基于深度学习的游戏漏洞智能修复方法与流程

技术特征：
1.一种基于深度学习的游戏漏洞智能修复方法，其特征在于，包括：步骤s1、数据采集模块采集游戏中出现的漏洞，数据分析模块对该漏洞进行分析，确定漏洞对应损坏的代码数量；步骤s2、修复指令确定模块根据所述数据分析模块分析的漏洞及对应损坏的代码数量确定修复指令；步骤s3、代码确定模块根据所述修复指令确定模块确定的所述修复指令确定所述漏洞对应的修复补丁；步骤s4、数据比对模块在所述代码确定模块确定所述修复补丁完成时，将所述修复补丁中对应的代码与所述漏洞对应的代码进行比对，并确定修复补丁中代码与所述漏洞对应的原始代码的吻合度；步骤s5、建模模块在所述数据比对模块确定所述吻合度达到预设阈值时，建立深度学习模型，并将若干所述漏洞、对应的损坏代码数量和修复补丁划分为训练数据集和验证数据集；步骤s6、训练模块将所述训练数据集中所述漏洞和损坏的代码数据量作为深度学习模型输入，将确定所述修复指令和所述吻合度比对作为所述深度学习模型的隐层，将所述修复补丁作为深度学习模型的输出，进行模型训练；步骤s7、验证模块将所述验证模块中的所述漏洞和损坏的代码数据量作为深度学习模型输入，将所述深度学习模型的输出与所述验证模块中的所述修复补丁进行比对，并根据所述验证数据集中的合格率确定所述深度学习模型是否训练完成；步骤s8、调整模块在所述验证模块判定所述训练未完成时，对所述深度学习模型进行调参，植入模块在所述验证模块确定所述深度学习模型训练完成时，将所述深度学习模型植入该游戏对应的终端或游戏后台。2.根据权利要求1所述的基于深度学习的游戏漏洞智能修复方法，其特征在于，在所述步骤s6中，当训练所述深度学习模型时，所述训练模块根据所述训练数据集的数据量确定所述深度学习模型的迭代次数c，所述训练模型根据所述吻合度确定所述深度学习模型的学习率p。3.根据权利要求2所述的基于深度学习的游戏漏洞智能修复方法，其特征在于，在所述步骤s7中，当对所述深度学习进行验证时，比对所述深度学习模型的输出与所述验证模块中的所述修复补丁是否一致，若输出与所述修复补丁一致，则所述验证模块判定此次验证合格；若输出与所述修复补丁不一致，则所述验证模块判定此次验证不合格。4.根据权利要求3所述的基于深度学习的游戏漏洞智能修复方法，其特征在于，在所述步骤s7中，当所述验证模块根据所述验证数据集中的合格率确定所述深度学习模型是否训练完成，计算验证合格次数r与总验证次数rz的比值ba，设定ba＝r/rz，并根据该比值与预设比值ba0的比对结果确定所述深度学习模型是否训练完成，若ba＜ba0，则所述验证模块判定所述深度学习模型训练未完成；若ba≥ba0，则所述验证模块判定所述深度学习模型训练完成。5.根据权利要求4所述的基于深度学习的游戏漏洞智能修复方法，其特征在于，在所述步骤s8中，当所述验证模块判定所述深度学习模型训练未完成时，所述调整模块根据所述验证合格次数和验证总次数的次数差值d与预设验证次数差值的比对结果确定调整的所述
深度学习模型的参数，其中，所述调整模块设置有第一预设验证次数差值d1和第二预设验证次数差值d2，当d≤d1时，所述调整模块判定对所述深度学习模型的学习率进行补偿；当d1＜d≤d2时，所述调整模块判定对所述深度学习模型的学习率进行调节；当d＞d2时，所述调整模块判定对所述深度学习模型的迭代次数进行修正。6.根据权利要求5所述的基于深度学习的游戏漏洞智能修复方法，其特征在于，在所述步骤s8中，当所述调整模块判定对所述深度学习模型的学习率进行补偿时，计算所述次数差值和第一预设验证次数的第一次数比值bb，设定bb＝d1/d，并根据该第一次数比值与预设次数比值的比对结果选取对应的补偿系数对所述学习率进行补偿，其中，所述调整模块设有第一预设次数比值b1、第二预设次数比值b2、第一学习率补偿系数f1、第二学习率补偿系数f2以及第三学习率补偿系数f3，其中b1＜b2，设定1＜f1＜f2＜f3＜1.5，当bb≤b1时，所述调整模块选取第一学习率补偿系数f1对所述学习率进行补偿；当b1＜bb≤b2时，所述调整模块选取第二学习率补偿系数f2对所述学习率进行补偿当bb＞b2时，所述调整模块选取第三学习率补偿系数f3对所述学习率进行补偿当所述调整模块选取第r学习率补偿系数fr对所述学习率进行补偿时，设定r＝1，2，3，所述调整模块将补偿后的学习率设置为p1，设定p1＝p
×
fr，所述训练模块以调节后的学习率进行模型训练。7.根据权利要求5所述的基于深度学习的游戏漏洞智能修复方法，其特征在于，在所述步骤s8中，当所述调整模块判定对所述深度学习模型的学习率进行调节时，计算所述计算所述次数差值和第二预设验证次数的第二次数比值bc，设定bc＝d2/d，并根据该第二次数比值和预设次数比值的比对结果选取对应的调节系数对所述学习率进行调节，其中，所述调整模块还设有第一学习率调节系数ka1、第二学习率调节系数ka2以及第三学习率调节系数ka3，设定0.7＜ka3＜ka2＜ka3＜1，当bc≤b1时，所述调整模块选取第一学习率调节系数ka1对所述学习率进行调节；当b1＜bc≤b2时，所述调整模块选取第二学习率调节系数ka2对所述学习率进行调节；当bc＞b2时，所述调整模块选取第三学习率调节系数ka3对所述学习率进行调节；当所述调整模块选取第s学习率调节系数kas对所述学习率进行调节时，设定s＝1，2，3，所述调整模块将调节后的学习率设置为p2，设定p2＝p
×
kas，所述训练模块以调节后的学习率进行模型训练。8.根据权利要求5所述的基于深度学习的游戏漏洞智能修复方法，其特征在于，在所述步骤s8中，当所述调整模块判定对所述深度学习模型的迭代次数进行修正时，计算所述计算所述次数差值和第二预设验证次数的第三次数比值bd，设定bd＝d/d2，并根据该第二次数比值和预设次数比值的比对结果选取对应的修正系数对所述迭代次数进行修正，其中，所述调整模块还设有第一迭代次数修正系数kn1、第二迭代次数修正系数kn1以及第三迭代次数修正系数kn3，设定1＜kn1＜kn2＜kn3＜2，当bd≤b1时，所述调整模块选取第一迭代次数修正系数kn1对所述迭代次数进行修正；当b1＜bd≤b2时，所述调整模块元选取第二迭代次数修正系数kn2对所述迭代次数进行修正；
当b＞b2时，所述调整模块选取第三迭代次数修正系数kn3对所述迭代次数进行修正；当所述调整模块选取第j迭代次数修正系数knj对所述迭代次数进行调节时，设定j＝1，2，3，所述调整模块将修正后的迭代次数设置为c1，设定c1＝c
×
knj。

技术总结
本发明涉及一种基于深度学习的游戏漏洞智能修复方法，涉及智能游戏技术领域，建模模块建立深度学习模型，并将若干所述漏洞、对应的损坏代码数量和修复补丁划分为训练数据集和验证数据集；训练模块将所述训练数据集中所述漏洞和损坏的代码数据量作为深度学习模型输入，将确定所述修复指令和所述吻合度比对作为所述深度学习模型的隐层，将所述修复补丁作为深度学习模型的输出，进行模型训练；验证模块根据所述验证数据集中的合格率确定所述深度学习模型是否训练完成，植入模块将所述深度学习模型植入该游戏对应的终端或游戏后台，实现无论是游戏未运行或运行过程，都能够对游戏漏洞进行自主修复，从而提高修复过程的效率。从而提高修复过程的效率。从而提高修复过程的效率。


技术研发人员：顾懿
受保护的技术使用者：上海久之润信息技术有限公司
技术研发日：2022.06.14
技术公布日：2022/9/2