Модель машинного навчання розроблена для боротьби з шахрайством у відеоіграх

Будь-який гравець у відеоігри знає, як розчаровує конкурувати з шахраями, але багато людей не усвідомлюють економічні та інші наслідки для гри та розробника. Також здається, що незалежно від дій розробника деякі особи завжди знаходять способи обманути гру. Саме тому комп’ютерні вчені Університету Техасу в Далласі застосували підхід штучного інтелекту (AI) для боротьби з цими гравцями.

Дослідження було опубліковано в IEEE Transactions on Dependable and Secure Computing 3 серпня.

Дослідники використали популярну гру Counter-Strike для розробки нового підходу, але його можна застосувати до будь-якої масової багатокористувацької онлайн-ігри, де центральний сервер приймає дані трафіку.

Counter-Strike – одна з найпопулярніших ігор першої особи на ринку, що означає, що гравці завжди використовують програмне забезпечення для обману. Гра передбачає команди гравців, які працюють разом, щоб протидіяти терористам через розмінування бомб, порятунок заручників та забезпечення місць посадки. Гравці можуть купувати більш потужну зброю, заробляючи внутрішньоігрову валюту.

Мд Шихабул Іслам – докторант кафедри комп’ютерних наук Університету Техасу в Далласі. Іслам, який сам є гравцем у Counter-Strike, був головним автором дослідження.

“Іноді, коли ви граєте проти гравців, які використовують обман, ви можете це помітити, але іноді це може бути не очевидним”, – сказав він. “Це нечестно щодо інших гравців.”

Економічний вплив

Багато гравців можуть вважати обман лише способом зіпсувати задоволення для інших, але є багато інших наслідків. Гравці часто покидають гру через таке поведінку, що може спричинити економічний вплив на розробника.

У кіберспорті, який є швидко зростаючою індустрією з річним доходом близько 1 мільярда доларів, обман карається санкціями проти команд і гравців. Це можуть бути дискваліфікація, позбавлення виграшу або повна заборона.

Виклики виявлення обману

Одним з суттєвих викликів, пов’язаних з обманом у масових багатокористувацьких онлайн-іграх, є те, що воно часто залишається непоміченим. Важливі дані з комп’ютера гравця на сервер гри шифруються, що означає, що обман часто виявляється лише після розшифрування ігрових логів, і це вже запізно. Саме тому команда Університету Техасу в Далласі розробила підхід, який не передбачає розшифрування, а аналізує зашифрований трафік даних в реальному часі.

Доктор Латіфур Хан – професор кафедри комп’ютерних наук і директор лабораторії великих даних та управління Університету Техасу в Далласі. Він також є одним з авторів дослідження.

“Гравці, які обманюють, надсилають трафік іншим способом”, – сказав Хан. “Ми намагаємось виявити ці характеристики.”

Аналіз ігрового трафіку для виявлення закономірностей

Дослідження команди включало 20 студентів, які використовували три програми для обману в грі, включаючи аімбот, спідхак і вольхак. Дослідники потім проаналізували ігровий трафік до та від сервера, що призвело до відкриття певних закономірностей, які ідентифікували поведінку обману.

Дослідники використали дані для навчання алгоритму машинного навчання, який може передбачати обман на основі закономірностей та ознак. Після调整 статистичної моделі її можна застосувати до більших груп. Одним з аспектів їхнього підходу є те, що трафік даних надсилається на графічний процесор, що прискорює процес і зменшує навантаження на центральний процесор основного сервера.

За словами Іслама, інші ігрові компанії можуть використовувати новий підхід зі своїми даними, врешті-решт тренуючи ігрове програмне забезпечення для своїх ігор. Після того, як це програмне забезпечення виявляє поведінку обману, його можна негайно виправити.

“Після виявлення”, – сказав Хан, – “ми можемо надати попередження і видалити гравця, якщо він продовжує обман протягом певного часу.

“Наша мета – забезпечити, щоб ігри, такі як Counter-Strike, залишалися веселими та справедливими для всіх гравців.”