Modelo de aprendizaje automático desarrollado para combatir el fraude en los videojuegos

Cualquier jugador de videojuegos sabe lo frustrante que es competir con tramposos, pero muchos no se dan cuenta del impacto económico y otros en el juego y el desarrollador. También parece que no importa qué acciones tome un desarrollador, siempre hay individuos que encuentran formas de hacer trampa en el juego. Es por esto que los científicos informáticos de la Universidad de Texas en Dallas han adoptado un enfoque de inteligencia artificial (IA) para combatir a estos jugadores. 

La investigación se publicó en IEEE Transactions on Dependable and Secure Computing el 3 de agosto.

Los investigadores utilizaron el popular juego de disparos en primera persona Counter-Strike para desarrollar el nuevo enfoque, pero se puede aplicar a cualquier juego en línea multijugador masivo (MMO) donde un servidor central recibe tráfico de datos. 

Counter-Strike es uno de los juegos de disparos en primera persona más populares del mercado, lo que significa que los jugadores siempre utilizan software de trampa. El juego implica equipos de jugadores que trabajan juntos para contrarrestar a los terroristas a través de la difusión de bombas, el rescate de rehenes y la seguridad de las ubicaciones de plantas. Los jugadores pueden comprar armas más potentes ganando moneda en el juego.

Md Shihabul Islam es un estudiante de doctorado en ciencias de la computación en la Escuela de Ingeniería y Ciencias de la Computación Erik Jonsson de la Universidad de Texas en Dallas. Islam, que es un jugador de Counter-Strike él mismo, fue el autor principal del estudio.

“A veces, cuando juegas contra jugadores que utilizan trampas, puedes darte cuenta, pero a veces puede que no sea evidente”, dijo. “No es justo para los demás jugadores”.

El impacto económico

Muchos jugadores pueden ver el fraude como solo una forma de arruinar la diversión para los demás, pero hay muchas más implicaciones. Los jugadores a menudo abandonan un juego debido a este comportamiento, lo que puede causar un impacto económico para el desarrollador. 

En los deportes electrónicos, que es una industria en rápido crecimiento que genera alrededor de $1.000 millones en ingresos anuales, el fraude se castiga con sanciones contra equipos y jugadores. Estas pueden incluir la descalificación, la pérdida de ganancias o una prohibición total. 

Desafíos para detectar el fraude

Uno de los desafíos significativos que rodean el fraude en los juegos en línea multijugador masivo es que a menudo pasa desapercibido. Los datos importantes de la computadora de un jugador al servidor del juego están cifrados, lo que significa que el fraude a menudo solo se detecta después de que los registros del juego se descifran, y es demasiado tarde. Es por esto que el equipo de la Universidad de Texas en Dallas desarrolló un enfoque que no implica descifrar, sino que analiza el tráfico de datos cifrado en tiempo real. 

El Dr. Latifur Khan es un profesor de ciencias de la computación y director del Laboratorio de Análisis y Administración de Análisis de Datos Grande en la Universidad de Texas en Dallas. También es uno de los autores del estudio. 

“Los jugadores que hacen trampa envían tráfico de una manera diferente”, dijo Khan. “Estamos tratando de capturar esas características”.

Analizar el tráfico del juego para detectar patrones

El estudio del equipo involucró a 20 estudiantes que utilizaron tres software de trampa en el juego, incluyendo un aimbot, un hack de velocidad y un wallhack. Los investigadores analizaron el tráfico del juego hacia y desde el servidor, lo que llevó a descubrir ciertos patrones que identificaban el comportamiento de fraude. 

Los investigadores utilizaron los datos para entrenar un algoritmo de aprendizaje automático capaz de predecir el fraude en función de los patrones y características. Después de ajustar el modelo estadístico, se puede aplicar a grupos más grandes. Un aspecto de su enfoque es que el tráfico de datos se envía a una unidad de procesamiento gráfico, lo que acelera el proceso y disminuye la carga de trabajo de la unidad central de procesamiento en el servidor principal.

Según Islam, otras compañías de juegos podrían utilizar el nuevo enfoque con sus propios datos, eventualmente entrenando software de juegos para sus juegos. Después de que el software detecta el comportamiento de fraude, se puede remediar de inmediato.

“Después de la detección”, dijo Khan, “podemos dar una advertencia y expulsar al jugador de manera elegante si continúa con el fraude durante un intervalo de tiempo fijo.

“Nuestro objetivo es asegurarnos de que los juegos como Counter-Strike sigan siendo divertidos y justos para todos los jugadores”.