Model uczenia maszynowego opracowany w celu walki z oszustwami w grach wideo

Każdy gracz wideo wie, jak frustrujące jest rywalizowanie z oszustami, ale wielu nie zdaje sobie sprawy z ekonomicznych i innych wpływów na grę i dewelopera. Wydaje się również, że niezależnie od działań podejmowanych przez dewelopera, niektórzy gracze zawsze znajdują sposoby, aby oszukiwać w grze. Dlatego naukowcy z University of Texas at Dallas przyjęli podejście sztucznej inteligencji (AI) w celu walki z tymi graczami.

Badanie zostało opublikowane w IEEE Transactions on Dependable and Secure Computing 3 sierpnia.

Naukowcy wykorzystali popularną grę first-person shooter Counter-Strike, aby opracować nowe podejście, ale może ono być stosowane w każdej grze online z wieloma graczami, w której centralny serwer otrzymuje ruch danych.

Counter-Strike to jedna z najpopularniejszych gier first-person shooter na rynku, co oznacza, że gracze zawsze używają oprogramowania do oszukiwania. Gra polega na tym, że drużyny graczy współpracują ze sobą, aby przeciwdziałać terrorystom poprzez rozbrojenie bomb, ratowanie zakładników i zabezpieczanie miejsc lądowania. Gracze mogą kupować bardziej potężne bronie, zarabiając wirtualną walutę w grze.

Md Shihabul Islam jest doktorantem w dziedzinie informatyki na Uniwersytecie w Dallas, w szkole inżynierii i nauk komputerowych im. Erika Jonssona. Islam, który sam jest graczem Counter-Strike, był głównym autorem badania.

“Czasami, gdy grasz przeciwko graczom, którzy używają oszustw, możesz to zauważyć, ale czasami może to nie być oczywiste”, powiedział. “Nie jest to fair wobec innych graczy.”

Wpływ ekonomiczny

Wielu graczy może postrzegać oszustwa jako sposób na zniszczenie zabawy dla innych, ale istnieją znacznie poważniejsze konsekwencje. Gracze często opuszczają grę z powodu takiego zachowania, co może spowodować wpływ ekonomiczny na dewelopera.

W esportach, które są szybko rozwijającym się przemysłem, generującym około 1 miliarda dolarów rocznie, oszustwa są karane sankcjami wobec drużyn i graczy. Mogą one obejmować dyskwalifikację, utratę wygranych lub całkowity zakaz gry.

Wyzwania wykrywania oszustw

Jednym z największych wyzwań związanych z oszustwami w grach online jest to, że często pozostają one niewykryte. Ważne dane z komputera gracza do serwera gry są szyfrowane, co oznacza, że oszustwa są często wykrywane dopiero po odszyfrowaniu logów gry, co jest już za późno. Dlatego zespół z UT Dallas opracował podejście, które nie wymaga odszyfrowania, ale analizuje ruch danych w czasie rzeczywistym.

Dr Latifur Khan jest profesorem informatyki i dyrektorem laboratorium analityki i zarządzania dużymi danymi na UT Dallas. Jest on również jednym z autorów badania.

“Gracze, którzy oszukują, wysyłają ruch w inny sposób”, powiedział Khan. “Staramy się uchwycić te cechy.”

Analiza ruchu gry w celu wykrywania wzorców

Badanie zespołu obejmowało 20 studentów, którzy używali trzech oprogramowań do oszukiwania w grze, w tym aimbot, speed hack i wallhack. Następnie naukowcy analizowali ruch gry do i z serwera, co doprowadziło do odkrycia pewnych wzorców, które identyfikowały zachowania oszustw.

Naukowcy wykorzystali dane do przeszkolenia algorytmu uczenia maszynowego, który mógł przewidywać oszustwa na podstawie wzorców i cech. Po dostosowaniu modelu statystycznego można było go zastosować do większych grup. Jednym z aspektów ich podejścia jest to, że ruch danych jest wysyłany do jednostki przetwarzania grafiki, co przyspiesza proces i zmniejsza obciążenie jednostki centralnej w głównym serwerze.

Według Islama inne firmy gamingowe mogą wykorzystać nowe podejście ze swoimi własnymi danymi, trenując oprogramowanie gier do swoich gier. Po tym, jak to oprogramowanie wykryje zachowania oszustw, można je natychmiast usunąć.

“Po wykryciu”, powiedział Khan, “możemy wydać ostrzeżenie i delikatnie usunąć gracza, jeśli będzie on kontynuował oszustwa w określonym przedziale czasowym.

“Naszym celem jest zapewnienie, że gry takie jak Counter-Strike pozostaną zabawne i uczciwe dla wszystkich graczy.”