一种基于机器学习的游戏数据分析系统的制作方法

本发明涉及游戏数据分析领域，尤其涉及一种基于机器学习的游戏数据分析系统。

背景技术：

1、游戏数据分析一般指的是对玩家的在线时长、充值金额等数据进行分析。通过进行游戏数据分析，可以更加精准地为玩家推荐游戏活动。游戏数据分析系统一般包括存储游戏数据的数据库、分析终端以及授权管理终端。分析终端为安装有分析软件的电子设备，而授权管理终端则是对使用分析终端的数据分析人员的数据库权限进行管理的终端。数据分析人员在使用分析终端时，能够在自身具有的数据库权限范围内，将数据库中存储的游戏数据下载到分析终端中进行进一步的分析处理。为了保证游戏数据的安全，数据库权限范围都是固定的，因此，若数据分析人员在分析时需要使用到更高的权限才能下载的游戏数据时，则需要额外向授权管理人员进行申请，由授权管理人员临时授予更大的数据库权限范围。这种权限管理过程影响了数据分析的效率，不利于数据分析人员更加高效地获得分析的结果。

技术实现思路

1、本发明的目的在于公开一种基于机器学习的游戏数据分析系统，解决背景技术中提出的技术问题。

2、为了达到上述目的，本发明提供如下技术方案：

3、本发明提供了一种基于机器学习的游戏数据分析系统，包括分析终端、授权终端和数据库终端；

4、授权终端用于为数据分析人员设置多个数据库权限范围，包括：

5、分别为每种类型的权限验证数据设置对应的数据库范围；

6、数据库终端用于存储每种类型的权限验证数据设置对应的数据库权限范围，以及存储游戏数据；

7、分析终端用于获取权限验证数据以及下载请求，并将权限验证数据和下载请求发送至数据库终端；

8、数据库终端用于根据权限验证数据判断下载请求是否合法，若是，则根据下载请求向分析终端返回对应的数据；

9、分析终端用于对数据库终端返回的数据进行分析，获得分析结果。

10、优选地，权限验证数据的类型包括第一类型、第二类型和第三类型；

11、第一类型的权限验证数据包括账号密码；

12、第二类型的权限验证数 据包括账号密码和人脸图像；

13、第三类型的权限验证数据包括账号密码、人脸图像和指纹图像。

14、优选地，分别为每种类型的权限验证数据设置对应的数据库权限范围，包括：

15、对于第一类型的权限验证数据，设置对应的数据库权限范围为存储游戏数据的表的第1列到第n1列；

16、对于第二类型的权限验证数据，设置对应的数据库权限范围为存储游戏数据的表的第1列到第n2列；

17、对于第三类型的权限验证数据，设置对应的数据库权限范围为存储游戏数据的表的第1列到第n3列；

18、n1＜n2＜n3。

19、优选地，下载请求包括存储游戏数据的表中请求下载的起始列和终止列的列数。

20、优选地，根据权限验证数据判断下载请求是否合法，包括：

21、若权限验证数据的类型为第一类型，则判断分析终端发送过来的账号密码是否正确，若是，则基于下载请求中的终止列的列数判断下载请求是否合法；若否，则表示下载请求不合法；

22、若权限验证数据的类型为第二类型，则判断分析终端发送过来的账号密码和人脸图像是否均正确，若是，则基于下载请求中的终止列的列数判断下载请求是否合法；若否，则表示下载请求不合法；

23、若权限验证数据的类型为第三类型，则判断分析终端发送过来的账号密码、人脸图像和指纹图像是否均正确，若是，则基于下载请求中的终止列的列数判断下载请求是否合法；若否，则表示下载请求不合法。

24、优选地，在权限验证数据的类型为第一类型时，基于下载请求中的终止列的列数判断下载请求是否合法的过程如下：

25、判断终止列的列数是否小于等于n1，若是，则表示下载请求合法；若否，则表示下载请求不合法；

26、在权限验证数据的类型为第二类型时，基于下载请求中的终止列的列数判断下载请求是否合法的过程如下：

27、判断终止列的列数是否小于等于n2，若是，则表示下载请求合法；若否，则表示下载请求不合法；

28、在权限验证数据的类型为第三类型时，基于下载请求中的终止列的列数判断下载请求是否合法的过程如下：

29、判断终止列的列数是否小于等于n3，若是，则表示下载请求合法；若否，则表示下载请求不合法。

30、优选地，判断分析终端发送过来的账号密码是否正确，包括：

31、数据库终端中预先存储有具有下载权限的账号，以及每个账号所对应的密码；

32、从数据库终端存储的密码中查询分析终端发送过来的账号对应的密码；

33、判断查询获得的密码与析终端发送过来的密码是否一致，若是，则表示分析终端发送过来的账号密码正确，若否，则表示分析终端发送过来的账号密码不正确；

34、判断分析终端发送过来的人脸图像是否正确，包括：

35、数据库终端中预先存储有具有下载权限的账号，以及每个账号所对应的人脸图像；

36、从数据库终端存储的人脸图像中查询分析终端发送过来的账号对应的人脸图像；

37、计算查询获得的人脸图像与析终端发送过来的人脸图像之间的第一相似度，若第一相似度大于预设的第一阈值，则分析终端发送过来的人脸图像正确，否则，分析终端发送过来的人脸图像不正确；

38、判断分析终端发送过来的指纹图像是否正确，包括：

39、数据库终端中预先存储有具有下载权限的账号，以及每个账号所对应的指纹图像；

40、从数据库终端存储的指纹图像中查询分析终端发送过来的账号对应的指纹图像；

41、计算查询获得的指纹图像与析终端发送过来的指纹图像之间的第二相似度，若第二相似度大于预设的第二阈值，则分析终端发送过来的指纹图像正确，否则，分析终端发送过来的指纹图像不正确。

42、优选地，根据下载请求向分析终端返回对应的数据，包括：

43、将存储游戏数据的表中的起始列至终止列的范围内的所有列的数据发送至分析终端。

44、优选地，对数据库终端返回的数据进行分析，获得分析结果，包括：

45、使用聚类算法对数据库终端返回的数据进行聚类计算，获得分析结果。

46、优选地，聚类算法包括k均值聚类算法。

47、有益效果：

48、与现有技术相比，本发明的数据库终端对数据分析人员提供的不同类型的权限验证数据进行权限验证，因此，数据分析人员可以通过改变提供的权限验证数据的类型来获得更大的权限范围，从而在保证数据库终端中存储在游戏数据的安全性的同时，使得数据分析人员具有更灵活的权限范围，降低重新通过授权终端进行权限范围的更改的事件的出现概率，有效地提高了数据分析的效率。

技术特征：

1.一种基于机器学习的游戏数据分析系统，其特征在于，包括分析终端、授权终端和数据库终端；

2.根据权利要求1所述的一种基于机器学习的游戏数据分析系统，其特征在于，权限验证数据的类型包括第一类型、第二类型和第三类型；

3.根据权利要求2所述的一种基于机器学习的游戏数据分析系统，其特征在于，分别为每种类型的权限验证数据设置对应的数据库权限范围，包括：

4.根据权利要求3所述的一种基于机器学习的游戏数据分析系统，其特征在于，下载请求包括存储游戏数据的表中请求下载的起始列和终止列的列数。

5.根据权利要求4所述的一种基于机器学习的游戏数据分析系统，其特征在于，根据权限验证数据判断下载请求是否合法，包括：

6.根据权利要求5所述的一种基于机器学习的游戏数据分析系统，其特征在于，在权限验证数据的类型为第一类型时，基于下载请求中的终止列的列数判断下载请求是否合法的过程如下：

7.根据权利要求5所述的一种基于机器学习的游戏数据分析系统，其特征在于，判断分析终端发送过来的账号密码是否正确，包括：

8.根据权利要求4所述的一种基于机器学习的游戏数据分析系统，其特征在于，根据下载请求向分析终端返回对应的数据，包括：

9.根据权利要求1所述的一种基于机器学习的游戏数据分析系统，其特征在于，对数据库终端返回的数据进行分析，获得分析结果，包括：

10.根据权利要求9所述的一种基于机器学习的游戏数据分析系统，其特征在于，聚类算法包括k均值聚类算法。

技术总结
本发明属于游戏数据分析领域，公开了一种基于机器学习的游戏数据分析系统，包括分析终端、授权终端和数据库终端；授权终端用于为数据分析人员设置多个数据库权限范围，包括：分别为每种类型的权限验证数据设置对应的数据库范围；数据库终端用于存储每种类型的权限验证数据设置对应的数据库权限范围，以及存储游戏数据；分析终端用于获取权限验证数据以及下载请求，并将权限验证数据和下载请求发送至数据库终端；数据库终端用于根据权限验证数据判断下载请求是否合法，若是，则根据下载请求向分析终端返回对应的数据；分析终端用于对数据库终端返回的数据进行分析，获得分析结果。本发明有效地提高了数据分析的效率。

技术研发人员：潘希健,李亚玲,曾震东,余森镇,李文佳
受保护的技术使用者：广州炫动信息科技有限公司
技术研发日：
技术公布日：2024/12/5