Model strojového učení vyvinutý pro boj proti podvádění ve videohrách

Každý hráč videoher ví, jak je frustrující soutěžit s podvodníky, ale mnoho z nich si neuvědomuje ekonomický a další dopad na hru a vývojáře. Zdá se, že bez ohledu na to, jaká opatření vývojář podnikne, vždy existují jednotlivci, kteří najdou způsob, jak hru podvést. Právě z tohoto důvodu počítačoví vědci na University of Texas at Dallas použili přístup umělé inteligence (AI) k boji proti těmto hráčům.

Výzkum byl zveřejněn v IEEE Transactions on Dependable and Secure Computing dne 3. srpna.

Výzkumníci použili populární first-person shooter hru Counter-Strike k vývoji nového přístupu, ale lze jej aplikovat na jakoukoli hromadně multiplayerovou online (MMO) hru, kde centrální server přijímá datový provoz.

Counter-Strike je jednou z nejpopulárnějších first-person shooter her na trhu, což znamená, že hráči vždy používají softwareové podvody. Hra zahrnuje týmy hráčů, kteří spolupracují na potlačení teroristů prostřednictvím odstraňování bomb, záchrany rukojmích a zajištění místností. Hráči si mohou koupit výkonnější zbraně vyděláváním herní měny.

Md Shihabul Islam je doktorand počítačové vědy na Erik Jonsson School of Engineering and Computer Science. Islam, který je sám hráčem Counter-Strike, byl hlavním autorem studie.

“Někdy, když hrajete proti hráčům, kteří používají podvody, můžete to poznat, ale někdy to nemusí být zřejmé,” řekl. “Není to fér vůči ostatním hráčům.”

Ekonomický dopad

Mnozí hráči mohou považovat podvádění za způsob, jak zkazit zábavu ostatním, ale existují zde mnohem větší důsledky. Hráči často opouštějí hru kvůli tomuto chování, což může mít ekonomický dopad na vývojáře.

V e-sportu, který je rychle rostoucím odvětvím s ročním příjmem kolem 1 miliardy dolarů, je podvádění trestáno sankcemi proti týmům a hráčům. Tyto sankce mohou zahrnovat diskvalifikaci, ztrátu výher nebo úplný zákaz.

Výzvy při odhalování podvádění

Jednou z významných výzev spojených s podváděním v MMO hrách je, že často zůstává neodhaleno. Důležité údaje z počítače hráče na herní server jsou šifrovány, což znamená, že podvádění je často odhaleno až po dešifrování herních logů, a to je již příliš pozdě. Právě z tohoto důvodu tým na UT Dallas vyvinul přístup, který nezávisí na dešifrování, ale analyzuje šifrovaný datový provoz v reálném čase.

Dr. Latifur Khan je profesor počítačové vědy a ředitel laboratoře Big Data Analytics and Management na UT Dallas. Je také jedním z autorů studie.

“Hráči, kteří podvádějí, posílají datový provoz jiným způsobem,” řekl Khan. “Snažíme se zachytit tyto charakteristiky.”

Analýza herního provozu pro odhalování vzorců

Studie týmu zahrnovala 20 studentů, kteří používali tři softwareové podvody ve hře, včetně aimbotu, speed hacku a wallhacku. Výzkumníci poté analyzovali herní provoz na a z serveru, což vedlo k objevu určitých vzorců, které identifikovaly podvodné chování.

Výzkumníci použili data k výcviku algoritmu strojového učení, který je schopen předpovídat podvádění na základě vzorců a charakteristik. Po úpravě statistického modelu jej lze aplikovat na větší skupiny. Jedním z aspektů jejich přístupu je, že datový provoz je odeslán na grafický procesor, což urychluje proces a snižuje zatížení centrálního procesoru v hlavním serveru.

Podle Islama mohou jiné herní společnosti použít nový přístup se svými vlastními daty, což by nakonec umožnilo výcvik herního softwaru pro jejich hry. Po tomto softwaru odhalí podvodné chování, lze jej okamžitě napravit.

“Po odhalení,” řekl Khan, “můžeme vydát varování a hráče vyloučit, pokud pokračují v podvádění během pevného časového intervalu.

“Naším cílem je zajistit, aby hry jako Counter-Strike zůstaly zábavné a férové pro všechny hráče.”