Model Pembelajaran Mesin Dikembangkan untuk Mengatasi Kecurangan dalam Permainan Video

Setiap pemain permainan video tahu betapa frustrasinya bersaing dengan pemain curang, tetapi banyak yang tidak menyadari dampak ekonomi dan lainnya pada permainan dan pengembang. Selain itu, tampaknya tidak peduli apa tindakan yang diambil pengembang, beberapa individu selalu menemukan cara untuk mengcurangi permainan. Ini adalah alasan ilmuwan komputer di University of Texas at Dallas mengambil pendekatan kecerdasan buatan (AI) untuk mengatasi pemain tersebut.

Penelitian ini diterbitkan di IEEE Transactions on Dependable and Secure Computing pada 3 Agustus.

Peneliti menggunakan permainan first-person shooter populer Counter-Strike untuk mengembangkan pendekatan baru, tetapi dapat diterapkan pada permainan online multipemain masif (MMO) mana pun di mana server pusat menerima lalu lintas data.

Counter-Strike adalah salah satu permainan first-person shooter paling populer di pasar, yang berarti pemain selalu menggunakan perangkat lunak curang. Permainan ini melibatkan tim pemain yang bekerja sama untuk melawan teroris melalui difusi bom, penyelamatan sandera, dan pengamanan lokasi tanaman. Pemain dapat membeli senjata yang lebih kuat dengan mendapatkan mata uang dalam permainan.

Md Shihabul Islam adalah mahasiswa doktoral ilmu komputer di Sekolah Teknik dan Ilmu Komputer Erik Jonsson di UT Dallas. Islam, yang juga pemain Counter-Strike, adalah penulis utama studi ini.

“Terkadang ketika Anda bermain melawan pemain yang menggunakan curang, Anda bisa tahu, tetapi terkadang mungkin tidak jelas,” katanya. “Tidak adil bagi pemain lain.”

Dampak Ekonomi

Banyak pemain mungkin melihat kecurangan sebagai cara merusak kesenangan orang lain, tetapi ada implikasi lain. Pemain sering meninggalkan permainan karena perilaku ini, yang dapat menyebabkan dampak ekonomi bagi pengembang.

Dalam esports, yang merupakan industri yang tumbuh pesat dengan pendapatan tahunan sekitar $1 miliar, kecurangan dihukum melalui sanksi terhadap tim dan pemain. Ini dapat mencakup diskualifikasi, kehilangan kemenangan, atau larangan total.

Tantangan Mendeteksi Kecurangan

Salah satu tantangan besar yang mengelilingi kecurangan dalam permainan MMO adalah bahwa kecurangan sering tidak terdeteksi. Data penting dari komputer pemain ke server permainan dienkripsi, yang berarti kecurangan sering hanya terdeteksi setelah log permainan didekripsi, dan sudah terlambat. Ini adalah alasan tim di UT Dallas mengembangkan pendekatan yang tidak melibatkan dekripsi, tetapi menganalisis lalu lintas data terenkripsi secara real-time.

Dr. Latifur Khan adalah profesor ilmu komputer dan direktur Laboratorium Analitik dan Manajemen Data Besar di UT Dallas. Ia juga salah satu penulis studi ini.

“Pemain yang curang mengirim lalu lintas dengan cara yang berbeda,” kata Khan. “Kami mencoba menangkap karakteristik tersebut.”

Menganalisis Lalu Lintas Permainan untuk Mendeteksi Pola

Studi tim ini melibatkan 20 mahasiswa yang menggunakan tiga perangkat lunak curang dalam permainan, termasuk aimbot, speed hack, dan wallhack. Peneliti kemudian menganalisis lalu lintas permainan ke dan dari server, yang mengarah pada penemuan pola tertentu yang mengidentifikasi perilaku kecurangan.

Peneliti menggunakan data untuk melatih algoritma pembelajaran mesin yang dapat memprediksi kecurangan berdasarkan pola dan fitur. Setelah menyesuaikan model statistik, dapat diterapkan pada kelompok yang lebih besar. Salah satu aspek pendekatan mereka adalah bahwa lalu lintas data dikirim ke unit pemrosesan grafis, yang mempercepat proses dan mengurangi beban kerja unit pemrosesan pusat di server utama.

Menurut Islam, perusahaan permainan lain dapat menggunakan pendekatan baru dengan data mereka sendiri, akhirnya melatih perangkat lunak permainan untuk permainan mereka. Setelah perangkat lunak ini mendeteksi perilaku kecurangan, dapat segera diperbaiki.

“Setelah deteksi,” kata Khan, “kita dapat memberikan peringatan dan mengeluarkan pemain secara elegan jika mereka terus melakukan kecurangan selama interval waktu tetap.

“Tujuan kami adalah memastikan bahwa permainan seperti Counter-Strike tetap menyenangkan dan adil bagi semua pemain.”