Μοντέλο Μηχανικής Μάθησης Ανεπτυγμένο για την Αντιμετώπιση της Αποτελεσματικότητας στα Βιντεοπαιχνίδια

Κάθε παίκτης βιντεοπαιχνιδιών γνωρίζει πόσο ενοχλητικό είναι να ανταγωνιστεί με απάτες, αλλά πολλοί δεν συνειδητοποιούν τις οικονομικές και άλλες επιπτώσεις στο παιχνίδι και τον dévelopτερ. Φαίνεται επίσης ότι ανεξάρτητα από τις ενέργειες που λαμβάνει ένας dévelopτερ, κάποιοι άνθρωποι βρίσκουν πάντα τρόπους να απατήσουν το παιχνίδι. Αυτός είναι ο λόγος για τον οποίο οι επιστήμονες υπολογιστών στο Πανεπιστήμιο του Τέξας στο Ντάλας έχουν λάβει μια προσέγγιση τεχνητής νοημοσύνης (AI) για την αντιμετώπιση αυτών των παικτών.

Η έρευνα δημοσιεύθηκε στο IEEE Transactions on Dependable and Secure Computing στις 3 Αυγούστου.

Οι ερευνητές χρησιμοποίησαν το δημοφιλές βιντεοπαιχνίδι πρώτου προσώπου Counter-Strike για την ανάπτυξη της νέας προσέγγισης, αλλά μπορεί να εφαρμοστεί σε οποιοδήποτε παιχνίδι με πολλαπλούς παίκτες όπου ένας κεντρικός διακομιστής λαμβάνει δεδομένα κυκλοφορίας.

Το Counter-Strike είναι ένα από τα πιο δημοφιλή βιντεοπαιχνίδια πρώτου προσώπου στην αγορά, που σημαίνει ότι οι παίκτες χρησιμοποιούν πάντα λογισμικά απάτης. Το παιχνίδι περιλαμβάνει ομάδες παικτών που εργάζονται μαζί για να αντιμετωπίσουν τους τρομοκράτες μέσω της αποσύνδεσης βομβών, της διάσωσης ομήρων και της ασφάλισης των εγκαταστάσεων. Οι παίκτες μπορούν να αγοράσουν πιο ισχυρά όπλα με την απόκτηση εσωτερικών νομισμάτων.

Ο Md Shihabul Islam είναι φοιτητής διδακτορικού προγράμματος στο τμήμα επιστημών υπολογιστών του Πανεπιστημίου του Τέξας στο Ντάλας. Ο Islam, ο οποίος είναι ο ίδιος παίκτης του Counter-Strike, ήταν ο κύριος συγγραφέας της μελέτης.

“Κάποιες φορές όταν παίζεις ενάντια σε παίκτες που χρησιμοποιούν απάτες, μπορείς να το καταλάβεις, αλλά κάποιες φορές μπορεί να μην είναι εμφανές”, είπε. “Δεν είναι δίκαιο για τους άλλους παίκτες.”

Η Οικονομική Επίπτωση

Πολλοί παίκτες μπορεί να βλέπουν την απάτη ως ένα τρόπο να χαλάσουν την διασκέδαση για τους άλλους, αλλά υπάρχουν πολλές περισσότερες επιπτώσεις. Οι παίκτες συχνά εγκαταλείπουν το παιχνίδι λόγω αυτής της συμπεριφοράς, που μπορεί να προκαλέσει οικονομική επιπτώσεις για τον dévelopτερ.

Στους esports, που είναι μια ταχέως αναπτυσσόμενη βιομηχανία με ετήσιες εσόδους γύρω στα 1 δισεκατομμύριο δολάρια, η απάτη τιμωρείται μέσω κυρώσεων εναντίον ομάδων και παικτών. Αυτές peuvent να περιλαμβάνουν αποκλεισμό, εγκατάλειψη κερδών ή ολικό αποκλεισμό.

Οι Προκλήσεις της Ανίχνευσης της Απάτης

Μια από τις σημαντικές προκλήσεις που περιβάλλουν την απάτη στα παιχνίδια με πολλαπλούς παίκτες είναι ότι συχνά παραμένει ανιχνεύσιμη. Σημαντικά δεδομένα από τον υπολογιστή του παίκτη στο διακομιστής του παιχνιδιού είναι κρυπτογραφημένα, που σημαίνει ότι η απάτη συχνά ανιχνεύεται μόνο μετά την αποκρυπτογράφηση των αρχείων του παιχνιδιού, και είναι ήδη αργά. Αυτός είναι ο λόγος για τον οποίο η ομάδα στο Πανεπιστήμιο του Τέξας στο Ντάλας ανέπτυξε μια προσέγγιση που δεν περιλαμβάνει αποκρυπτογράφηση, αλλά ανάλυση κρυπτογραφημένης κυκλοφορίας δεδομένων σε πραγματικό χρόνο.

Ο Dr. Latifur Khan είναι καθηγητής επιστημών υπολογιστών και διευθυντής του εργαστηρίου Big Data Analytics και Management στο Πανεπιστήμιο του Τέξας στο Ντάλας. Είναι επίσης ένας από τους συγγραφείς της μελέτης.

“Οι παίκτες που απατούν στέλνουν κυκλοφορία με διαφορετικό τρόπο”, είπε ο Khan. “Προσπαθούμε να καταγράψουμε αυτές τις ιδιότητες.”

Ανάλυση Κυκλοφορίας Παιχνιδιού για την Ανίχνευση Προτύπων

Η μελέτη της ομάδας περιελάβανε 20 φοιτητές που χρησιμοποιούσαν τρία λογισμικά απάτης στο παιχνίδι, συμπεριλαμβανομένων ενός aimbot, speed hack και wallhack. Οι ερευνητές ανέλυσαν την κυκλοφορία του παιχνιδιού προς και από τον διακομιστής, που οδήγησε στην ανακάλυψη ορισμένων προτύπων που ταυτοποιούσαν την απάτη.

Οι ερευνητές χρησιμοποίησαν τα δεδομένα για να εκπαιδεύσουν einen αλγόριθμο μηχανικής μάθησης ικανό να προβλέψει απάτη με βάση τα πρότυπα και τις ιδιότητες. Μετά την προσαρμογή του στατιστικού μοντέλου, μπορούσε να εφαρμοστεί σε μεγαλύτερες ομάδες. Ένας από τους аспέκτες της προσέγγισής τους είναι ότι η κυκλοφορία δεδομένων στέλνεται σε μια μονάδα επεξεργασίας γραφικών, που επιταχύνει τη διαδικασία και μειώνει το φορτίο της κεντρικής μονάδας επεξεργασίας στον κεντρικό διακομιστής.

Σύμφωνα με τον Islam, άλλες εταιρείες παιχνιδιών θα μπορούσαν να χρησιμοποιήσουν τη νέα προσέγγιση με τα δικά τους δεδομένα, τελικά εκπαιδεύοντας λογισμικό παιχνιδιών για τα δικά τους παιχνίδια. Μετά την ανίχνευση της απάτης, θα μπορούσε να επιλυθεί αμέσως.

“Μετά την ανίχνευση”, είπε ο Khan, “μπορούμε να δώσουμε μια προειδοποίηση και να απομακρύνουμε ευγενικά τον παίκτη αν συνεχίσει την απάτη κατά τη διάρκεια ενός καθορισμένου χρονικού διαστήματος.

“Ο στόχος μας είναι να διασφαλίσουμε ότι τα παιχνίδια όπως το Counter-Strike παραμένουν διασκεδαστικά και δίκαια για όλους τους παίκτες.”