防检测相关
用户行为判断异常机制推测
1、记录用户以下行为数据，并上传服务器：
“用户行为特征检测”，即游戏后台基于用户数据，识别用户行为是否异常。以下内容，基于“如果我是策划，我会如何检测用户的异常行为”来思考的流程，可能还有未考虑到的部分，欢迎大家提出思路。
- 登录时间、下线时间
- 发生交互的类型：点击、拖拽、长按、移动鼠标（存疑，基本不可能）
- 发生交互的时间：时间戳格式，可以精确到毫秒
- 发生交互的坐标：x，y，也可能是一个百分比
- 发生交互的功能：页面ID、按钮ID
- 如：2022-10-22 13:32:44:19 click "Button_19932" [993,337]
2、通过以上行为数据，可以进行以下统计：
- 每隔固定时间段内进行交互的次数，比如每1小时的点击次数
- 每隔固定时间段内的点击热力图、比如每1小时的点击热力图
3、通过上述统计，可以做出以下异常行为判断，每个异常行为给到一定权重
- 某服活跃玩家在 早9-晚12 点，如果玩家不在这个时间内发生了交互行为，则标记为异常（1分）
- 某个时间内，玩家点击频率非常固定，比如9-12点，每10分钟都发生了40次点击，则标记异常（2分）
- 某个时间内，玩家点击目标非常固定，比如9-12点，仅点击了 开始按钮、结算奖励界面，未进行其他交互，则标记异常（1分）
- 某个时间内，玩家点击坐标非常固定，比如9-12点，发生了1000次点击，其中有200次点了[881,983]，有100次点了[220,183]，则标记异常（5分）
- 某个时间内，玩家点击坐标范围非常固定，比如9-12点，发生了1000次点击，有500次均点了[881,983] - [220,183]这个范围，另外500次均点了[132,183] - [720,583]这个范围，则标记异常（2分）
- 某个时间内，玩家点击坐标范围形状规律，比如2022-10-22日，点击热力图呈现为几个的圆形或矩形，则标记为异常（3分）
- 有封号历史的，默认重点监控（1分）
- 被多人共同举报的，转人工审查（2分）
- 注：如果检测机制使用的是机器学习，把正常玩家日志数据通过学习生成模型，用于整体的用户行为识别，那么AI也是采用类似权重标记的方式，找出哪些属于异常的数据；
4、通过权重计分，二次审核或直接封号
- 比如满5分，则推送给运营人员，由运营人员进行人工审核，其中满10分的，直接封号
- 封号后保留异常数据（用户申诉后便于核实），并标记该账号
Mersenne Twister
梅森旋转算法（Mersenne Twister）也称马特赛特旋转算法。在python中的random模块就采用该算法计算随机数。
梅森旋转算法（Mersenne twister）是一个伪随机数发生算法。由松本真和西村拓士在1997年开发，基于有限二进制字段上的矩阵线性递归。可以快速产生高质量的伪随机数，修正了古典随机数发生算法的很多缺陷。
最为广泛使用Mersenne Twister的一种变体是MT19937，可以产生32位整数序列。具有以下的优点：
- 周期非常长，达到2−1。尽管如此长的周期并不必然意味着高质量的伪随机数，但短周期（比如许多旧版本软件包提供的2）确实会带来许多问题。
- 在1 ≤ k≤ 623的维度之间都可以均等分布（参见定义）。
- 除了在统计学意义上的不正确的随机数生成器以外，在所有伪随机数生成器法中是最快的（当时）
点击防识别
脚本辅助不会像外挂辅助一样会修改游戏内的数据，只能通过特定的找图、找色，然后执行对应的交互动作（硬件模拟交互和软件模拟交互，游戏基本分辨不出和鼠标点击的区别），脚本可以做的很简单，也可以扩展的非常复杂，相对来说，比起修改内存的外挂辅助更加容易编写。所以这一类型的脚本辅助的防检测方法，不需要考虑如何骗过游戏服务器，仅需要针对“用户行为特征”进行算法上的优化就能很好的做到防检测、防封。