基于传感器数据的机器学习信任评分的制作方法

技术特征：
1.存储计算机可执行指令的一种或多种非暂态计算机可读介质，所述计算机可执行指令在由一个或多个处理器执行时，导致操作的执行，所述操作包括：从客户端机器接收游戏控制数据和传感器数据，所述游戏控制数据和所述传感器数据与向视频游戏服务注册的用户账户相关联；将所述传感器数据作为输入提供给经训练的机器学习模型；生成与所述用户账户相关联的信任得分作为所述经训练的机器学习模型的输出，所述信任得分与所述游戏控制数据是由与所述客户端机器相关联的手持式游戏控制器生成的概率相关；至少部分地基于所述信任得分将所述用户账户分配到用于在多人模式下玩所述视频游戏的多个匹配中的所分配的匹配，所述多个匹配至少包括为人类玩家指定的第一匹配和为非人类玩家指定的第二匹配，所述非人类玩家使用软件来生成合成或修改的游戏控制数据；以及导致所述视频游戏在针对所述用户账户的所分配的匹配中的执行。2.根据权利要求1所述的一种或多种非暂态计算机可读介质，其中所述传感器数据包括由所述手持式游戏控制器的一个或多个物理传感器生成的原始传感器数据，并且其中所分配的匹配是为所述人类玩家指定的所述第一匹配。3.根据权利要求1所述的一种或多种非暂态计算机可读介质，其中所述游戏控制数据或所述传感器数据中的至少一者作为加密数据被接收，所述操作还包括：对所述加密数据进行解密；确定用于加密所述加密数据的私人密钥与所述用户账户相关联；以及确定所述私人密钥与维护在数据库中的多个私人密钥中的一个私人密钥匹配，所述多个私人密钥与多个可信手持式游戏控制器相关联，其中所述生成所述信任得分还基于所述确定所述私人密钥与所述多个私人密钥中的所述一个私人密钥匹配。4.根据权利要求1所述的一种或多种非暂态计算机可读介质，其中所述将所述用户账户分配到所分配的匹配包括：从所述第一匹配移除所述用户账户；以及将所述用户账户重新分配到所述第二匹配。5.一种方法，所述方法包括：由计算系统从客户端机器接收游戏控制数据和传感器数据，其中所述游戏控制数据和所述传感器数据与登录到视频游戏服务的用户账户相关联，并且其中所述游戏控制数据将由视频游戏处理以用于控制所述视频游戏的方面；由所述计算系统通过以下方式来确定与所述用户账户相关联的得分：将所述传感器数据作为输入提供给经训练的机器学习模型；并且生成所述得分作为所述经训练的机器学习模型的输出，所述得分指示所述游戏控制数据已经由与所述客户端机器相关联的手持式设备生成的概率；至少部分地基于所述得分将所述用户账户分配到多个匹配中的所分配的匹配，所分配的匹配包括第一匹配或第二匹配中的至少一者；由所述计算系统导致所述视频游戏针对所述用户账户在所分配的匹配中的执行。
6.根据权利要求5所述的方法，其中所述传感器数据包括由所述手持式设备的一个或多个物理传感器生成的原始传感器数据。7.根据权利要求6所述的方法，其中所述原始传感器数据包括原始陀螺仪数据、原始加速度计数据或原始电容传感器数据中的至少一者。8.根据权利要求6所述的方法，其中所述手持式设备是手持式游戏控制器。9.根据权利要求5所述的方法，还包括：在所述确定所述得分之前：由所述计算系统访问与向所述视频游戏服务注册的用户账户的取样集相关联的历史传感器数据，所述历史传感器数据已经与由所述视频游戏或不同的视频游戏处理的历史游戏控制数据一起从客户端机器被接收，以控制所述视频游戏或所述不同的视频游戏的方面；当人类玩家握持和操作所述手持式设备以生成与所述用户账户相关联的所述历史游戏控制数据时，用标签标记所述用户账户的取样集的每个用户账户，所述标签指示与所述用户账户相关联的所述历史游戏控制数据是否由手持式设备生成；以及使用所述历史传感器数据作为训练数据来训练机器学习模型，以获得所述经训练的机器学习模型。10.根据权利要求9所述的方法，其中所述训练所述机器学习模型包括为从所述历史传感器数据或所述机器学习模型内部的参数导出的一组特征中的至少一个特征设置权重。11.根据权利要求5所述的方法，其中所述确定所述得分还包括：除了将所述传感器数据作为所述输入提供给所述经训练的机器学习模型之外，还将所述游戏控制数据作为附加输入提供给所述经训练的机器学习模型，其中所述得分是至少部分地基于作为所述附加输入被提供给所述经训练的机器学习模型的所述游戏控制数据而生成的。12.根据权利要求5所述的方法，其中所述游戏控制数据或所述传感器数据中的至少一者作为加密数据被接收，所述方法还包括：由所述计算系统对所述加密数据进行解密；由所述计算系统确定用于加密所述加密数据的私人密钥与所述用户账户相关联；以及由所述计算系统确定所述私人密钥与维护在数据库中的多个私人密钥中的一个私人密钥匹配，所述多个私人密钥与多个可信手持式设备相关联，其中所述确定所述信任得分还基于所述确定所述私人密钥与所述多个私人密钥中的所述一个私人密钥匹配。13.根据权利要求12所述的方法，还包括确定所述私人密钥已经与所述用户账户相关联的时间长度，其中所述确定所述得分还基于所述时间长度。14.根据权利要求5所述的方法，其中至少部分地基于所述得分将所述用户账户分配到所述第一匹配或所述第二匹配中的所述至少一者包括确定所述得分是否满足阈值得分。15.一种系统，所述系统包括：一个或多个处理器；和存储器，所述存储器存储计算机可执行指令，所述计算机可执行指令在由所述一个或多个处理器执行时，使所述系统：从多个客户端机器接收游戏控制数据和传感器数据，其中所述游戏控制数据和所述传
感器数据与向视频游戏服务注册的多个用户账户中的已登录的用户账户相关联，并且其中所述游戏控制数据将由视频游戏处理以用于控制所述视频游戏的一个或多个方面；确定已登录的用户账户的得分，其中通过以下方式来确定所述得分中的各个得分：将与单个用户账户相关联的所述传感器数据作为输入提供给经训练的机器学习模型；并且生成与所述单个用户账户相关联的得分作为所述经训练的机器学习模型的输出，所述得分与所述游戏控制数据由与所述多个客户端机器的客户端机器相关联的手持式设备生成的概率相关，所述游戏控制数据与所述单个用户账户相关联；至少部分地基于为所述已登录的用户账户确定的所述得分，将所述已登录的用户账户的第一子集分配到第一匹配，并且将所述已登录的用户账户的第二子集分配到第二匹配；并且导致所述视频游戏在针对所述已登录的用户账户的所述第一子集的所述第一匹配中以及在针对所述已登录的用户账户的所述第二子集的所述第二匹配中的执行。16.根据权利要求15所述的系统，其中与所述已登录的用户账户的所述第一子集相关联的所述传感器数据包括由手持式设备的一个或多个物理传感器生成的原始传感器数据。17.根据权利要求16所述的系统，其中所述原始传感器数据包括原始陀螺仪数据、原始加速度计数据或原始电容传感器数据中的至少一者。18.根据权利要求15所述的系统，其中还通过以下方式来确定所述得分中的所述各个得分：除了将与所述单个用户账户相关联的所述传感器数据作为所述输入提供给所述经训练的机器学习模型之外，还将与所述单个用户账户相关联的所述游戏控制数据作为附加输入提供给所述经训练的机器学习模型，其中与所述单个用户账户相关联的所述得分是至少部分地基于作为所述附加输入被提供给所述经训练的机器学习模型的与所述单个用户账户相关联的所述游戏控制数据而生成的。19.根据权利要求15所述的系统，其中所述游戏控制数据或所述传感器数据中的至少一者作为加密数据被接收，并且其中所述计算机可执行指令在由所述一个或多个处理器执行时，还使所述系统：对所述加密数据进行解密；确定用于加密所述加密数据的私人密钥与所述已登录的用户账户中的一个已登录的用户账户相关联；并且确定所述私人密钥与维护在数据库中的多个私人密钥中的一个私人密钥匹配，所述多个私人密钥与多个可信手持式设备相关联，其中基于确定所述私人密钥与所述多个私人密钥中的所述一个私人密钥匹配而进一步确定与所述已登录的用户账户中的所述一个已登录的用户账户相关联的单个得分。20.根据权利要求19所述的系统，其中所述计算机可执行指令在由所述一个或多个处理器执行时，还使所述系统确定所述私人密钥已经与所述已登录的用户账户中的所述一个已登录的用户账户相关联的时间长度，其中与所述已登录的用户账户中的所述一个已登录的用户账户相关联的所述单个得分还基于所述时间长度。

技术总结
本发明提供了一种经训练的机器学习模型，使用该经训练的机器学习模型来确定向视频游戏服务注册的用户账户的得分，并且使用这些得分在多人视频游戏设置中将玩家匹配在一起。例如，可将从客户端机器接收到的传感器数据输入到该经训练的机器学习模型，并且该模型生成得分作为输出，这些得分与从那些客户端机器接收到的游戏控制数据是由手持式设备生成的，而不是已经使用软件被合成和/或修改的概率相关。以这种方式，可至少部分地基于为那些已登录的用户账户确定的这些得分将执行视频游戏的已登录的用户账户的子集分配到不同的匹配(例如，通过将非人类玩家与人类玩家隔离开)，并且在针对每个已登录的用户账户的所分配的匹配中执行该视频游戏。中执行该视频游戏。中执行该视频游戏。


技术研发人员：I
受保护的技术使用者：威尔乌集团
技术研发日：2020.10.22
技术公布日：2022/6/14