Maskinlæringsmodell utviklet for å bekjempe juks i videospill

Enhver videospiller vet hvor frustrerende det er å konkurrere med juksere, men mange innser ikke de økonomiske og andre konsekvensene for spillet og utvikleren. Det ser også ut til at uansett hva en utvikler gjør, finner noen alltid måter å juke på spillet. Dette er hvorfor datavitenskapsmenn ved University of Texas at Dallas har tatt en kunstig intelligens (AI)-tilnærming for å bekjempe disse spillerne. 

Forskningen ble publisert i IEEE Transactions on Dependable and Secure Computing den 3. august.

Forskerne brukte det populære førstepersonsskytespillet Counter-Strike for å utvikle den nye tilnærmingen, men den kan brukes på noen hvilket som helst stort multiplayer-spill (MMO) der en sentral server mottar data-trafikk. 

Counter-Strike er ett av de mest populære førstepersonsskytespillene på markedet, noe som betyr at spillere alltid bruker programvare-juks. Spillet innebærer at lag av spillere samarbeider for å motvirke terrorister gjennom bombenedlegging, gisseltaking og sikring av installasjoner. Spillere kan kjøpe kraftigere våpen ved å tjene innsatsvaluta.

Md Shihabul Islam er en doktorgradsstudent i datavitenskap ved Erik Jonsson School of Engineering and Computer Science ved UT Dallas. Islam, som selv er en Counter-Strike-spiller, var hovedforfatter av studien.

“Noen ganger når du spiller mot spillere som bruker juks, kan du se det, men noen ganger kan det ikke være tydelig,” sa han. “Det er ikke rettferdig mot de andre spillerne.”

Den økonomiske innvirkningen

Mange spillere kan se på juksing som bare en måte å ødelegge moro for andre, men det er mange flere implikasjoner. Spillere forlater ofte et spill på grunn av dette atferden, noe som kan føre til en økonomisk innvirkning for utvikleren. 

I e-sport, som er en raskt voksende industri som bringer inn rundt 1 milliard dollar i årlig omsetning, straffes juksing gjennom sanktioner mot lag og spillere. Disse kan inkludere diskvalifikasjon, fratagelse av gevinster eller et totalt forbud. 

Ufordringene ved å oppdage juksing

En av de betydelige utfordringene som omgir juksing i MMO-spill er at det ofte går uoppdaget. Viktig data fra en spillers datamaskin til spillserveren er kryptert, noe betyr at juksing ofte bare oppdages etter at spillloggene er dekryptert, og det er for sent. Dette er hvorfor teamet ved UT Dallas utviklet en tilnærming som ikke involverer dekryptering, men som analyserer kryptert data-trafikk i sanntid. 

Dr. Latifur Khan er en professor i datavitenskap og direktør for Big Data Analytics and Management Lab ved UT Dallas. Han er også en av forfatterne av studien. 

“Spillere som juks sender trafikk på en annen måte,” sa Khan. “Vi prøver å fange disse karakteristikkene.”

Analyse av spill-trafikk for å oppdage mønster

Teamets studie innebar 20 studenter som brukte tre programvare-juks i spillet, inkludert et siktemål, hastighets-hack og vegghack. Forskerne analyserte deretter spill-trafikk til og fra serveren, noe ledet til å oppdage bestemte mønster som identifiserte juks-atferd. 

Forskerne brukte dataene til å trene en maskinlæringsalgoritme som kunne forutsi juksing basert på mønster og egenskaper. Etter å ha justert den statistiske modellen, kunne den brukes på større grupper. En del av deres tilnærming er at data-trafikk sendes til en grafikkprosessor, noe som rasker prosessen og reduserer arbeidsbelastningen til den sentrale prosessoren i hovedserveren.

Ifølge Islam kunne andre spill-selskaper bruke den nye tilnærmingen med sine egne data, og til slutt trene spill-programvare for sine spill. Etter at programvaren oppdager juks-atferd, kunne det rettferdiggjøres med en gang.

“Etter oppdagelse,” sa Khan, “kan vi gi en advarsel og vennligst kaste spilleren ut hvis de fortsetter med juksing i en fast tidsintervall.

“Vårt mål er å sikre at spill som Counter-Strike forblir morsomt og rettferdig for alle spillere.”