人工智能
基于机器学习的模型开发以应对视频游戏作弊
任何视频游戏玩家都知道与作弊者竞争有多么令人沮丧，但许多人没有意识到作弊对游戏和开发者的经济和其他影响。似乎无论开发者采取什么行动，一些个人总是能找到作弊的方法。这就是为什么德克萨斯大学达拉斯分校的计算机科学家采用人工智能（AI）方法来对抗这些玩家。
该研究发表在IEEE Transactions on Dependable and Secure Computing上，日期为8月3日。
研究人员使用流行的第一人称射击游戏《反恐精英》开发了新的方法，但它可以应用于任何大规模多人在线（MMO）游戏，中央服务器接收数据流量。
《反恐精英》是市场上最受欢迎的第一人称射击游戏之一，这意味着玩家总是使用软件作弊。游戏涉及团队合作，共同对抗恐怖分子，通过炸弹拆除、人质营救和确保植物位置。玩家可以通过赚取游戏货币购买更强大的武器。
Md Shihabul Islam是UT Dallas计算机科学博士生，隶属于Erik Jonsson工程和计算机科学学院。Islam本人也是《反恐精英》玩家，是该研究的首席作者。
“有时当你与使用作弊软件的玩家对战时，你可以判断出来，但有时可能并不明显，”他说。“这对其他玩家来说是不公平的。”
经济影响
许多玩家可能认为作弊只会破坏其他玩家的乐趣，但其影响远不止于此。玩家经常因作弊而离开游戏，这可能会对开发者产生经济影响。
在电子竞技中，这是一个快速增长的行业，每年收入约为10亿美元，作弊通过对团队和玩家的处罚来惩罚。这些处罚包括取消资格、弃权或彻底禁止。
检测作弊的挑战
大规模多人在线游戏中作弊的主要挑战之一是，它经常未被发现。从玩家计算机到游戏服务器的重要数据是加密的，这意味着作弊通常只在游戏日志解密后被发现，而那时已经太晚了。这就是为什么UT Dallas团队开发了一种不涉及解密的方法，而是分析加密的数据流量实时。
拉蒂夫·汗（Latifur Khan）是UT Dallas计算机科学教授，也是大数据分析和管理实验室的主任。他也是该研究的作者之一。
“作弊的玩家以不同的方式发送流量，”汗说。“我们试图捕捉这些特征。”
分析游戏流量以检测模式
该团队的研究涉及20名学生使用游戏中的三种软件作弊，包括瞄准机器人、速度黑客和墙壁黑客。然后，研究人员分析了游戏服务器的流量，发现了一些模式，可以识别出作弊行为。
研究人员使用这些数据来训练一个机器学习算法，可以根据模式和特征预测作弊行为。调整统计模型后，可以将其应用于更大的群体。他们方法的一个方面是，数据流量被发送到图形处理单元，这加快了处理速度并减少了主服务器中的中央处理单元的工作量。
根据Islam的说法，其他游戏公司可以使用自己的数据来应用这种新方法，训练游戏软件以检测作弊行为。一旦这个软件检测到作弊行为，就可以立即采取措施。
“检测到作弊后，”汗说，“我们可以发出警告，如果玩家在固定时间间隔内继续作弊，我们可以礼貌地将其踢出游戏。”
“我们的目标是确保像《反恐精英》这样的游戏对所有玩家来说都是有趣和公平的。”
