게임플레이 주기성 탐지를 위한 클러스터링 기반 게임봇 판별
초록/요약
온라인 게임에서의 게임봇은 게임 내에서 발생할 수 있는 단순 반복 작업을 기계적으로 수행하며 이를 통해 게임 내 화폐 등을 비정상적으로 수집한다. 게임봇은 인게임 경제 순환을 방해하며, 빠른 콘텐츠 고갈, 이를 바라보는 일반 사용자들의 게임 이용 흥미 저조 등의 문제로 발전할 수 있다. 이러한 현상이 발생하는 것을 막기 위해서는 게임사 측에서 게임봇을 탐지하고 제재를 가하는 것이 불가피하다. 제재를 위해서는 일반 사용자와 구분하여 게임봇을 분리해내야 하며, 게임 이용 중 발생하는 로그를 그 근거로 사용한다. 본 연구에서는 게임봇 탐지를 위한 로그 분석 방법을 새롭게 제안한다. 특정 기간에 게임봇으로 사용되었는지를 판단하여, 그 수준이 임계값을 넘어가면 게임봇으로 판단한다. 특정 기간에 발생한 로그를 게임봇과의 유사성을 찾기 위해 클러스터링을 사용하며, 게임봇이 많이 포함된 그룹이면 해당 기간에 게임봇을 사용하였다고 판단할 수 있다. 본 논문에서 제안하는 방법을 사용하여 분류 정확도가 상승한 것을 확인하였다.
more초록/요약
Game bots in online games mechanically perform simple repetitive tasks that occurs to collect in-game currency abnormally. Game bots disrupt the in-game economic cycle and can lead to problems such as fast content depletion and decrease interest in games among general users. To prevent these effects, it is inevitable for game companies to detect and impose sanctions on game bots. For sanctions, game bots must be classifies from general users, and logs generated from game server makes help to determine them. In this study, we propose a new log analysis method for game bot detection. It is determined whether it was used as a game bot during a specific period, and if the level exceeds the threshold, it is classified to be a game bot. Clustering method is used to find similarities with game bots in server logs that occurred during a specific period, and if a group contains many game bots, it can be determined that game bots were occupied in that clusters. It was confirmed that classification accuracy increased using the method proposed in this paper.
more목차
1. 서론 1
2. 본론 4
2.1 관련 선행연구 4
클러스터링 방식을 활용한 선행연구 4
기타 방식을 활용한 선행연구 6
분류 및 탐지를 위한 학습 기법 7
2.2 게임봇 탐지 기법 9
데이터셋 소개 9
제안 방법론 프레임워크 11
특징값 카운트 및 표준화(Standardization) 14
게임봇 데이터 중심 클러스터링 15
동일 클러스터 그룹에 대한 머신러닝 진행 16
유저 유형 분류 17
2.3 실험 결과 19
실행 환경 19
실행 결과 측정 방식 20
실험 결과 및 시사점 22
3. 결론 25
참고문헌 26
