온라인 게임 로그 데이터 클러스터링 기반 일일 단위 게임봇 판별
Detecting Daily-Driven Game-Bot Based on Online Game Play Log Clustering
1
조회
0
다운로드
0
인용
0
참고문헌
키워드
초록
온라인 게임 봇은 이미 수 많은 방식을 통해 사람들에게 알려져 왔으며, 사용자의 게임 흥미 저하, 게임 내 경제 순환 파괴, 게임 컨텐츠 및 수명 단축 등 많은 문제점을 야기한다. 정상적이지 않은 게임 봇 운영을 방치하는 것은 장기적으로 게임 제작사와 게임 플레이어에게 모두 악영향을 미치게 되므로 이에 대한 탐지 및 제재는 필수가 되었다. 하지만 제재 단계에서 생기는 오인 제재의 딜레마를 피하기 쉽지 않다. 게임사 측에서 유저를 제재하기 위해서는 객관적인 분석 지표인 로그를 가지고 제재 여부를 판단해야 하며, 로그에서 추출한 정보를 근거로 확보해야 한다. 본 연구에서는 탐지 대상 기간의 로그에 대하여 이를 일일 단위로 나누어서 게임봇 유저 판별을 수행할 것이다. 일일 단위 탐지를 위해 탐지 기간을 하루 단위로 나누어 해당 일자에 대한 게임봇 여부를 우선 판별하고, 이후 최종 결과를 판단하였다. 제안한 방법론을 통해 일반 유저 스타일과 게임봇 유저 스타일이 섞여 있는 경우를 쉽게 탐지해 낼 수 있을 것이다. 본 논문에서 제안한 방법론으로 테스트한 결과, 분류 정확도를 확인할 수 있는 지표 중 하나인 F1-score가 0.898에서 0.945로 향상되었다.
Abstract
Online game-bots are already known for a lot of persons by various ways. It leads to problems such as declining game player’s interest, in-game financial crisis, etc. Detecting and restricting of game-bot is now essential. Because both publishers and players get disadvantages from their long term abnormal working. But it is not easy to restrict, because of false restriction risks. Game publishers need to distinguish game-bot from server-side game logs. At last, it should can make reasons for game-bot restriction. In this paper, we classified game-bot users by using daily separated game logs for testing data. For daily-driven detection, we separated total dataset into one day logs. Preliminary detects game-bots with one day logs, and determines total results by using these data. Daily driven detection advantages on detection which contains combined game playing style. Which shows like normal user and game-bot. These methodology shows better F1-score, which one of indicator which demonstrate classification accuracy. It increases from 0.898 to 0.945 by using Random Forest classifier.
참고문헌 (12)
- 이진, "캐릭터 성장 유형 분류를 통한온라인 게임 하드코어 유저와 게임 봇 탐지 연구", 정보보호학회논문지, 25(5), pp.1077~1084 (2015), 한국정보보호학회[DOI]
- 정연오, "Game Bot Detection Approach Based on Behavior Analysis and Consideration of Various Play Styles", ETRI Journal, 35(6), pp.1058~1067 (2013), 한국전자통신연구원
- 강아름, "온라인 게임 봇 탐지를 위한 사용자 행위 분석", 정보보호학회논문지, 22(2), pp.225~238 (2012), 한국정보보호학회
- R.V. Yampolskiy, "Embedded noninteractive continuous bot detection", Computers in Entertainment, 5(4), pp.1~11 (2008)
- K.T. Chen, "Game bot detection based on avatar trajectory", Entertainment Computing ICEC, LNCS, 5309, pp.94~105 (2008)
- S. Mitterhofer, "Server-side bot detection in massive multiplayer online games", IEEE Security and Privacy, 7(3), pp.29~36 (2009)
- 강아름, "Chatting Pattern Based Game BOT Detection: Do They Talk Like Us?", KSII Transactions on Internet and Information Systems, 6(11), pp.2866~2879 (2012), 한국인터넷정보학회
- K. Woo, "What can free money tell us on the virtual black market?", ACM SIGCOMM, 41(4), pp.392~393 (2011)
- E. Lee, "No silk road for online gamers!using social network analysis to unveil black markets in online games", Proceedings of the 2018World Wide Web Conference, pp.1825~1834 (2018)
- H. Kwon, "Surgical strike : a novel approach to minimize collateral damage to game bot detection", Annual Workshop on Network and Systems Support for Games, pp.1~2 (2013)
- E. Lee, "You are a game bot!:uncovering game bots in MMORPGs via self-similarity in the wild", Proc. NDSS Internet Society, pp.1~15 (2017)
- A. R. Kang, "Multimodal game bot detection using user behavioral characteristics", SpringerPlus, 5(1), pp.523~ (2016)