疑似异常游戏互动特征的目标漏洞风险类别队列，所述目标漏洞风险类别队列包括至少两个目标漏洞风险类别；基于所述目标漏洞风险类别队列中的前n个目标漏洞风险类别确定所述游戏漏洞风险。如此设计，能够从节点行为描述层面出发以尽可能完整地确定出目标漏洞风险类别队列，从而依据排序靠前的目标漏洞风险类别精准可靠地定位游戏漏洞风险。
105.在另一些可能的实施方式中，确定存在游戏漏洞显著性处理需求的云游戏运行流式记录并对该云游戏运行流式记录进行特征显著优化得到目标云游戏运行流式记录，可以通过以下实施方式实现。
106.步骤s101，确定存在游戏漏洞显著性处理需求的云游戏运行流式记录，其中，所述存在游戏漏洞显著性处理需求的云游戏运行流式记录涵盖目标疑似异常游戏活动。
107.在本技术实施例中，存在游戏漏洞显著性处理需求的云游戏运行流式记录可以为游戏运行检测线程采集的云游戏运行流式记录，或游戏运行检测线程所监测的云游戏运行记录中的其中一个运行记录日志。目标疑似异常游戏活动是游戏环境中的指定疑似异常游戏事件在云游戏运行流式记录中的异常游戏活动。
108.举例而言，可以对游戏运行检测线程采集的云游戏运行流式记录进行分析，如果云游戏运行流式记录中涵盖目标疑似异常游戏活动，则确定该云游戏运行流式记录作为存在游戏漏洞显著性处理需求的云游戏运行流式记录，如果云游戏运行流式记录中不涵盖目标疑似异常游戏活动，则该云游戏运行流式记录不作为存在游戏漏洞显著性处理需求的云游戏运行流式记录；同理，可以对游戏运行检测线程监测的云游戏运行记录进行分析，如果某一组云游戏运行流式记录中涵盖目标疑似异常游戏活动，则确定该组云游戏运行流式记录作为存在游戏漏洞显著性处理需求的云游戏运行流式记录，如果某一组云游戏运行流式记录中不涵盖目标疑似异常游戏活动，则该组云游戏运行流式记录不作为存在游戏漏洞显著性处理需求的云游戏运行流式记录。
109.在一种应用场景中，在对云游戏运行记录进行监测时，如果监测过程中运行记录中某一时段出现异常游戏行为操作事件，某一时段不出现异常游戏行为操作事件，则运行记录中存在异常游戏行为操作事件的云游戏运行流式记录内容当作存在游戏漏洞显著性处理需求的云游戏运行流式记录进行显著性优化操作，而运行记录中不存在异常游戏行为操作事件的云游戏运行流式记录内容不当作存在游戏漏洞显著性处理需求的云游戏运行流式记录进行显著性优化操作，从而既可以保障云游戏运行记录中的异常游戏行为操作事件及时地被显著性优化操作，又可以在云游戏运行记录中不存在异常游戏行为操作事件时减少资源浪费和开销，同时避免对云游戏运行记录进行错误判断。
110.此外，上述的云游戏运行流式记录可以是按照时间先后顺序形成的记录报告或者记录清单，也可以按照数据信息流的形式生成对应的记录，本技术实施例在此不作限制。
111.步骤s102，挖掘所述目标疑似异常游戏活动的全局性游戏活动特征，并确定所述全局性游戏活动特征与所述目标疑似异常游戏活动的全局性活动特征优化空间中约束性描述的第一特征匹配情况。
112.在本技术实施例中，挖掘目标疑似异常游戏活动的全局性游戏活动特征的方法可以有多种，在实际实施时，可以确定存在游戏漏洞显著性处理需求的云游戏运行流式记录对应的云游戏运行热度记录，并将存在游戏漏洞显著性处理需求的云游戏运行流式记录与云游戏运行热度记录进行整理后的云游戏运行流式记录导入到事先完成调试的大数据风控处理模型中，进行全局性游戏活动特征挖掘。游戏运行检测线程确定存在游戏漏洞显著性处理需求的云游戏运行流式记录的同时，可以触发游戏运行检测线程的采集模块确定云游戏运行热度记录，或者通过采集线程确定云游戏运行热度记录。
113.可以理解的是的，挖掘所得的全局性游戏活动特征可以是多个，且挖掘所得的每
个全局性游戏活动特征是携带主题信息（比如可以是标识）的，比如挖掘所得的全局性游戏活动特征具有时序性，则每个全局性游戏活动特征的主题信息可以为反映先后顺序的主题信息。主要原因是：在挖掘目标疑似异常游戏活动的全局性游戏活动特征时，是结合目标疑似异常游戏活动的特点或挖掘指标（挖掘要求）进行挖掘的，换言之，目标疑似异常游戏活动的某种状态是否挖掘，以及挖掘几个全局性游戏活动特征，是可以事先指定的。比如，在对异常游戏行为操作事件云游戏运行流式记录进行挖掘时，可以对异常游戏行为操作事件的请求-响应环节以及其他显著活动状态进行全局性游戏活动特征挖掘，这些显著活动状态可以携带主题信息，由此挖掘所得的全局性游戏活动特征是携带主题信息的。
114.可以理解，全局性活动特征优化空间（可以理解为用于进行特征、向量等处理的映射空间）用于表示目标疑似异常游戏活动的各个优化关键词的示例性优化方法。全局性活动特征优化空间可以为由多个约束性描述（可以理解为用于限定全局性活动特征优化空间的特征信息或者描述信息）以及约束性描述之间的关系单元层级组成的全局性空间（比如：多维映射空间），全局性活动特征优化空间的约束性描述也可以对应目标疑似异常游戏活动的各个显著活动状态，且多个约束性描述也是具有主题信息的，比如，多个约束性描述具有时序性，则每个约束性描述的主题信息可以为反映先后顺序的主题信息。多个约束性描述的整理方法与上述挖掘所得的全局性游戏活动特征的整理方法可以一致，也可以不一致。
115.示例性地，由于挖掘所得的目标疑似异常游戏活动的全局性游戏活动特征是对应于目标疑似异常游戏活动的各个显著活动状态的，而目标疑似异常游戏活动的全局性活动特征优化空间也是对应于目标疑似异常游戏活动的各个显著活动状态的，由此确定全局性游戏活动特征与全局性活动特征优化空间中约束性描述的第一特征匹配情况（比如：对应关系），即将相同的显著活动状态下的全局性游戏活动特征和约束性描述进行特征匹配。
116.步骤s103，依据特征优化请求、所述全局性活动特征优化空间中约束性描述的指定优化指标和所述第一特征匹配情况，确定所述全局性游戏活动特征的活动特征优化情况。
117.在本技术实施例中，全局性活动特征优化空间还可以保存各个约束性描述的指定优化指标，简单的理解，在进行各个优化关键词时约束性描述的更新数据等。每个优化关键词中，至少有一个约束性描述需要进行更新，由此可以记录每个约束性描述在不同优化关键词下的更新数据（可以理解，若约束性描述不需要更新，则更新数据为空集）。比如，可以通过向量处理的思路对指定优化指标进行记录，每个约束性描述创建一个向量，先在向量中标记该约束性描述的全局性分布标签，然后逐一标记该约束性描述在各个优化关键词下的更新数据。基于上述向量的记录方式，可以在确定第一特征匹配情况后，将与约束性描述对应的全局性游戏活动特征的分布标签信息变化到空间的描述标签列表内，并加载至该约束性描述的向量中，以便于后续对全局性游戏活动特征进行优化（特征显著性处理）时保证优化的质量。
118.可以理解，特征优化请求（优化指令）可以依据用户的实际情况进行确定，比如相关需求对至少一个优化关键词进行选定，则确定针对上述至少一个优化关键词的特征优化请求；特征优化请求还可以由执行该方法的执行主体自适应生成。在目标疑似异常游戏活动为异常游戏行为操作事件时，需求端可以针对异常游戏行为操作事件确定至少一个特征
优化事件，从而确定该至少一个特征优化事件对应的特征优化请求。再比如，在目标疑似异常游戏活动为异常游戏行为操作事件时，可以事先设定至少一个特征优化事件，然后在每次确定到存在游戏漏洞显著性处理需求的云游戏运行流式记录后，皆自适应生成对应上述至少一个特征优化事件的特征优化请求。
119.在本技术实施例中，全局性游戏活动特征的特征显著性处理过程，包括全局性游戏活动特征的状态优化过程，由此全局性游戏活动特征的活动特征优化情况，包括状态被优化后的全局性游戏活动特征。
120.举例而言，上述确定全局性游戏活动特征的活动特征优化情况时，可以先依据所述特征优化请求确定目标疑似异常游戏活动的优化关键词，其次确定所述全局性活动特征优化空间中约束性描述的指定优化指标中，与所述优化关键词对应的第一优化指标，最后依据所述第一优化指标，对所述全局性活动特征优化空间中至少一个约束性描述对应的所述全局性游戏活动特征进行更新，以获得所述全局性游戏活动特征的活动特征优化情况。
121.可以理解，优化关键词包括优化的状态和优化的类别，优化的状态旨在表达目标疑似异常游戏活动的部分状态，比如：异常游戏行为操作事件中的某个请求-响应环节，优化的类别旨在表达期待的活动特征优化情况。可以理解，特征优化请求中具有一个优化关键词，则确定一个优化关键词，特征优化请求中具有多个优化关键词，则确定多个优化关键词。进一步地，第一优化指标，包括全局性活动特征优化空间的每个约束性描述在优化关键词下的更新数据。可以逐一访问每个约束性描述，从每个约束性描述中确定特征优化请求中的优化关键词所对应的优化指标，换言之，约束性描述在该优化关键词下的更新数据。当每个约束性描述以向量的格式保存各个优化关键词下的更新数据时，可以结合优化关键词到向量的对应状态确定更新数据。
122.举例而言，在特征优化请求中的优化关键词只有一个时，则直接确定该优化关键词对应的优化指标。在特征优化请求中的优化关键词有多个时，则可以确定每个优化关键词对应的优化指标。或者，全局性活动特征优化空间在保存各个优化关键词的更新数据之外，还保存了优化关键词之间的各种组合所对应的更新数据，则在特征优化请求中的优化关键词有多个时，可以直接确定多个优化关键词的组合所对应的更新数据。
123.此外，特征优化请求在包括优化关键词的同时，还可以包括各个优化关键词的优化变量（参数），可以调整特征优化请求中优化关键词的优化变量。优化变量可以为该优化事件的特征显著性处理程度，不同的特征显著性处理程度可以对应不同的优化指标。基于此，可以在依据所述第一优化指标，对所述全局性活动特征优化空间中至少一个约束性描述对应的所述全局性游戏活动特征进行更新，以获得所述全局性游戏活动特征的活动特征优化情况之前，进一步依据特征优化请求确定所述优化关键词的优化变量，再依据所述优化变量对所述第一优化指标进行更新。通过优化变量可以对优化关键词的程度进行优化（特征显著性处理），能够提高特征优化处理的灵活性。
124.可以理解，可以对约束性描述对应的全局性游戏活动特征的分布标签和其所对应的更新数据进行计算，得到全局性游戏活动特征的活动特征优化情况。在一个或多个优化关键词下，至少有一个约束性描述的更新数据不为空集，则这些约束性描述对应的全局性游戏活动特征在计算后发生更新。在通过向量处理的思路对指定优化指标进行记录，且在确定第一特征匹配情况后，将与约束性描述对应的全局性游戏活动特征的分布标签信息变
化到空间的描述标签列表内，并加载至该约束性描述的向量中的基础上，可以直接从每个约束性描述的向量中挖掘全局性游戏活动特征的分布标签和更新数据进行计算。当所确定到的第一更新数据中，某个约束性描述的更新数据包括多个且均不为空集时，可以结合指定顺序，逐一结合每个更新数据对约束性描述对应的全局性游戏活动特征的分布标签进行运算。
125.结合上述至少一种方式对全局性游戏活动特征进行更新后，全局性游戏活动特征的状态被优化，处在优化后的状态下的全局性游戏活动特征可以理解为全局性游戏活动特征的活动特征优化情况中状态被优化后的全局性游戏活动特征。
126.步骤s104，依据所述全局性游戏活动特征的活动特征优化情况和所述存在游戏漏洞显著性处理需求的云游戏运行流式记录，确定目标云游戏运行流式记录。
127.在本技术实施例中，依据全局性游戏活动特征的活动特征优化情况，对存在游戏漏洞显著性处理需求的云游戏运行流式记录的对应状态进行相同的特征显著性处理，换言之，将活动特征优化情况投射至处理云游戏运行流式记录上，从而完成对存在游戏漏洞显著性处理需求的云游戏运行流式记录中的目标疑似异常游戏活动的特征显著性处理。比如，在目标疑似异常游戏活动为异常游戏行为操作事件云游戏运行流式记录时，可以在该步骤中完成对异常游戏行为操作事件云游戏运行流式记录的显著性优化操作。
128.综上所述，通过确定存在游戏漏洞显著性处理需求的云游戏运行流式记录，并挖掘存在游戏漏洞显著性处理需求的云游戏运行流式记录中目标疑似异常游戏活动的全局性游戏活动特征，确定全局性游戏活动特征与目标疑似异常游戏活动的全局性活动特征优化空间中约束性描述的第一特征匹配情况，然后依据特征优化请求、全局性活动特征优化空间中约束性描述的指定优化指标和第一特征匹配情况，确定全局性游戏活动特征的活动特征优化情况，最后依据全局性游戏活动特征的活动特征优化情况和存在游戏漏洞显著性处理需求的云游戏运行流式记录，确定目标云游戏运行流式记录。
129.由于活动特征优化空间是全局性的，且具有约束性描述的指定优化指标，而对目标疑似异常游戏活动的特征显著性处理，是依据特征优化请求和指定优化指标对全局性游戏活动特征进行优化（特征显著性处理），由此优化过程具有更高的精度和可信度，进一步地，全局性游戏活动特征从存在游戏漏洞显著性处理需求的云游戏运行流式记录中挖掘得到，最后全局性游戏活动特征通过特征优化（特征显著性处理）所得的活动特征优化情况再次反馈到存在游戏漏洞显著性处理需求的云游戏运行流式记录，这样能够保障目标云游戏运行流式记录中的目标疑似异常游戏活动的特征显著性处理的质量，从而提高目标云游戏运行流式记录在后续风控处理分析中的使用效率，确保后续快速精准地通过目标云游戏运行流式记录定位得到游戏漏洞风险从而实现高效的风控处理。
130.对于一些可独立实施的技术方案而言，所述应用于云游戏防护的大数据风控处理方法还包括：确定所述目标疑似异常游戏活动的全局性活动特征优化空间中约束性描述与全局性基础优化空间中约束性描述的第二特征匹配情况。
131.在本技术实施例中，全局性基础优化空间为目标疑似异常游戏活动的基础优化空间（比如：标准模型），由多个约束性描述和约束性描述间的关系单元构成。比如目标疑似异常游戏活动为异常游戏行为操作事件云游戏运行流式记录时，则全局性基础优化空间可以为基础异常游戏行为操作事件模型（可以理解为向量空间模型）。如果通过步骤s102所描述
的内容对全局性基础优化空间进行全局性游戏活动特征挖掘，则可以得到全局性基础优化空间的全部约束性描述。全局性活动特征优化空间旨在表达全局性基础优化空间的至少一个优化关键词的示例性优化方法，即用于表示至少一个优化关键词中，全局性基础优化空间的各个状态的优化指标。全局性活动特征优化空间具有设定的空间描述标签列表，其内的各个约束性描述的分布标签皆为该空间描述标签列表内的分布标签，全局性活动特征优化空间还具有空间的分布标签映射列表，该分布标签映射列表用于将空间描述标签列表内的分布标签变化到全局描述标签列表内。
132.基于此，可以先将所述全局性活动特征优化空间中约束性描述的分布标签与所述全局性基础优化空间中约束性描述的分布标签，变化到相同的描述标签列表内，比如：全局性基础优化空间中约束性描述的分布标签为全局描述标签列表内的分布标签，则可以将约束性描述的分布标签变化到全局描述标签列表。然后确定所述全局性活动特征优化空间中每个约束性描述与所述全局性基础优化空间中每个约束性描述间的量化共性评价。最后依据所述全局性活动特征优化空间中每个约束性描述与所述全局性基础优化空间中每个约束性描述间的量化共性评价，确定所述第二特征匹配情况，可以两个约束性描述间的量化共性评价，和指定的量化差异结果，确定该两个约束性描述是否对应，相关判断方式可以根据实际情况选择，在此不作赘述。
133.对于一种可独立实施的技术方案而言，基于此，可以结合上述方式确定所述全局性游戏活动特征与全局性活动特征优化空间中约束性描述的第一特征匹配情况，示例性地可以包括步骤s401和步骤s402。
134.步骤s401，依据所述全局性游戏活动特征的主题信息和所述全局性基础优化空间中约束性描述的主题信息，确定所述全局性游戏活动特征与所述全局性基础优化空间中约束性描述的第三特征匹配情况。
135.在本技术实施例中，由于全局性基础优化空间为基于初始疑似异常游戏活动（比如：初始云游戏运行流式记录）确定的基础优化空间，该基础优化空间中初始异常游戏行为操作事件和目标异常游戏行为操作事件的游戏活动特征的设计思路一致，由此基于初始云游戏运行流式记录生成的全局性基础优化空间中约束性描述在目标疑似异常游戏活动中的状态，与全局性游戏活动特征在目标疑似异常游戏活动中的状态相同时，则该约束性描述与该全局性游戏活动特征的主题信息相同，由此将主题信息相同的全局性游戏活动特征和所述全局性基础优化空间的约束性描述，确定为存在绑定关系的约束性描述二元组，得到所述第三特征匹配情况。比如，全局性基础优化空间的约束性描述的顺序与目标疑似异常游戏活动的全局性游戏活动特征的顺序是一致的，可以将反映先后顺序的主题信息相同的全局性游戏活动特征和所述全局性基础优化空间的约束性描述，确定为存在绑定关系的约束性描述二元组，得到所述第三特征匹配情况。
136.步骤s402，依据所述第二特征匹配情况和所述第三特征匹配情况，确定所述第一特征匹配情况。
137.在本技术实施例中，将与全局性基础优化空间的相同约束性描述相对应的全局性活动特征优化空间的约束性描述和全局性游戏活动特征，确定为存在绑定关系（相互对应）的匹配情况。
138.在本技术实施例中，通过事先设定全局性基础优化空间的各个约束性描述与全局
性活动特征优化空间的各个约束性描述之间的第二特征匹配情况，然后在每次确定到存在游戏漏洞显著性处理需求的云游戏运行流式记录的目标疑似异常游戏活动的全局性游戏活动特征后，可以高效地应用主题信息确定全局性游戏活动特征与全局性活动特征优化空间的约束性描述的第一特征匹配情况，如此一来，操作便利，同时能够提高第一特征匹配情况的准确性，避免了针对每个存在游戏漏洞显著性处理需求的云游戏运行流式记录的目标疑似异常游戏活动的全局性游戏活动特征，执行不必要的量化共性评价计算处理。
139.对于一些可独立实施的技术方案而言，步骤s104所记录的依据所述全局性游戏活动特征的活动特征优化情况和所述存在游戏漏洞显著性处理需求的云游戏运行流式记录，确定目标云游戏运行流式记录，示例性地可以包括步骤s501和步骤s502所记录的内容。
140.步骤s501，结合事先创建的第一视觉型特征关系网，在所述全局性游戏活动特征的活动特征优化情况之间生成第一关系单元。
141.在本技术实施例中，事先设定的第一视觉型特征关系网（可以理解为拓扑结构）旨在表达全局性基础优化空间的各个约束性描述之间的关系单元（比如不同描述之间的节点化关系表达或者网格化关系表达）中，约束性描述的组合结果关系，换言之，每个约束性描述需要与其他哪些约束性描述组合。第一视觉型特征关系网是以约束性描述的主题信息进行记录的。而由于全局性游戏活动特征的主题信息是与全局性基础优化空间的约束性描述的主题信息一致的，且还可以在步骤s201创建全局性游戏活动特征与全局性基础优化空间的约束性描述之间的第三特征匹配情况，由此当至少一个全局性游戏活动特征发生更新后，各个全局性游戏活动特征的主题信息仍然是清楚的，且各个全局性游戏活动特征与全局性基础优化空间的各个约束性描述的特征匹配情况仍然是清楚的，进而可以结合第一视觉型特征关系网对不同的全局性游戏活动特征活动特征优化情况进行组合结果，生成第一关系单元。在各个全局性游戏活动特征的活动特征优化情况之间生成第一关系单元后，形成了目标疑似异常游戏活动的目标空间。
142.步骤s502，依据所述全局性游戏活动特征在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的兴趣属性信息、所述全局性游戏活动特征的活动特征优化情况在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的分布标签信息以及所述第一关系单元，在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上加载所述目标疑似异常游戏活动的活动特征优化情况，得到目标云游戏运行流式记录。
143.举例而言，可以先挖掘所述全局性游戏活动特征在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的兴趣属性信息，作为所述全局性游戏活动特征的活动特征优化情况的兴趣属性信息；其次依据所述全局性游戏活动特征的活动特征优化情况的兴趣属性信息，加载得到所述第一关系单元内的兴趣属性信息；最后依据所述全局性游戏活动特征的活动特征优化情况在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的分布标签信息，将所述全局性游戏活动特征的兴趣属性信息和所述第一关系单元内的兴趣属性信息映射至所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上，得到所述目标云游戏运行流式记录。比如，目标疑似异常游戏活动是异常游戏行为操作事件云游戏运行流式记录，则目标云游戏运行流式记录为完成异常游戏行为操作事件云游戏运行流式记录的显著性优化操作的云游戏运行流式记录。
144.可以理解的是，相较于存在游戏漏洞显著性处理需求的云游戏运行流式记录，目标云游戏运行流式记录中的目标疑似异常游戏活动的某些状态被优化，而本技术中并非直接在局部的存在游戏漏洞显著性处理需求的云游戏运行流式记录上对兴趣属性标签（旨在表达游戏活动对应的操作意图或者行为倾向）进行优化（特征显著性处理），而是通过对局部的存在游戏漏洞显著性处理需求的云游戏运行流式记录中挖掘到的全局性游戏活动特征进行优化（特征显著性处理），实现对存在游戏漏洞显著性处理需求的云游戏运行流式记录上的兴趣属性标签进行优化（特征显著性处理）。换言之，全局性游戏活动特征与其在存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征相对应，由此全局性游戏活动特征的活动特征优化情况可以旨在表达其对应的映射特征的活动特征优化情况，即该映射特征的兴趣属性标签的活动特征优化情况，示例性地可以通过挖掘全局性游戏活动特征在存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的兴趣属性信息，并将该兴趣属性信息再次映射至全局性游戏活动特征的活动特征优化情况在存在游戏漏洞显著性处理需求的云游戏运行流式记录的映射特征上。
145.在本技术实施例中，第一关系单元包括多个存在连接关系的局部关系单元，这些局部关系单元由至少三个全局性游戏活动特征组成。加载第一关系单元内的兴趣属性信息时，可以将每个局部关系单元内的兴趣属性信息均加载为匹配该局部关系单元的全局性游戏活动特征的兴趣属性信息。主要原因是：从存在游戏漏洞显著性处理需求的云游戏运行流式记录上挖掘全局性游戏活动特征时，可以针对相同兴趣属性信息的兴趣属性区域的启止条件下兴趣属性标签进行挖掘，由此这些兴趣属性标签内的兴趣属性信息与这些兴趣属性标签相同，进而这些兴趣属性标签对应的全局性游戏活动特征组成的局部关系单元内的兴趣属性信息也对与这些全局性游戏活动特征的兴趣属性信息相同。
146.举例而言，可以先将存在游戏漏洞显著性处理需求的云游戏运行流式记录加载到导出云游戏运行流式记录上，比如借助相关操作将存在游戏漏洞显著性处理需求的云游戏运行流式记录复制至待使用云游戏运行流式记录上，待使用云游戏运行流式记录是用于全局性游戏活动特征的兴趣属性信息和第一关系单元内的兴趣属性信息的映射，换言之，作为目标云游戏运行流式记录的参考；然后将存在游戏漏洞显著性处理需求的云游戏运行流式记录作为加载程序的原料云游戏运行流式记录，将每个全局性游戏活动特征在存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的分布标签作为原料云游戏运行流式记录的用户行为定位分布标签，这样一来，可以挖掘全局性游戏活动特征在存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的兴趣属性信息，作为全局性游戏活动特征的活动特征优化情况的兴趣属性信息；然后通过全局性活动特征优化空间的空间映射列表将全局性游戏活动特征的活动特征优化情况的分布标签变化到全局描述标签列表，再然后通过全局描述标签列表到池化列表的映射列表，将全局描述标签列表内的全局性游戏活动特征的活动特征优化情况的分布标签变化到池化描述标签列表，并触发后续相关加载操作，即依据全局性游戏活动特征的活动特征优化情况的兴趣属性信息加载第一关系单元内的兴趣属性信息，并将全局性游戏活动特征的活动特征优化情况和第一关系单元内的兴趣属性信息加载在作为待使用云游戏运行流式记录的存在游戏漏洞显著性处理需求的云游戏运行流式记录上，从而实现在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上加载所述目标疑似异常游戏活动的活动特征优化情况，得到目标云游戏运
行流式记录。
147.在本技术实施例中，通过在各个全局性游戏活动特征的活动特征优化情况之间生成第一关系单元，以获取了目标疑似异常游戏活动的目标空间；再通过挖掘全局性游戏活动特征的活动特征优化情况的兴趣属性信息，以及第一关系单元内兴趣属性信息的加载，以在目标空间上标记目标疑似异常游戏活动的兴趣属性信息，最后将具有兴趣属性信息的目标空间加载到待使用云游戏运行流式记录上，得到最终的目标云游戏运行流式记录。
148.对于一种可独立实施的技术方案而言，上述所描述的对云游戏运行流式记录进行处理，示例性地可以包括步骤s601和步骤s602所描述的内容。
149.步骤s601，创建匹配所述全局性游戏活动特征的全局性衍生映射空间，其中，所述全局性衍生映射空间中的约束性描述至少涵盖第一语义活动特征的活动特征优化情况及基于所述第一语义活动特征衍生所得的第二语义活动特征，所述第一语义活动特征为对应所述目标疑似异常游戏活动的启止条件的全局性游戏活动特征 。
150.在本技术实施例中，可以先确定所述全局性游戏活动特征中对应所述目标疑似异常游戏活动启止条件的第一语义活动特征（可以理解为用于进行特征区分的活动特征）。
151.举例而言，首先确定所述全局性游戏活动特征在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录中的映射特征（比如：投射点）；其次依据所述存在游戏漏洞显著性处理需求的云游戏运行流式记录中所述目标疑似异常游戏活动和所述全局性游戏活动特征的映射特征，确定所述目标疑似异常游戏活动的启止条件（可以理解为不同目标疑似异常游戏活动的区分条件）下的映射特征；最后将所述目标疑似异常游戏活动的启止条件下的映射特征所对应的全局性游戏活动特征，确定为所述第一语义活动特征。
152.示例性的，确定目标疑似异常游戏活动的启止条件下的映射特征时，可以在指定游戏状态下配置若干游戏运行模式，比如：事先配置若干不可返回的游戏运行模式，然后在每个游戏运行模式下的多个全局性游戏活动特征的映射特征中，确定两个对应于启止条件下的映射特征。
153.在本技术实施例中，可以在所述全局性游戏活动特征中的热门活动特征（可以理解为出现最频繁的活动特征）和所述第一语义活动特征的组合结果（特征组合结果）的衍生内容（特征组合结果的衍生扩展结果）中，确定与所述第一语义活动特征具有指定量化差异的特征为所述第一语义活动特征对应的第二语义活动特征。
154.举例而言，可以依据各个全局性游戏活动特征的分布标签信息进行计算，以获得多个全局性游戏活动特征中的热门活动特征，换言之，处于最热门的全局性游戏活动特征。然后基于热门活动特征和每个语义活动特征生成游戏运行模式，并在游戏运行模式下进一步确定指定量化差异（该量化差异（差距）事先指定，可以依据目标疑似异常游戏活动的频繁程度进行设置，比如为目标疑似异常游戏活动的频繁程度为每分钟x次），则衍生内容的约束性描述可以理解为该语义活动特征对应的第二语义活动特征。
155.在本技术实施例中，可以结合事先创建的第二视觉型特征关系网，在所述第一语义活动特征的活动特征优化情况和所述第二语义活动特征之间生成第二关系单元，得到所述全局性衍生映射空间。
156.可以理解，事先创建的第二视觉型特征关系网旨在表达多个第一语义活动特征和多个第二语义活动特征之间的关系单元中，不同活动特征的组合结果关系。比如，所有的第
一语义活动特征逐一组合结果，生成全局性衍生映射空间的第一子映射空间；所有的第二语义活动特征逐一组合结果，生成全局性衍生映射空间的第二子映射空间；然后每个第一语义活动特征与其对应的第二语义活动特征组合结果，且与对应的第二语义活动特征下一个第二语义活动特征也组合结果，从而生成全局性衍生映射空间内的第二关系单元。第二视觉型特征关系网是以第一语义活动特征和第二语义活动特征的先后顺序进行记录的，由此当第一语义活动特征被优化后，依然可以结合该视觉型特征关系网生成第二关系单元。
157.步骤s602，依据所述全局性衍生映射空间和所述存在游戏漏洞显著性处理需求的云游戏运行流式记录，在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上加载所述全局性衍生映射空间。
158.举例而言，可以先挖掘所述第一语义活动特征在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的漏洞风险映射内容，作为所述第一语义活动特征的活动特征优化情况的兴趣属性信息，并挖掘所述第二语义活动特征在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的兴趣属性信息，作为所述第二语义活动特征的兴趣属性信息；再依据所述第一语义活动特征的活动特征优化情况的兴趣属性信息和所述第二语义活动特征的兴趣属性信息，加载得到所述第二关系单元内的兴趣属性信息；最后依据所述第一语义活动特征的活动特征优化情况和所述第二语义活动特征在所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上的映射特征的分布标签信息，将所述第一语义活动特征的活动特征优化情况的兴趣属性信息、所述第二语义活动特征的兴趣属性信息和所述第二关系单元内的兴趣属性信息，映射至所述存在游戏漏洞显著性处理需求的云游戏运行流式记录上。可以理解，以上实施方式与步骤s502中的实施方式相同，由此可以参照步骤s502的实施方式，执行该步骤。
159.以上所述仅为本技术的优选实施例而已，并不用于限制本技术，对于本领域的技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本技术的保护范围之内。