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 ut til at uansett hva slags handlinger en utvikler tar, finner noen alltid måter å jukse på. Dette er hvorfor datavitenskapsfolk 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 first-person skytespillet Counter-Strike for å utvikle den nye tilnærmingen, men den kan brukes på ethvert stort multiplayer-spill der en sentral server mottar data-trafikk. 

Counter-Strike er ett av de mest populære first-person skytespillene på markedet, hvilket betyr at spillere alltid bruker programvare-jukse. Spillet involverer lag av spillere som arbeider sammen for å motvirke terrorister gjennom bombenedleggelse, gisseltaking og sikring av anlegg. Spillere kan kjøpe mer kraftfulle våpen ved å tjene innsatspoeng.

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 jukse, kan du se det, men noen ganger kan det ikke være åpenbart,” sa han. “Det er ikke rettferdig mot de andre spillerne.”

Den økonomiske innvirkningen

Mange spillere ser på jukse som bare en måte å ødelegge moro for andre, men det er mange flere konsekvenser. Spillere forlater ofte et spill på grunn av dette atferden, hvilket kan ha en økonomisk innvirkning på utvikleren. 

I e-sport, som er en raskt voksende industri som bringer inn rundt 1 milliard dollar i årlige inntekter, straffes jukse gjennom sanktioner mot lag og spillere. Disse kan inkludere diskvalifikasjon, fratagelse av gevinster eller en fullstendig utestengelse. 

Ufordringene med å oppdage jukse

En av de betydelige utfordringene rundt jukse i MMO-spill er at det ofte går uoppdaget. Viktig data fra en spillers datamaskin til spillserveren er kryptert, hvilket betyr at jukse ofte bare oppdages etter at spill-loggene er dekryptert, og det er for sent. Dette er hvorfor teamet ved UT Dallas utviklet en tilnærming som ikke involverer dekryptering, men 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 jukser sender trafikk på en annen måte,” sa Khan. “Vi prøver å fange disse karakteristikkene.”

Analysere spill-trafikk for å oppdage mønster

Teamets studie involverte 20 studenter som brukte tre programvare-jukse i spillet, inkludert en aimbot, hastighets-hack og wallhack. Forskerne analyserte deretter spill-trafikk til og fra serveren, hvilket ledet til å oppdage bestemte mønster som identifiserte jukse-atferd. 

Forskerne brukte dataene til å trene en maskinlærings-algoritme som kunne forutsi jukse basert på mønstre og karakteristikk. 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, som rasker prosessen og reduserer arbeidsbyrden til den sentrale prosessoren i hovedserveren.

Ifølge Islam kan andre spill-selskaper bruke den nye tilnærmingen med deres egne data, og til slutt trene spill-programvare for deres spill. Når denne programvaren oppdager jukse-atferd, kan den håndteres med en gang.

“Etter oppdagelse,” sa Khan, “kan vi gi en advarsel og vennlig utelukke spilleren hvis de fortsetter med jukse-atferden i en fast tidsintervall.

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