LOL代练检测——2019腾讯游戏安全技术竞赛决赛记录

决赛去了深圳，过了几天吃喝全包的生活，感觉快爱上腾讯和深圳了。虽然最后没有拿到名词……

进决赛的一共有20多个人，数据分析方向一共8个，其中机器学习仅有4个。我以为决赛会有一个不太一样的题目背景，后来发现只是在初赛基础上增加了一份数据：机器登录ID。所以总的来说，我们掌握的信息共计有：各玩家在10日内的行为流水数据、战绩流水数据和登陆的机器ID数据。机器ID大概是用MAC地址来映射的，每台机器是唯一的。

在初赛的时候我的准确率为86%，召回率73%，最后得分是82.7。很显然，在拿到额外的这份数据后就要求我们的得分有一个提升。我原来以为有了机器登陆ID，几乎所有的分数都会飙上90，因为我凭着经验觉得检测外挂应该和IP以及机器ID有着非常大的关系。但最后发现不是的，每个人都只是提升了几个点。

决赛的题目在决赛前两天就放出来了，决赛当天在腾讯滨海大厦现场提交（腾讯滨海大厦好好看啊）。因为是有了机器登录ID数据，我想着如果代练和普通玩家用着同一个账号，有着不同的机器登录ID,那么他们的行为流水和战绩流水会有一个比较大的差异。所以我在初赛的所有指标基础上，利用了不同机器ID的不同数据，增加了每个指标的方差（根据机器ID分类）。

决赛当天上午的时候因为一个关于Python中NumPy的一个失误，写错了一个地方，导致提取出来的feature有问题，一度训练出来的模型准确率还不如初赛，到中午的时候挺绝望的。后来想着重新完全检查一遍代码，后来发现了这个地方。训练模型时和初赛时有着几乎一样的处理，归一化，SVM（RGB方法），以及调整不同样本分类结果的惩罚项来调整召回率和准确率以最大化F-Score。最后在比赛截止前的最后一刻得到了一个验证集84.