マシンラーニングモデルが開発され、ビデオゲームのチーティングと戦う

どのビデオゲームプレイヤーでも、チーターと競争するのはどれほど苛立たしいことかを知っているが、多くの人はゲームや開発者への経済的影響やその他の影響を実感していない。開発者がどのような対策を講じても、チーターは常にゲームを操作する方法を見つけることができるように思える。このため、テキサス大学ダラス校のコンピューターサイエンティストは、これらのプレイヤーに対抗するために人工知能（AI）アプローチをとった。

この研究は、IEEE Transactions on Dependable and Secure Computingに8月3日に掲載された。

研究者は、人気のファーストパーソンシューティングゲーム「Counter-Strike」を使用して新しいアプローチを開発したが、これは中央サーバーがデータトラフィックを受信するマルチプレイヤーオンライン（MMO）ゲームに適用できる。

Counter-Strikeは市場で最も人気のあるファーストパーソンシューティングゲームの1つであり、プレイヤーは常にソフトウェアチートを使用している。このゲームでは、プレイヤーがチームを組んでテロリストを排除し、爆弾を解除し、人質を救出し、施設を確保する。プレイヤーは、ゲーム内通貨を稼いでより強力な武器を購入できる。

Md Shihabul Islamは、エリック・ジョンソン工学・コンピューターサイエンス学校のテキサス大学ダラス校のコンピューターサイエンスの博士課程の学生である。Counter-StrikeのプレイヤーでもあるIslamは、この研究の第一著者である。

「チーターと対戦しているとき、ときどきチートを使用しているプレイヤーと対戦していることがわかるが、ときどきはそうではない」と彼は言った。「他のプレイヤーにとっては公平ではない」

経済的影響

多くのプレイヤーは、チートをただ他のプレイヤーにとっての楽しみを台無しにする方法と見なしているかもしれないが、より重大な影響がある。プレイヤーはこのような行動のためにゲームを去り、開発者にとって経済的影響を及ぼすことがある。

eスポーツでは、年間約10億ドルの収益をもたらす急成長している業界で、チートはチームやプレイヤーに対する制裁として処罰される。制裁には、失格、賞金の没収、または完全な禁止が含まれる。

チート検出の課題

MMOゲームにおけるチートの1つの大きな課題は、チートが検出されないことが多いことである。プレイヤーのコンピューターからゲームサーバーへの重要なデータは暗号化されているため、チートはゲームログが暗号化された後、遅すぎて検出されることが多い。このため、UTダラスのチームは、暗号化を必要とせず、暗号化されたデータトラフィックをリアルタイムで分析するアプローチを開発した。

ラティフ・カーン博士は、テキサス大学ダラス校のコンピューターサイエンス教授であり、ビッグデータ分析・管理研究所の所長でもある。彼は研究の著者の一人である。

「チーターは異なる方法でトラフィックを送信する」とカーン博士は言った。「私たちはその特徴を捉えようとしている」

ゲームトラフィックの分析によるパターン検出

チームの研究では、20人の学生がゲームで3つのソフトウェアチート（エイムボット、スピードハック、ウォールハック）を使用した。研究者はゲームサーバーへのトラフィックを分析し、チート行為を特定する特定のパターンを発見した。

研究者は、パターンと特徴に基づいてチートを予測するマシンラーニングアルゴリズムを訓練するためにデータを使用した。統計モデルを調整した後、大規模なグループに適用できるようになった。彼らのアプローチの1つの側面は、データトラフィックがグラフィックス処理ユニットに送信されることであり、プロセスを迅速化し、メインサーバーの中央処理ユニットの負荷を軽減する。

Islamによると、他のゲーム会社はこの新しいアプローチを使用して独自のデータで訓練し、最終的にゲームソフトウェアを訓練できる。ソフトウェアがチート行為を検出した後、すぐに対策を講じることができる。

「検出後」とカーン博士は言った。「警告を出し、一定時間内にチートを続けた場合、プレイヤーを優雅に排除することができる」

「私たちの目標は、Counter-Strikeのようなゲームがすべてのプレイヤーにとって楽しく公平であることを保証することである」