[게임산업부] 안티치트 기술의 혁신: FPS 치트의 위협에 효과적으로 대처하는 방법

FPS 게임 치트 현황 및 확산 이유

온라인 멀티플레이어 FPS 게임은 실시간 요구 사항이 가장 높은 게임 장르 중 하나입니다. 이런 종류의 게임에서는 플레이어의 순간적인 판단과 반응 능력이 결과를 직접적으로 결정합니다. 그러나 네트워크 지연 및 실시간 로딩 문제로 인해 종종 게임이 정지되어 플레이어의 게임 경험에 큰 영향을 미칠 수 있습니다. 이 문제를 해결하기 위해 FPS 게임은 보통 프리로딩 기술을 사용합니다 . 프리로딩 기술은 적이 플레이어에게 가까이 있을 때 적의 데이터를 서버에서 로컬로 다운로드하여 게임 메모리에 로드하는 것을 의미합니다. 이러한 방식으로 플레이어와 적이 실제로 만났을 때 게임 클라이언트는 많은 작업을 수행할 필요가 없으므로 실시간 로딩이 네트워크 또는 장치 성능에 영향을 받아 정지되는 것을 방지할 수 있습니다.

플러그인 제작자는 FPS 게임의 리소스가 클라이언트 측에 로컬로 미리 로드되어 있다는 점을 이용하여 게임 데이터를 수정하거나 자체 조준 및 원근법과 같은 외부 프로그램을 주입하여 사용자가 쉽게 상대를 죽이고 부당한 이익을 얻음 경쟁 우위. 이러한 플러그인 기능은 빠르고 정확한 조준 기능을 제공하여 사용자가 게임에서 살인의 스릴을 즐길 수 있도록 합니다. 부정 행위의 높은 수입은 부정 행위를 사용하도록 많은 플레이어를 끌어들이는 이유 중 하나입니다.

플러그인 제작자는 부정 행위 방지 시스템에 의해 감지되는 것을 피하기 위해 몇 가지 은밀한 플러그인 침입 방법을 사용합니다. 예를 들어 가상 머신, 메모리 주입, HOOK 및 기타 기술을 사용하여 부정 행위를 감지하기 어렵습니다. 이것이 FPS 게임 부정 행위가 반복적으로 금지된 근본적인 이유 중 하나입니다.

"치트 제작자 -> 치트 판매 대행사 -> 네트워크 채널 -> 치트 사용자"의 체인 확산 및 사용 용이성도 FPS 게임 치트 확산의 중요한 이유입니다. 에뮬레이터에서 모바일 게임을 실행하면서 플러그인을 사용할 수 있고, 플러그인 기능이 있는 크랙 게임도 유포할 수 있어 플러그인의 사용자와 범위가 넓어진다.

 

 

 

NetEase Yidun이 공개한 콘텐츠에 따르면 FPS 슈팅 게임에서 가장 많이 사용되는 치트 유형은 투시 치트가 58.33%를 차지하며, 자기 조준은 8.33%에 불과하지만 게임 경험에 가장 큰 영향을 미치는 치트입니다.

관점

낮은 지연 효과를 보장하기 위해 FPS 게임은 플레이어 클라이언트의 메모리에 많은 리소스를 미리 로드하므로 치트 제작자가 메모리에서 다양한 리소스의 정보를 가져와 시각적으로 렌더링할 수 있습니다. 관점 치트.원칙. 다양한 투시도형에 따라 박스&블러드바형, 패널형, 자기조준원형, 광선형, 뼈형, 염색형 등으로 나눌 수 있다. 다른 유형의 FPS 치트에 비해 시스루 치트는 탐지하기가 더 어렵고 사용자가 의도적으로 위장하는 한 수동 검토조차 찾기 어렵습니다.

 

자기 조준

아래 그림과 같이 FPS 게임에서 가장 일반적인 셀프 조준 플러그인 유형은 시뮬레이션된 마우스 동작으로 81.83%를 차지합니다. 플러그인은 적의 좌표를 획득한 후 게임 프로그램이 실행된 직후 모델 마우스 신호를 보내 십자선을 목표 위치로 이동시키는 것으로 드라이버 수준에서 이러한 플러그인을 감지하기 어렵다. 그러나 일반 플레이어와 자기 조준 플레이어의 행동 사이에 큰 차이가 있을 것이라는 데는 의심의 여지가 없습니다. 즉, 행동 데이터 수준이 부정 행위 문제를 해결하는 열쇠입니다.

이 문서에서는 원근 및 자체 조준 플러그인 감지에 중점을 둘 것입니다. 이러한 종류의 플러그인은 은폐율이 높고 탐지가 어렵고 실제 증거가 부족하여 업계에서 큰 문제가 되었습니다. 우리는 플레이어 행동 데이터의 관점에서 직접 시작하여 관점의 본질과 자기 조준 부정 행위를 감지하기 위해 깊이 들어갑니다.

기존 솔루션 및 제한 사항

부정 행위를 감지하는 현재 주류 방법에는 서명 감지, 기능 감지, 메모리 스캐닝 등이 있습니다. 보고, 감사 및 확인은 주로 수동으로 수행됩니다.

• 시그너처 탐지는 알려진 익스플로잇을 신속하게 식별할 수 있지만 새롭거나 수정된 ​​익스플로잇을 효과적으로 처리할 수는 없습니다.

• 특징 탐지는 게임 행위 및 동작을 모니터링하여 비정상적인 패턴을 식별할 수 있지만, 게임의 다양성과 플레이어 행동의 복잡성으로 인해 임계값과 같은 단일 값에 의존하여 오탐 및 누락을 생성하기 쉽습니다.

• 메모리 스캐닝은 치트 코드 또는 메모리의 데이터 구조를 감지하여 치트를 감지할 수 있지만 치트 작성자는 암호화 알고리즘 사용 및 메모리 주소 무작위화와 같은 이 방법을 피하기 위해 몇 가지 대책을 취할 수 있습니다. 따라서 메모리 스캐닝은 부정 행위를 탐지하는 완전히 신뢰할 수 있는 방법이 아니며 탐지의 정확성과 신뢰성을 향상시키기 위해 다른 탐지 방법과 결합해야 합니다.

수동 신고 검토를 통해 적시에 부정 행위를 감지할 수 있지만 신고자의 주관성과 게임 플레이의 복잡성으로 인해 오탐 및 악의적인 신고가 있을 수 있습니다.

기존 솔루션의 장점은 효과가 분명하다는 점이지만 단점은 저항의 정도가 높고 시차가 심해 끝없는 대결에 빠져 많은 인력과 물적 자원을 소모하고 결국 실패한다는 점이다. 따라서 게임 개발자는 특정 상황에 따라 적절한 탐지 방법을 선택하고 치트 방지 시스템의 기능을 지속적으로 개선하며 보다 효율적이고 정확한 탐지 방법을 개발하여 공정성과 균형을 보장해야 합니다. 게임의.

Netease Smart Enterprise Game AI 부정 행위 방지 솔루션

게임에 널리 존재하는 리플레이 로그 데이터를 활용하여 플레이어 권한 성능을 재구성할 것을 제안합니다. 재생 로그 데이터에서 플레이어의 시계열 행동 데이터를 구축하고, 시계열 행동 데이터를 기반으로 각각 원근감지 및 자기조준 플러그인 감지 시스템을 구축하였으며, 이 방법 및 시스템은 다양한 온라인에서 널리 사용될 수 있습니다. 게임플랫폼 의 공정성과 고객만족도를 높이기 위한 게임플랫폼

플레이어 타이밍 동작 데이터에는 각 순간의 위치 좌표, 카메라/총구 방향, 무기 유형, 살상 여부, 타격 여부 등이 포함됩니다. 이를 기반으로 각 순간의 십자선 움직임을 구성하기 위한 2차 설계 및 처리를 수행합니다. 속도 , 가속도, 타겟의 상대 이동 궤적, 상대 편향 각도, 타겟이 시야 내에 있는지 여부 등을 파악한 후 한 단계 위로 올라가며 "발사, 히트, 킬, 라운드, 게임"을 기반으로 점진적으로 구조를 구축합니다. , 플레이어 히스토리 게임" 다단계 차원의 특징.

See-through와 self-aiming은 FPS 게임에서 치팅 문제의 다른 유형으로, 동일한 시계열 행동 데이터에서 여러 특징을 추출했는데, 그 중 일부 특징은 매우 명백하고 표현력이 풍부하여 일반 플레이어와 큰 차이를 보입니다. 그리고 속이는 선수들 . 사전 훈련을 위해 여러 기능의 시퀀스를 모델에 공급한 다음 표현을 얻은 후 분류 지도 학습을 수행하고 최종적으로 플레이어가 부정 행위를 하는지 예측합니다. 이 솔루션은 자체 감독 시계열 모델을 사용하여 플레이어 행동 데이터를 모델링하며 프로세스는 세 단계로 나뉩니다.

• 1단계에서는 과거 플레이어 게임 데이터를 비교하여 샘플을 구성하고 위의 정보를 학습용 모델에 입력하여 게임 플레이어의 행동 패턴과 데이터 특성을 자율적으로 학습할 수 있습니다.

• 두 번째 단계에서는 데이터의 잠재된 표현을 더 잘 학습하기 위해 소량의 레이블이 지정된 과거 플레이어 데이터가 지도 학습에 사용됩니다.

• 세 번째 단계에서 모델은 각 게임에 대한 게임 플레이어의 행동 데이터를 처리하여 투명 또는 자체 조준 플러그인 행동이 있는지 감지합니다.

시계열 행동 데이터를 기반으로 한 관점 플러그인 감지 체계

치팅 플레이어는 투시 플러그인을 이용하여 일반 플레이어가 갖지 못한 시야 및 전반적인 매크로 정보의 장점을 획득하기 때문에 시야 정보를 알 수 없을 때 이동 및 이동이 가능한 등 일반 플레이어와 행동이 다릅니다. . 조준, 총을 마주했을 때 이점을 얻도록 목표물이 덮개 뒤에 노출되면 정상 수준 이상의 조준 및 살상 성능이 발생합니다. 데이터에는 식별할 수 있는 많은 특징적인 차원이 있습니다. 이 기사에서는 표시할 두 가지 가장 분명한 차원을 선택합니다. 결정적인 순간에 대상의 상대적인 편향 각도의 변화와 다중 사살/다중 라운드와 결합된 조준 및 살상 성능입니다.

1. 결정적 순간에 표적의 상대적 편향각의 변화

치팅 플레이어가 원근법을 사용한 후 일반적으로 의식적 또는 무의식적인 "사전 조준" 현상이 많이 발생하여 대상의 상대 편향 각도의 변경 곡선이 일반 플레이어와 다릅니다.

 

목표물이 죽이기 전에 벽 뒤에서 움직이는 것과 같은 결정적인 순간에 관점 치팅 플레이어의 상대 편향 각도는 일반적으로 일반 플레이어보다 낮고 변화가 비교적 안정적임을 알 수 있습니다.

2. 다중 킬과 여러 라운드의 타겟 킬 성능 결합

치트 플레이어는 목표물이 "시각적 노출"로 막힐 때 매우 짧은 시간에 조준 및 사살을 완료할 수 있으며, 이는 일반 플레이어의 정상적인 반응 시간과 큰 차이를 나타냅니다. 특히 라운드 성능의 경우.

 

위의 그림에서 볼 수 있듯이 부정 행위 플레이어는 때때로 "플레이"하지만 일반 플레이어는 때때로 "초자연적"인 성능을 나타내지 만 한 라운드에서 여러 킬을 확대하고 다중 라운드, 다중 라운드 표적 킬 성능을 확대하면 원근법 치팅 플레이어의 평균 반응 시간(타격 시간 차이)은 일반 플레이어보다 낮고 안정적이며, 평균 사살률(총 KD)은 일반 플레이어보다 높습니다.

시계열 행동 데이터에 기반한 자가 조준 플러그인 감지 방식

우리의 분석에 따르면 자기 조준 플러그인을 사용하는 치팅 플레이어는 십자선 이동 속도, 가속도, 십자선 배치와 같은 다차원적 특성에서 일반 플레이어와 크게 다릅니다. 이는 자가 조준 플러그인이 적을 빠르게 잠글 수 있어 플레이어의 조준이 더 정확하고 빨라지는 반면 일반 플레이어는 조준하는 데 더 많은 시간과 에너지를 소비해야 하기 때문입니다. 구체적으로, 자가 조준 플러그인 사용자의 전방 시야의 속도와 가속도가 더 빨라지고 전방 시야의 착지 지점이 적의 구체에 더 집중됩니다. 이러한 특성의 상당한 차이는 자기 조준 치트 사용자와 일반 플레이어의 성능으로 이어집니다.

1. 십자선 이동 속도 및 가속도

아래 그림에서 파란색 곡선은 십자선의 이동 속도, 빨간색 곡선은 그 가속도 빨간색 좌표점은 플레이어가 총을 쏘는 순간 자동 조준 프로그램은 보통 이동 속도와 가속도를 목표 위치를 파악하고 십자선의 이동 속도와 가속도를 자동으로 조정하기 때문에 십자선의 움직임이 매우 부드럽습니다. 왼쪽 사진은 자기 조준 선수, 오른쪽 사진은 일반 선수인데 반해 일반 선수의 조준선의 이동 속도와 가속도는 더 혼란스럽고 불규칙할 수 있습니다. 우리는 자동 조준 플레이어가 사격 후 속도와 가속도의 작은 변화를 여전히 유지할 수 있음을 볼 수 있습니다(실키 건 효과).

 

2. 적 구체에 십자선이 떨어지는 지점

자체 조준은 플레이어의 특정 부분의 좌표를 미리 얻은 다음 마우스 신호를 시뮬레이션하여 신호를 보내기 때문에 다음은 적 영역의 십자선 드롭 포인트 맵이며 왼쪽 그림은 자신입니다. - 조준 플레이어, 오른쪽 사진은 일반 플레이어로 십자선을 볼 수 있습니다. 적군이 위치한 구에 낙하 시, 자체 조준 플레이어의 십자선 궤적이 더 부드러워지며, 큰 스케일이 발생하지 않습니다. 일반 플레이어처럼 십자선의 각도 변화.

 

타이밍 모델 네트워크 아키텍처

위와 같이 당사의 사업 경험과 전문적인 경험으로 구축한 시점 및 자기 조준 타이밍 기능을 추출한 후 원래 기능을 결합하여 "때리고 죽이기"의 시간 순서에 따라 시퀀스를 형성하고 이를 자체적으로 피드합니다. 예측을 위한 감독 타이밍 모델, 훈련, 그리고 LSTM 시퀀스 분류 네트워크를 통한 감독 학습.

 

효과 적용

 

잘 알려진 FPS 게임에 시스템을 적용 시스템은 모델 추론 서비스를 서버에 배포 클라이언트는 분석된 재생 데이터를 묻힌 로그 및 실시간 스트리밍을 통해 업로드 각 라운드의 시계열 행동 데이터(에 따라 다름) 네트워크 조건), 기능 처리 및 결과 추론, 플레이어의 과거 게임 정보와 결합하여 포괄적인 결정을 내리고 결정 결과를 저장하고 검토한 후 게임은 부정 행위 플레이어를 처리합니다.

국내외 웹사이트에서 100,000개 게임의 리플레이 데이터를 수집하여 총 1,000,000개의 킬 샘플로 67,000명의 플레이어를 분석했습니다. 자체 타겟팅 플레이어의 고정밀 체계는 95.38%의 정확도를 달성합니다.

개요 및 향후 작업 전망

주류 FPS 게임 치트와 기존 솔루션의 분석을 통해 이것이 창과 방패 결투의 정점임을 쉽게 알 수 있으며 인공 지능과 같은 첨단 기술을 사용하면 치팅 행위를 보다 정확하게 감지할 수 있습니다.

부정 행위의 복잡한 상황에 직면한 Netease Smart Enterprise Game AI는 수년간의 기술 축적을 축적했으며 충분한 빅 게임 데이터를 기본 지원으로 삼아 FPS 게임을 위한 완벽한 부정 행위 방지 데이터 솔루션을 연마했습니다.

이 솔루션은 게임에 널리 존재하는 리플레이 로그 데이터만을 사용하여 플레이어 권한의 성능을 재구성하고 플레이어의 시계열 동작 데이터를 구성하며 시계열 동작 데이터를 기반으로 각각 관점 및 자체 조준 플러그를 구축합니다. - 탐지 시스템에서. 본 방법 및 시스템은 다양한 온라인 게임 플랫폼에 폭넓게 적용할 수 있으며, 게임 플랫폼의 공정성과 고객 만족도를 향상시킬 수 있습니다.

앞으로 게임 개발자와 플랫폼 운영자는 치트 방지 시스템을 지속적으로 업데이트하고 개선해야 합니다 . Anti-Cheat 기술 측면에서는 끊임없이 변화하는 부정행위의 형태와 공격 방식에 대처하기 위해 보다 효율적이고 정확한 알고리즘과 모델을 지속적으로 연구 개발할 필요가 있다. 동시에 게임 플랫폼의 감독 및 관리를 강화하고 건전한 감독 메커니즘을 구축하며 플레이어 행동에 대한 모니터링 및 식별을 강화하고 적시에 위반 사항을 감지 및 처리하며 공정성과 브랜드를 유지해야 합니다. 게임의 이미지. 또한 게임 개발자와 플랫폼 운영자는 플레이어와 긴밀한 관계를 구축하고 플레이어 요구 사항과 피드백을 이해하고 플레이어 문제와 혼란을 적시에 해결하고 플레이어 만족도와 충성도를 향상시켜야 합니다. 궁극적으로 치트 방지 시스템을 지속적으로 업데이트 및 개선하고 게임 플랫폼의 감독 및 관리를 강화하며 플레이어와 긴밀한 관계를 유지함으로써 게임의 공정성과 브랜드 이미지를 효과적으로 보호하고 사용자 경험과 시장 경쟁력을 높일 수 있습니다. 게임 플랫폼의 개선이 가능합니다.