背景及目的

 环境迁移 

反外挂服务建德机房线上迁移，采取的方案是：建德机房独立部署一套完整的集群，统一经由完整的性能测试、故障演练、功能回归后，通过线上分阶段切换流量的方式来切服务。QA 需要比对验证 2 个不同环境下核心接口返回值，保证数据上报检测功能稳定，确保迁移前后功能的一致性。

策略验证

智能风控新产品上线前，为了保证策略效果，建立上线信心，需要对现有的策略进行验证。验证的手段是通过客户端 QA 在功能测试阶段收集的真机样本，同时也对这些包含了多种外挂风险、环境风险等信息的样本进行精确标记，在功能回归阶段将样本重放，检查策略是否满足预期效果。

日常回归

在反外挂服务的日常测试中，服务端的测试数据是通过脚本构造的，对于复杂的场景的测试，更好的选择是利用线上真实的玩家数据——其中包含丰富的设备信息、外挂信息等数据，可以更好地覆盖反外挂策略。在此基础上建立样本回归的常态化，利用真实样本，更全面地覆盖核心场景。

反外挂接入流程

反外挂的接入主要分为 8 个步骤（如下图所示）其中步骤 1 在 GoAPI 平台完成，步骤 2、3、5、6、8 在流量比对平台完成，步骤 4、7 在代码中略微改造。

GoAPI 平台建立接口/场景等信息

在 GoAPI 平台上创建被测接口或场景信息，将步骤包含在“数据循环”中，可以是单接口也可以是存在依赖关系的多个接口。

“数据”设置“参数 key”和“值”。“参数 key”为需要替换的数据（样本中的 key），“值”为样本的具体数值。

流量比对平台创建接口信息

在流量比对平台上创建被测接口信息，设置好子服务和业务类型，配置需要测试的 2 个环境的域名，输入场景 id，关联刚刚在 GoAPI 平台上创建的场景，这样流量比对平台上后续的任务就能触发 GoAPI 平台上的场景进行执行。

建立反外挂样本库

接下来是要在流量比对平台上创建反外挂的样本库，通过样本库的管理进行样本的存储和更新。创建的样本库设置子服务和业务类型、样本上限等信息，后续采集的样本归属于当前样本库。

定制化反外挂样本采集机制

反外挂的样本采集来源有 2 个：一是线上 ES 存储的真实玩家上报数据，按照一定的要求提取数据，然后清洗、字段映射、加密等操作后输出为反外挂样本数据；另一个是客户端 QA 使用真机在测试过程收集的数据，然后进行手动标注，获得精确标注各种外挂信息的样本。

• 线上 ES 采集反外挂样本

在 ES 中按照设定的要求（平台或者外挂信息等）提取数据，然后按照反外挂接口需要的信息以及格式进行处理：包括根据 Protobuf 协议，重新映射字段；根据客户端与服务端通信加密算法重新加密数据，然后将最终数据存入对应的样本库。目前已采集线上真机样本数据：

• 真机测试数据转化反外挂样本

客户端 QA 在测试过程中，使用真机安装了各类辅助工具或者外挂工具测试系统策略，并将这些上报的信息存储在数据库中，再对这些真机样本进行精确的标注，这些样本就可以转化为流量比对平台可用的样本。目前已采集标注客户端真机样本：105 条。

样本采集配置

在流量比对平台上创建样本采集的配置，前文中描述的 ES 提取数据所按照的要求就是在此处设置完成的。

导入配置：ES 中提取的数据清洗和过滤的要求，以及提取的比例。

提取字段：ES 中数据提取的字段，可以提取结构化的数据的部分字段。

维护反外挂场景信息

我们在测试反外挂的过程中，希望能掌握测试的场景覆盖情况，所以梳理出各种场景以及场景分类。在流量比对平台上手动添加场景信息。在样本的管理处可以将已知的样本与对应的场景进行关联，将样本与场景联系起来，通过不同的样本执行完成不同的场景覆盖，并能在执行结果中对场景的覆盖进行观测。

反外挂样本自动关联场景

上文提到了手动添加反外挂的场景信息，但还需要再和样本进行关联，可能比较耗时。能否做到自动提取场景信息后自动添加场景并关联呢？答案是可以的。我们在样本执行结束后对执行结果比对分析前，提取样本结果中的一些关键信息作为反外挂场景信息，并进行自动关联。

流量比对平台创建回归任务

在流量比对平台上创建回归任务，通过任务调度 GoAPI 平台上的接口或场景执行，轮询任务状态，执行结束后进行分析比对，最终结果在报告页面展示。

进度及效果

• 反外挂迁移建德

  采集线上 10000 条样本，比对线上与建德环境，2 个环境比对结果一致，确保迁移顺利完成。

• 智能风控策略比对

  使用客户端真机样本，单样本比对一致，智能风控顺利上线并保证策略效果满足预期。

后续计划

• 反外挂样本多样性：样本提取方式优化。

• 场景覆盖统计：多任务、多场景的覆盖统计；精准掌握样本实际覆盖情况。

• 反外挂场景覆盖：透传接口、直传接口、Android 平台、iOS 平台、老反外挂、融合反外挂、智能风控。

• 执行结果比对方法优化：异步执行结果比对方法。

• 平台化功能优化。

• 流量比对常态化：日常测试、线上验证等常态化执行。