本发明涉及人工智能相关技术领域，尤其是指一种象棋人工智能防作弊方法。
背景技术：
随着象棋人工智能（简称：象棋ai）技术的应用和不断普及，越来越多的象棋用户购买电脑版象棋ai软件，通过连线的方式进行软件作弊，这样就造成在线棋力评测的结果失真。
市面上常见的线上象棋类对弈平台app都深受软件作弊之害，严重影响了平台的公平公正性。为了象棋行业的健康发展，维护平台用户的切身利益，急需推出一套防作弊系统来打击和制衡软件作弊行为。
技术实现要素：
本发明是为了克服现有技术中存在上述的不足，提供了一种能够自动判定作弊情况的象棋人工智能防作弊方法。
为了实现上述目的，本发明采用以下技术方案：
一种象棋人工智能防作弊方法，具体包括如下步骤：
（1）为了保证对弈数据的公平公正性，线上用户以在棋力评测场的对局棋谱作为数据统计标的，线下用户以棋手线下公开比赛棋谱作为数据统计标的，对棋谱的每个局面进行象棋旋风引擎和dtm残局库打分，最终给出ai局势图的打分序列s={s1,s2,……,sm}，m为该盘棋的步数；
（2）计算每步棋的准确度，记做ai吻合度fk，k为当前步数的序号；
（3）象棋对局分为开局、中局和残局，根据不同类型局面的计算权重来计算每盘棋的ai吻合度fr；
（4）统计用户全部有效对局进行胜率激励后的ai吻合度fr的算数平均值，得出用户的综合ai吻合度fu，称为棋力；
（5）根据上述步骤（1）到步骤（4）的算法得出的棋力fu和象棋ai的棋力区间fai进行比较，来判定是否为软件作弊；
（6）当fu没有落在fai的区间内，需要对用户最近10/25/50盘有效对局的棋力进行计算，并辅以用户举报，判定用户是不是人机作弊。
象棋ai下棋和纯人下棋在每步棋的准确性方面有很大的区别：纯人下棋会失误，但是ai下棋几乎不会失误。本象棋人工智能防作弊方法依托象棋ai技术，通过对待判定用户的棋谱进行综合数据分析，通过比对用户的棋谱数据和ai打分的吻合度，从而自动判定是否为软件作弊用户。
作为优选，在步骤（2）中，计算每步棋的ai吻合度fk具体方法如下：fk由当前局面的打分sk和上一局面的打分sk-1有关，记smin为参与ai吻合度计算的下限，smax为参与ai吻合度计算的上限；当smin＜sk-1＜smax时，进行如下计算：
fk=（sk sini-sk-1）/bk，其中k＞0，s0=50，sini是为了去除ai打分波动需要设定的值，bk为ai吻合度的计算底数，fk的上限记做fmax，fk的下限记做fmin，如果fk＞fmax，则fk取值fmax，如果fk＜fmin，则fk取值fmin，作为第k步最终的ai吻合度。
作为优选，在步骤（3）中，计算每盘棋的ai吻合度具体方法如下：
（31）开局：对局开始的前10回合，即k≤20的局面，权重wk为0.5，且前4个回合，即k≤8，不参与统计计算；
（32）残局：记车、炮、马为大子，设车的价值为900，炮和马的价值为450，双方的大子的价值总和都＜1500的局面，权重wk为0.75；
（33）中局：开局和残局之外的局面，权重wk为1；
（34）第r局棋的ai吻合度fr为每步棋fk*wk的加权算数平均值，当该盘棋的步数m＞mmin时，给出该局棋的ai吻合度，否则这盘棋不进行ai吻合度统计。
象棋对局分为开局、中局和残局，在不同阶段，人和ai的差别并不相同。因为开局和残局阶段存在大量的定式和学习资料，人类和ai的水平接近，如果仅仅通过每步棋的ai吻合度进行标准统一的判定，很可能会误判，因此不同类型局面的计算权重（记做wk）不同，开局和残局的权重需要降低。
作为优选，在步骤（4）中，用户棋力的计算方式具体方法如下：对局的结果也会影响到fr，称之为胜率激励，胜率激励后第r盘的ai吻合度记做f*r；胜和负结果的加乘系数分别记做m胜、m和、m负，如对局结果为胜，则f*r=fr*m胜，如对局结果为和，则f*r=fr*m和，如对局结果为负，则f*r=fr*m负；用户的棋力fu为每盘有效对局进行胜率激励后的ai吻合度f*r的算数平均值。
作为优选，在步骤（5）中，具体为：fai的区间为75%-100%，如果发现用户对局数在100盘以上，且75%≤fu≤100%，自动判定为软件作弊；根据棋力fu的区间对评测的用户进行分流，75%≤fu≤100%的用户在一起评测，fu＜75%的用户在一起评测，棋力大于75%的作弊用户无法匹配到纯人用户，从根本上解决软件作弊的弊端。
作为优选，在步骤（6）中，人机作弊是软件作弊的高级形式，具体指的是：前期纯人下棋，后期使用象棋ai下棋进行的作弊行为；具体方法如下：用户最近n盘有效对局的综合棋力记做fun，为最近n盘有效对局进行胜率激励后的ai吻合度f*r的算数平均值；用户最近10盘、25盘、50盘的综合棋力，记做fu10、fu25、fu50；当fu＜75%，且有用户举报后，进入人机作弊判决过程，具体为：fu10，fu25，fu50的算数平均值≥75%，最终判定为人机作弊。
本发明的有益效果是：依托象棋ai技术，通过对待判定用户的棋谱进行综合数据分析，通过比对用户的棋谱数据和ai打分的吻合度，从而自动判定是否为软件作弊用户。
附图说明
图1是步骤（1）中的ai局势图；
图2是步骤（3）中一盘棋的ai吻合度对比图；
图3是步骤（4）中用户棋力的展示图；
图4是步骤（5）中软件作弊用户的棋力值截图；
图5是步骤（6）中人机作弊用户的棋力值截图；
图6是步骤（6）中辅以举报的作弊处罚后台图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
一种象棋人工智能防作弊方法，具体包括如下步骤：
（1）为了保证对弈数据的公平公正性，线上用户以在棋力评测场的对局棋谱作为数据统计标的，线下用户以棋手线下公开比赛棋谱作为数据统计标的，对棋谱的每个局面进行象棋旋风引擎和dtm残局库打分，最终给出ai局势图的打分序列s={s1,s2,……,sm}，m为该盘棋的步数，如图1所示；
（2）计算每步棋的准确度，记做ai吻合度fk，k为当前步数的序号；ai下棋的特点是步步精准，打分局势图是一个向上的曲线，且几乎没有失误，利用这一点，计算每步棋的ai吻合度fk具体方法如下：fk由当前局面的打分sk和上一局面的打分sk-1有关，记smin为参与ai吻合度计算的下限，默认为25，smax为参与ai吻合度计算的上限，默认为1200；当smin＜sk-1＜smax时，进行如下计算：
fk=（sk sini-sk-1）/bk，其中k＞0，s0=50，sini是为了去除ai打分波动需要设定的值，默认为25；bk为ai吻合度的计算底数，bk的取值如下：当|fk-1|≤300时，bk=50；当301<|fk-1|≤600时，bk=100；当601<|fk-1|≤900时，bk=150；当901<|fk-1|≤1200时，bk=300；fk的上限记做fmax，fk的下限记做fmin，如果fk＞fmax，则fk取值fmax，如果fk＜fmin，则fk取值fmin，作为第k步最终的ai吻合度，fmin的默认值为-2.25（失误招法的判决阈值），fmax的默认值为1。
（3）象棋对局分为开局、中局和残局，根据不同类型局面的计算权重来计算每盘棋的ai吻合度fr；象棋对局分为开局、中局和残局，在不同阶段，人和ai的差别并不相同，因为开局和残局阶段存在大量的定式和学习资料，人类和ai的水平接近，如果仅仅通过每步棋的ai吻合度进行标准统一的判定，很可能会误判，因此不同类型局面的计算权重（记做wk）不同，开局和残局的权重需要降低；故而，计算每盘棋的ai吻合度具体方法如下：
（31）开局：对局开始的前10回合，即k≤20的局面，权重wk为0.5，且前4个回合，即k≤8，不参与统计计算；
（32）残局：记车、炮、马为大子，设车的价值为900，炮和马的价值为450，双方的大子的价值总和都＜1500的局面，权重wk为0.75；
（33）中局：开局和残局之外的局面，权重wk为1；
（34）第r局棋的ai吻合度fr为每步棋fk*wk的加权算数平均值，当该盘棋的步数m＞mmin时（mmin指的是每盘棋最少的步数，默认为29）时，给出该局棋的ai吻合度，否则这盘棋不进行ai吻合度统计。
如图2所示，一盘棋对弈双方的ai吻合度分别为30%和39%，一般情况下ai吻合度高的一方会取得胜利。
（4）统计用户全部有效对局进行胜率激励后的ai吻合度fr的算数平均值，得出用户的综合ai吻合度fu，称为棋力；如果通过一盘棋的ai吻合度就判定是否软件作弊，可能存在大量的误判，因此需要对用户全部有效对局进行胜率激励后的ai吻合度fr的算数平均值，得出用户的综合ai吻合度fu，如图3所示。用户棋力fu的计算方式具体方法如下：对局的结果也会影响到fr，称之为胜率激励，胜率激励后第r盘的ai吻合度记做f*r；胜和负结果的加乘系数分别记做m胜、m和、m负，如对局结果为胜，则f*r=fr*m胜，如对局结果为和，则f*r=fr*m和，如对局结果为负，则f*r=fr*m负。如果是线上用户，m胜=1，m和=1，m负=1，如果是线下用户，考虑到消极和棋的因素，m胜=1.06，m和=0.96，m负=0.95。因此，对线上用户实施如下：如对局结果为胜，则f*r=fr*1.06，如对局结果为和，则f*r=fr*0.96，如对局结果为负，则f*r=fr*0.95；用户的棋力fu为每盘有效对局进行胜率激励后的ai吻合度f*r的算数平均值。
（5）根据上述步骤（1）到步骤（4）的算法得出的棋力fu和象棋ai的棋力区间fai进行比较，来判定是否为软件作弊，如fu落在fai内，判定为软件作弊；具体为：fai的区间为75%-100%，如果发现用户对局数在100盘以上，且75%≤fu≤100%，自动判定为软件作弊，如图4所示；根据棋力fu的区间对评测的用户进行分流，75%≤fu≤100%的用户在一起评测，fu＜75%的用户在一起评测，棋力大于75%的作弊用户无法匹配到纯人用户，从根本上解决软件作弊的弊端。
（6）当fu没有落在fai的区间内，需要对用户最近10/25/50盘有效对局的棋力进行计算，并辅以用户举报，判定用户是不是人机作弊；人机作弊是软件作弊的高级形式，具体指的是：前期纯人下棋，后期使用象棋ai下棋进行的作弊行为；人机作弊的特征是棋力变化曲线的波动非常大，而纯人用户受限于智力因素不可能在短时间内突飞猛进，因为波动很小，尤其是在下满100局后，棋力基本上处于一个固定值。如果采用棋力的方法进行判定，会造成大量的漏网之鱼；具体方法如下：用户最近n盘有效对局的综合棋力记做fun，为最近n盘有效对局进行胜率激励后的ai吻合度f*r的算数平均值；用户最近10盘、25盘、50盘的综合棋力，记做fu10、fu25、fu50；当fu＜75%，且有用户举报后，进入人机作弊判决过程，具体为：fu10，fu25，fu50的算数平均值≥75%，最终判定为人机作弊；如图5中id为1032632和1038421的用户为典型的人机作弊用户，综合棋力低于75%，但是最近10/25/50盘的ai吻合度均高于75%，fu10，fu25，fu50的算数平均值≥75%，辅以用户举报，如图6所示，可以最终判定为人机作弊。
