ปัญญาประดิษฐ์
โมเดลแมชชีนเลิร์นนิงที่พัฒนาขึ้นเพื่อต่อสู้กับการโกงวิดีโอเกม
ผู้เล่นวิดีโอเกมทุกคนรู้ดีว่าการแข่งขันกับคนขี้โกงนั้นน่าผิดหวังเพียงใด แต่หลายคนไม่ตระหนักถึงผลกระทบทางเศรษฐกิจและอื่นๆ ต่อเกมและผู้พัฒนา ดูเหมือนว่าไม่ว่าผู้พัฒนาจะทำอะไร บางคนก็หาวิธีโกงเกมอยู่เสมอ นี่คือเหตุผลที่นักวิทยาศาสตร์คอมพิวเตอร์แห่งมหาวิทยาลัยเทกซัส เมืองดัลลาส ใช้วิธีปัญญาประดิษฐ์ (AI) เพื่อต่อสู้กับผู้เล่นเหล่านี้
งานวิจัยที่ตีพิมพ์ใน ธุรกรรม IEEE บนคอมพิวเตอร์ที่เชื่อถือได้และปลอดภัย เมื่อสิงหาคม 3
นักวิจัยใช้เกมยิงมุมมองบุคคลที่หนึ่งยอดนิยม Counter-Strike เพื่อพัฒนาแนวทางใหม่ แต่สามารถนำไปใช้กับเกมออนไลน์ที่มีผู้เล่นหลายคนจำนวนมาก (MMO) ที่เซิร์ฟเวอร์กลางรับส่งข้อมูล
Counter-Strike เป็นหนึ่งในเกมยิงมุมมองบุคคลที่หนึ่งที่ได้รับความนิยมมากที่สุดในตลาด ซึ่งหมายความว่าผู้เล่นมักจะใช้โปรแกรมโกงซอฟต์แวร์อยู่เสมอ เกมดังกล่าวเกี่ยวข้องกับทีมผู้เล่นที่ทำงานร่วมกันเพื่อต่อต้านผู้ก่อการร้ายผ่านการแพร่กระจายของระเบิด การช่วยเหลือตัวประกัน และการรักษาที่ตั้งโรงงาน ผู้เล่นสามารถซื้ออาวุธที่ทรงพลังยิ่งขึ้นโดยรับสกุลเงินในเกม
Md Shihabul Islam เป็นนักศึกษาปริญญาเอกวิทยาการคอมพิวเตอร์ UT Dallas ในโรงเรียนวิศวกรรมศาสตร์และวิทยาการคอมพิวเตอร์ Erik Jonsson อิสลามซึ่งเป็นผู้เล่น Counter-Strike เองก็เป็นผู้เขียนหลักของการศึกษานี้
“บางครั้งเมื่อคุณเล่นกับผู้เล่นที่ใช้กลโกง คุณสามารถบอกได้ แต่บางครั้งมันอาจไม่ชัดเจน” เขากล่าว “มันไม่ยุติธรรมกับผู้เล่นคนอื่นๆ”
ผลกระทบทางเศรษฐกิจ
ผู้เล่นหลายคนอาจมองว่าการโกงเป็นเพียงวิธีการทำลายความสนุกของผู้อื่น แต่ยังมีความหมายอื่นอีกมากมาย ผู้เล่นมักจะออกจากเกมเนื่องจากพฤติกรรมนี้ ซึ่งอาจก่อให้เกิดผลกระทบทางเศรษฐกิจต่อผู้พัฒนา
ในกีฬาอีสปอร์ต ซึ่งเป็นอุตสาหกรรมที่เติบโตอย่างรวดเร็วซึ่งมีรายได้ต่อปีประมาณ 1 พันล้านดอลลาร์ การโกงจะถูกลงโทษด้วยการคว่ำบาตรต่อทีมและผู้เล่น สิ่งเหล่านี้อาจรวมถึงการตัดสิทธิ์ การแพ้ชนะ หรือการแบนทั้งหมด
ความท้าทายในการตรวจจับการโกง
หนึ่งในความท้าทายที่สำคัญเกี่ยวกับการโกงเกม MMO คือการที่มักจะตรวจไม่พบ ข้อมูลสำคัญจากคอมพิวเตอร์ของผู้เล่นไปยังเซิร์ฟเวอร์เกมจะถูกเข้ารหัส ซึ่งหมายความว่าการโกงมักจะถูกตรวจพบหลังจากถอดรหัสบันทึกเกมเท่านั้น และมันก็สายเกินไป นี่คือเหตุผลที่ทีมงานที่ UT Dallas พัฒนาวิธีการที่ไม่เกี่ยวข้องกับการถอดรหัส แต่จะวิเคราะห์การรับส่งข้อมูลที่เข้ารหัสแบบเรียลไทม์
ดร. Latifur Khan เป็นศาสตราจารย์ด้านวิทยาการคอมพิวเตอร์และผู้อำนวยการ Big Data Analytics and Management Lab ที่ UT Dallas เขายังเป็นหนึ่งในผู้เขียนงานวิจัยนี้ด้วย
“ผู้เล่นที่โกงจะส่งทราฟฟิกด้วยวิธีที่ต่างออกไป” ข่านกล่าว “เรากำลังพยายามจับลักษณะเฉพาะเหล่านั้น”
การวิเคราะห์ทราฟฟิกเกมเพื่อตรวจจับรูปแบบ
การศึกษาของทีมเกี่ยวข้องกับนักเรียน 20 คนโดยใช้ซอฟต์แวร์โกง XNUMX ตัวในเกม ซึ่งรวมถึงเอมบอท สปีดแฮ็ค และวอลแฮ็ค จากนั้น นักวิจัยวิเคราะห์ทราฟฟิกเกมเข้าและออกจากเซิร์ฟเวอร์ ซึ่งนำไปสู่การค้นพบรูปแบบบางอย่างที่ระบุถึงพฤติกรรมการโกง
นักวิจัยใช้ข้อมูลในการฝึกอัลกอริธึมการเรียนรู้ด้วยเครื่องที่สามารถทำนายการโกงตามรูปแบบและคุณสมบัติต่างๆ หลังจากปรับโมเดลทางสถิติแล้ว สามารถนำไปใช้กับกลุ่มใหญ่ขึ้นได้ แง่มุมหนึ่งของแนวทางของพวกเขาคือทราฟฟิกข้อมูลถูกส่งไปยังหน่วยประมวลผลกราฟิก ซึ่งช่วยเร่งกระบวนการและลดภาระงานของหน่วยประมวลผลกลางในเซิร์ฟเวอร์หลัก
ตามหลักศาสนาอิสลาม บริษัทเกมอื่นๆ สามารถใช้แนวทางใหม่กับข้อมูลของตนเองได้ และในที่สุดก็จะฝึกอบรมซอฟต์แวร์เกมสำหรับเกมของตน หลังจากที่ซอฟต์แวร์นี้ตรวจพบพฤติกรรมการโกง จะสามารถแก้ไขได้ทันที
“หลังจากตรวจพบ” ข่านกล่าว “เราสามารถเตือนและไล่ผู้เล่นออกอย่างสง่างามหากพวกเขายังคงโกงต่อไปในช่วงเวลาที่กำหนด
“เป้าหมายของเราคือทำให้แน่ใจว่าเกมอย่าง Counter-Strike ยังคงสนุกและยุติธรรมสำหรับผู้เล่นทุกคน”