딥러닝 모델을 사용한 게임 봇 탐지 시스템에서 판단 근거 분석을 위한 기법
An Analysis Techniques for Detecting Game Bot using a Deep Learning Model
0
조회
0
다운로드
2
인용
0
참고문헌
키워드
초록
최근 온라인 게임 시장 규모가 급격히 성장하면서, 게임 내 재화를 획득하기 위한 부정행위가 빈번하게 발생하고 있다. 대표적인 부정행위 중 하나인 게임 봇 (game bot)은 게임 내 재화를 부정하게 수집하여, 게임 내 균형을 파괴하고 콘텐츠를 빠르게 고갈시켜 게임 수명을 단축시키는 문제를 야기한다. 본 논문에서는 사용자 행위 로그를 입력으로 하는 다층 퍼셉트론(Multi Layer Perceptron)을 적용하여 정상 사용자와 게임 봇을 분류하고, 각 행위가 분류에 영향을 끼친 정도를 수치화하여 판단 근거를 추론하는 모델을 제안한다. 제안한 모델을 ‘AION’ 게임의 실제 로그 데이터에 적용하여 10겹 교차 검증으로 테스트한 결과 약 98.4%의 정확도와 99.6%의 재현율을 보였다.
Abstract
As the online game market has grown rapidly in recent years, cheating has frequently occurred to get items in the game. Game bots, which are one of the most representative cheating behaviors, collect items in the game unfairly, causing problems in the game by destroying the balance in the game and rapidly depleting the content to shorten the game life. In this paper, we propose a model that classifies normal users and game bots by applying a Multi-Layer Perceptron(MLP) with user action log as input, and infers the basis of judgment by quantifying the degree to which each action affects the classification. The proposed model was applied to the actual log data of the ‘AION’ game and tested with 10-fold cross-validation, showing an accuracy of about 98.4% and a recall of about 99.6%.
참고문헌 (25)
- Alha, Kati, "Free-to-play games: Professionals’perspectives", Proceedings of nordic DiGRA 2014 (2014)
- Woo, Jiyoung, "Survey and research direction on online game security", Proceedings of the Workshop at SIGGRAPH Asia (2012)
- 김영환, "Access Record를 활용한 게임 봇과 유저 이탈의 상관관계 분석", 한국게임학회 논문지, 18(5), pp.47~58 (2018), 한국게임학회
- Castronova, Edward, "Effects of botting on world of warcraft, 13" (2007), Indiana University
- 이은조, "자기 유사도를 이용한 MMORPG 게임봇 탐지 시스템", 정보보호학회논문지, 26(1), pp.93~107 (2016), 한국정보보호학회[DOI]
- "CAPTCHA"[URL]
- Gianvecchio, Steven, "Battle of botcraft:fighting bots in online games with human observational proofs", Proceedings of the 16th ACM conference on Computer and communications security (2009)
- 강성욱, "캐릭터 이름을 이용한 MMORPG 봇탐지 기법", 정보보호학회지, 27(4), pp.6~13 (2017)
- Thawonmas, Ruck, "Detection of MMORPG bots based on behavior analysis", Proceedings of the 2008 International Conference on Advances in Computer Entertainment Technology (2008)
- Oh, Jehwan, "Bot detection based on social interactions in MMORPGs", 2013International Conference on Social Computing. IEEE (2013)
- 권현, "딥뉴럴네트워크 기반의 네트워크 침입탐지시스템 설계", 한국차세대컴퓨팅학회 논문지, 16(1), pp.7~18 (2020), 한국차세대컴퓨팅학회[DOI]
- 튜 유 민 울라, "Violence Recognition using Deep CNN for Smart Surveillance Applications", 한국차세대컴퓨팅학회 논문지, 14(5), pp.53~59 (2018), 한국차세대컴퓨팅학회
- 박현철, "CNN에 기반한 실제 환경에서의 색상 및 문자 인식", 한국차세대컴퓨팅학회 논문지, 12(6), pp.104~115 (2016), 한국차세대컴퓨팅학회
- 임영훈, "개인별 작업 로그 빅데이터 기반 실시간 업무성과 모니터링", 한국차세대컴퓨팅학회 논문지, 13(3), pp.42~51 (2017), 한국차세대컴퓨팅학회
- 이상헌, "다차원 신경망 및 의사결정 신경망의 딥러닝 학습을 통한영상인식", 한국지능시스템학회 논문지, 28(1), pp.34~40 (2018), 한국지능시스템학회
- R. R. Selvaraju, "Grad-cam : Visual explanations from deep networks via gradient-based localization", Proceedings of the IEEE International Conference on Computer Vision, pp.618~626 (2017)
- M. T. Ribeiro, "Why should i trust you?: Explaining the predictions of any classifier", Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining, pp.1135~1144 (2016)
- B. Zhou, "Learning Deep Features for Discriminative Localization", arXiv preprint arXiv:1901.07683, ~ (2019)
- Bernardi, Mario Luca, "A time series classification approach to game bot detection", Proceedings of the 7th International Conference on Web Intelligence, Mining and Semantics (2017)
- "Game bot detection using user behavioral characteristics"[URL]
- X. Glorot, "Deep sparse rectifier neural networks", Proceedings of the fourteenth international conference on artificial intelligence and statistics (2011)
- T. Tieleman, "Lecture 6.5-rmsprop: Divide the gradient by a running average of its recent magnitude", COURSERA:Neural networks for machine learning, 4(2), pp.26~31 (2012)
- N. Srivastava, "Dropout: a simple way to prevent neural networks from overfitting", The journal of machine learning research, 15(1), pp.1929~1958 (2014)
- Y. LeCun, "Deep learning", nature, 521, pp.530~531 (2015)
- H. Sak, "Long short-term memory recurrent neural network architectures for large scale acoustic modeling", Proceedings Annual Conference International Speech Communication Association (2014)