隨著網路發展，多人線上（multiplayer online, MMO）遊戲早已成為許多人每日必備的休閒娛樂，然而，有心人士仍可透過設備的漏洞強行開掛，在遊戲裡佔盡優勢，最終剝奪玩家的遊戲體驗。因此，若遊戲公司再不處理這個問題，就可能流失大量玩家，更可能影響到整個電競產業。
德州大學達拉斯分校（University of Texas at Dallas, UT Dallas）計算科學學系研究團隊，日前利用人工智慧（artificial intelligence, AI）開發一款偵測遊戲作弊的工具，能快速識別作弊玩家在遊戲流量（traffic）傳送過程中的特徵，進而對該玩家發出警告。研究發表於《IEEE 可靠和安全計算交易》（IEEE Transactions on Dependable and Secure Computing）期刊。
此次研究以《絕對武力 Online》（Counter Strike Online, CSO）這款射擊遊戲進行實驗，過程中，玩家需與他人合作，透過其所賺取的遊戲幣購買武器，藉以消滅恐怖份子並救出人質。首先，團隊建立研究專用的伺服器，並召募 20 名學生玩家以作弊軟體參與遊戲，這些軟體包括可自動瞄準敵人的 Aimbot、提升移動速度的 Speed Hack，以及能透視戰場環境的 Wallhack。當玩家進行遊戲時，往返伺服器的數據與流量根據內容而有所不同，因此，研究人員便可從數據的大小、數量、傳輸時間、方向以及其他突發狀況，分析出可辨識的作弊特徵。
得到可供參考的特徵後，研究人員調整統計模型以對更大的群體進行測試，並用這些資料訓練機器學習模型，進而標記出遊戲過程中的異常流量。此外，研究團隊以圖形處理器（GPU）為基礎開發新的學習方法，以減少中央處理器（CPU）的負荷並克服標記數據的限制，加快分析的速度。
在過去的研究裡，遊戲作弊的偵測並不容易，因為那些從玩家電腦傳到伺服器的流量，無論異常與否，都會經過加密（encrypt）；換句話說，以前若要分析這些數據，就必須對遊戲記錄檔（game logs）進行解密。如今，透過這個新工具，遊戲公司便可實時分析往返伺服器的加密數據，並及時對作弊玩家發出警告。
除此之外，UT Dallas 的計算科學教授翰恩（Latifur Khan）也在該大學的報導中表示，未來將建立一個不需往返客戶端與伺服器的偵測方法，讓這個工具的機制可以更安全。
參考資料
- Kim Horner, Computer Scientists Launch Counteroffensive Against Video Game Cheaters, University of Texas at Dallas, 2020.
- Md Shihabul Islam et al., GCI: A GPU Based Transfer Learning Approach for Detecting Cheats of Computer Game, IEEE Transactions on Dependable and Secure Computing, 2020.
shrpengchuang
