$\require{mediawiki-texvc}$
  • 검색어에 아래의 연산자를 사용하시면 더 정확한 검색결과를 얻을 수 있습니다.
  • 검색연산자
검색연산자 기능 검색시 예
() 우선순위가 가장 높은 연산자 예1) (나노 (기계 | machine))
공백 두 개의 검색어(식)을 모두 포함하고 있는 문서 검색 예1) (나노 기계)
예2) 나노 장영실
| 두 개의 검색어(식) 중 하나 이상 포함하고 있는 문서 검색 예1) (줄기세포 | 면역)
예2) 줄기세포 | 장영실
! NOT 이후에 있는 검색어가 포함된 문서는 제외 예1) (황금 !백금)
예2) !image
* 검색어의 *란에 0개 이상의 임의의 문자가 포함된 문서 검색 예) semi*
"" 따옴표 내의 구문과 완전히 일치하는 문서만 검색 예) "Transform and Quantization"
쳇봇 이모티콘
안녕하세요!
ScienceON 챗봇입니다.
궁금한 것은 저에게 물어봐주세요.

논문 상세정보

자산변동 좌표 클러스터링 기반 게임봇 탐지

Game-bot detection based on Clustering of asset-varied location coordinates

초록

본 논문에서는 MMORPG에서 각 캐릭터의 소지금 증가/감소 이벤트 로그 데이터를 위주로 플레이어의 액션 로그 데이터를 조사하여 게임봇을 탐지하는 기계 학습 기반의 새로운 접근 방법을 제안한다. 게임봇 계정과 일반 계정을 구분하는 주요 피쳐를 추출하기 위해 밀도 기반 군집화 알고리즘의 하나인 DBSCAN (Density Based Spatial Clustering of Application with Noise)를 이용하였다. DBSCAN 알고리즘을 통해 각 플레이어의 소지금 증가/감소 위치 좌표를 클러스터링하고, 그 결과 생성된 클러스터의 수, 코어 포인트의 비율, 멤버 포인트의 비율, 노이즈 포인트의 비율과 같은 공간적 특성을 나타내는 값들을 추출하였다. 해당 피쳐들을 사용하면 게임봇 개발자들이 게임봇 탐지 시스템의 원리를 알더라도 넓은 지역을 돌아다니며 사냥을 하도록 게임봇 프로그램을 제작하는 것은 매우 비효율적이기 때문에 탐지 시스템을 우회하기 어렵게 된다. 결과적으로, 게임봇은 소지금 변동 좌표 데이터로부터 추출한 공간적 특성에서 일반유저와 명확한 차이를 보였다. 예를 들면, DBSCAN 클러스터링 결과 중 노이즈 포인트의 비율에서 게임봇은 5% 이하의 낮은 값을 가지는 반면에 일반 유저들은 대부분 높은 값을 갖는다. 실제 MMORPG의 액션 로그 데이터를 이용한 게임봇 탐지에서, 본 논문에서 제안된 시스템은 높은 탐지율의 우수한 성능을 보였다.

Abstract

In this paper, we proposed a new approach of machine learning based method for detecting game-bots from normal players in MMORPG by inspecting the player's action log data especially in-game money increasing/decreasing event log data. DBSCAN (Density Based Spatial Clustering of Applications with Noise), an one of density based clustering algorithms, is used to extract the attributes of spatial characteristics of each players such as a number of clusters, a ratio of core points, member points and noise points. Most of all, even game-bot developers know principles of this detection system, they cannot avoid the system because moving a wide area to hunt the monster is very inefficient and unproductive. As the result, game-bots show definite differences from normal players in spatial characteristics such as very low ratio, less than 5%, of noise points while normal player's ratio of noise points is high. In experiments on real action log data of MMORPG, our game-bot detection system shows a good performance with high game-bot detection accuracy.

질의응답 

키워드에 따른 질의응답 제공
핵심어 질문 논문에서 추출한 답변
MMORPG
MMORPG란 무엇인가?
많은 수의 플레이어가 하나의 가상 세계에 동시 접속하여 서로 상호작용하며 자신의 캐릭터를 육성해 나가는 장르의 게임

MMORPG란 많은 수의 플레이어가 하나의 가상 세계에 동시 접속하여 서로 상호작용하며 자신의 캐릭터를 육성해 나가는 장르의 게임이다. MMORPG 에서는 플레이어의 전투나 아이템 획득과 같이 게임 내에서 발생하는 모든 이벤트들을 서버에서 관리하기 때문에 게임 서버에는 게임 내에서 발생한 많은 종류의 이벤트를 기록한 로그들이 저장된다.

MMORPG
MMORPG의 게임세계에는 무엇들이 존재하는가?
사용자가 직접 조작하며 움직이는 캐릭터인 PC (Player Character), 인공지능에 따라 행동하며 게임 진행을 도와주는 캐릭터인 NPC (Non-Player Character) 그리고 NPC 중에서 PC와 전투를 벌이고, 게임머니와 아이템을 제공하는 몬스터가 존재한다.

MMORPG의 게임 세계에는 사용자가 직접 조작하며 움직이는 캐릭터인 PC (Player Character), 인공지능에 따라 행동하며 게임 진행을 도와주는 캐릭터인 NPC (Non-Player Character) 그리고 NPC 중에서 PC와 전투를 벌이고, 게임머니와 아이템을 제공하는 몬스터가 존재한다. MMORPG는 PC, NPC 그리고 몬스터가 상호작용하며 세계를 형성하고 게임이 진행된다.

DBSCAN
DBSCAN의 특징은 무엇인가?
기준 점으로부터 거리 eps안에 minPts개 이상의 이웃이 존재하면 군집이 형성되고, minPts개 미만이면 노이즈로 남는다.

밀도 기반 군집화 알고리즘인 DBSCAN은 1996년 Ester의 논문[1]에서 처음 제안되었으며, 두 점 사이의 거리 ε (eps)와 군집을 형성하기 위한 최소 점의 개수 (minPts) 2개의 파라미터를 갖는다. 기준 점으로부터 거리 eps안에 minPts개 이상의 이웃이 존재하면 군집이 형성되고, minPts개 미만이면 노이즈로 남는다.

질의응답 정보가 도움이 되었나요?

저자의 다른 논문

참고문헌 (23)

  1. 1. M. Ester, H.P. Kriegel, J. Sander and X. Xu, "A density-based algorithm for discovering clusters in large spatial databases with noise," Kdd, vol. 96, no. 34, pp. 226-331, Aug. 1996. 
  2. 2. H.P. Kriegel, P. Kroger and J. Sander, "Density-based clustering," Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, vol. 1, no. 3, pp. 231-240, Apr. 2011 
  3. 3. M. Nishino, Y. Nakamura, T. Yagi and S. Muto, "A location predictor based on dependencies between multiple lifelog data," Proceedings of the 2nd ACM SIGSPATIAL International Workshop on Location Based Social Networks, ACM, pp. 11-17, Nov. 2010. 
  4. 4. A. Sridharan and J. Bolot, "Location patterns of mobile users: A large-scale study," in Proc. IEEE INFOCOM13, pp. 1007-1015, Apr. 2013. 
  5. 5. T. T. Bilgin and A. Y. Camurcu. "A data mining application on air temperature database," Advances in Information Systems. Springer Berlin Heidelberg, pp. 68-76, Oct. 2005. 
  6. 6. W. He and Z. Liu, "Motion pattern analysis in crowded scenes by using density based clustering," Fuzzy Systems and Knowledge Discovery (FSKD), 9th International Conference on Fuzzy Systems and Knowledge Discovery (FSKD 2012), pp. 1855-1858, May. 2012. 
  7. 7. M. Celik, F. Dadaser-Celik, and A. S. Dokuz. "Anomaly detection in temperature data using dbscan algorithm," Innovations in Intelligent Systems and Applications (INISTA), 2011 International Symposium on. IEEE, pp. 91-95, June. 2011. 
  8. 8. T. M. Thang and J. Kim. "The anomaly detection by using dbscan clustering with multiple parameters," Information Science and Applications (ICISA), 2011 International Conference on. IEEE, pp. 1-5, Apr. 2011. 
  9. 9. R. Thawonmas, Y. Kashifuji, and K.T. Chen, "Detection of MMORPG bots based on behavior analysis," International Conference on Advances in Computer Entertainment Technology, pp. 91-94, Dec. 2008 
  10. 10. K.T. Chen and L.W. Hong, "User Identification based on Game-Play Activity Patterns," ACM SIGCOMM workshop on Network and system support for games, pp. 7-12, Set. 2007 
  11. 11. M. van Kesteren, J. Langevoort, and F. Grootjen, "A step in the right direction: Botdetection in MMORPGs using movement analysis," Proc. of the 21st Belgian-Dutch Conference on Artificial Intelligence (BNAIC 2009), pp. 129-136, Oct. 2009. 
  12. 12. S. Mitterhofer, C. Platzer, C. Kruegel and E. Kirda, "Server-side bot detection in massive multiplayer online games," IEEE Security and Privacy, pp.29-36, 2009 
  13. 13. H.K. Pao, K.T. Chen, and H.C. Chang. "Game bot detection via avatar trajectory analysis," Computational Intelligence and AI in Games, IEEE Transactions on, vol. 2 no. 3, pp. 162-175, Sep. 2010 
  14. 14. K.T. Chen, H.K. Pao, and H.C. Chang. "Game bot identification based on manifold learning," Proceedings of the 7th ACM SIGCOMM Workshop on Network and System Support for Games, ACM, pp. 21-26, Oct. 2008. 
  15. 15. B. Keegan, M.A. Ahmed and D. Williams, "Sic Transit Gloria Mundi Virtuali? Promise and Peril in the Computational Social Science of Clandestine Organizing," WebSci Conference, pp. 1-8, June. 2011 
  16. 16. K. Woo, H. Kwon, H.C. Kim, C.K. Kim and H.K. Kim, "What can free money tell us on the virtual black market," ACM SIGCOMM, vol. 41, no. 5, pp. 392-393, Aug. 2011 
  17. 17. A.R. Kang, H.K. Kim and J. Woo, "Chatting pattern based game BOT detection: do they talk like us?," KSII Transactions on Internet and Information Systems, vol. 6 no. 11, pp. 2866-2879, Jun. 2013. 
  18. 18. A.R. Kang, J. Woo, J. Park and H.K. Kim, "Online game bot detection based on party-play log analysis," Computers & Mathematics with Applications, vol. 65, no. 9, pp.1384-1395, May. 2013. 
  19. 19. J. Lee, J. Lim, W. Cho and H.K. Kim, "In-Game Action Sequence Analysis for Game BOT Detection on the Big Data Analysis Platform," 18th Asia Pacific Symposium on Intelligent and Evolutionary Systems, pp. 403-414, Jan. 2015. 
  20. 20. H.M. Kwon and H.K. Kim, "Self-similarity based Bot Detection System in MMORPG," Proceedings of the 3th International Conference on Internet. pp. 477-481, May, 2011. 
  21. 21. D.N. Seo and H.K. Kim, "Detecting Gold-farmers' Groups in MMORPG by connection information," Proceedings of the 3th International Conference on Internet 2011, pp. 583-588, Dec. 2011. 
  22. 22. J.Y. Woo, A.R. Kang, and H.K. Kim, "The contagion of malicious behaviors in online games," ACM SIGCOMM Computer Communication Review, vol. 43, no. 4, pp. 543-544. Aug. 2013 
  23. 23. J.Y. Woo, A.R. Kang, and H.K. Kim, "Modeling of bot usage diffusion across social networks in MMORPGs," Proceedings of the Workshop at SIGGRAPH Asia. ACM, pp. 13-18, Nov. 2012. 

문의하기 

궁금한 사항이나 기타 의견이 있으시면 남겨주세요.

Q&A 등록

원문보기

원문 PDF 다운로드

  • ScienceON :
  • KCI :

원문 URL 링크

원문 PDF 파일 및 링크정보가 존재하지 않을 경우 KISTI DDS 시스템에서 제공하는 원문복사서비스를 사용할 수 있습니다. (원문복사서비스 안내 바로 가기)

이 논문과 연관된 기능

DOI 인용 스타일

"" 핵심어 질의응답