公开(公告)号：CN115758138A

公开(公告)日：2023-03-07

申请号：CN202211398242.1

申请日：2022-11-09

Applicant: 南京邮电大学

Inventor： 陈兴国 ,  张浩年 ,  马腾飞 ,  张思文 ,  朱佳悦

IPC: G06F18/214 ,  G06F18/25 ,  G06N3/0464 ,  G06N3/08 ,  G06F17/18 ,  A63F3/02

Abstract: 本发明提供了一种基于深度学习的象棋软件作弊检测方法，主要包括以下步骤：将象棋软件提供的回放数据集按比例分为训练数据集和测试数据集，在训练数据集上训练模型；将训练数据集做预处理；构造神经网络；根据比赛选手的水平等级选择不同的训练数据集训练模型；使用不同的参数配置训练不同的模型，并将训练好的模型在测试数据集上运行；应用训练后的模型，将棋局特征和落子时间差存储在三维数组中，计算落子时间差的方差；将待检测的监督数据集输入模型，预测比赛选手作弊的概率。相较于现有技术，本发明在数据的特征设计以及落子时间差方面具有易于提取特征、维数低且全面的优点，通过深度学习并采用多种算法能够提高预测准确性和预测效率。