近年來,多人線上遊戲成為了網路上非常普遍的休閒活動,但隨著多人線上遊戲的蓬勃發展,玩家欺詐的行為也變得越來越常見,其中最嚴重的,要算是使用俗稱 bot 的自動化機器人程式了,原因是 bot 使用者不需付出對應的努力,即可獲得不合情理的獎勵,一般而言,遊戲社群間是不認同 bot 的存在的。然而想要辨識 bot 使用者,然後加以反制是困難的,原因是 bot 本來就是被設計來在遵循遊戲規則下模仿玩家行為,其行為模式與真正玩家相仿。以往遊戲經營者嘗試以肉眼偵測遊戲機器人程式的方式,經常產生誤判案例糾紛可見一般,因此目前遊戲產業期望藉助一些軟體技術,嘗試來偵測 bot 的存在,以增加判定的準確率。這些偵測技術大致上有幾種類型,第一種是在遊戲進行中,中斷玩家進行方式進而分析玩家類型,缺點是干擾玩家進行遊戲的順暢。第二種反制方式是在遊戲進行中,監測系統是否有 bot 程式存在,這種方式前提是假設機器人程式是必須依附於客戶端遊戲程式,且多半只針對特定功能者。例如 FPS 遊戲中,專司瞄準的機器人程式,其缺點是失去一般性。因此在本論文中,我們對兩種線上遊戲類型分別提出對應的 bot 偵測方式。 第一種為俗稱 FPS 的第一人稱射擊遊戲,提出基於遊戲中人物移動軌跡的方法偵測 FPS 遊戲中的機器人程式,它可以被應用於所有具有移動軌跡類型遊戲的一般性技術。透過真實玩家數據分析,我們得知,真實玩家移動的軌跡特性與那些機器人程式是非常不同的,雖然遊戲機器人程式竭力模仿真實玩家的行為,但是因為玩家行為是非常難以仿造,這點是我們的主要理論基礎。我們採用了 Quake 2 作為實際研究案例,根據評估真實玩家的紀錄顯示,這種偵測方法在以 200 秒為一觀測單位下,可以達到 95% 以上的準確性。 第二種針對節奏類型遊戲,提出一種基於壓力與錯誤率的方法來偵測跳舞機類型遊戲的機器人程式。它也是一個可以被應用於此類跳舞機類型遊戲的一般性技術,理論基礎是,因為玩家會隨著節拍快慢與按鍵組合形成的壓力大小,與按鍵時間與按鍵值與出錯的機率成正比,也因資料簡單,因此此類 bot 非常容易透過學習真實玩家的方式,發展反制 bot 偵測的技術。然而,除非 bot 得知我們的數學式實際參數值,否則反制我們的偵測,也是十分困難的。我們採用了唯舞獨尊此款多人線上遊戲作為我們的實際研究案例,由於至目前為止尚未找到對此類型遊戲 bot 偵測的論文,因此我們是第一個可以用來偵測節奏類型 bot 的論文。
In recent years, online game has become one of the most popular Internet activities, but cheating activity, such as game bots, has increased as a consequence. Generally, the gamer community disagrees with the use of game bots, as bot users obtain unreasonable rewards without corresponding efforts. However, bots are hard to detect because they are designed to simulate human game playing behavior and they follow game rules exactly. Existing detection approaches either interrupt the players' gaming experiences, or assume game bots are run as standalone clients or assigned a specific goal, such as aim bots in FPS games. Therefore, we separately propose game bot detection approaches according to two different types of online games. 1) A trajectory-based approach to detect FPS game bots. It is a general technique that can be applied to any game in which the avatar's movement is controlled directly by the players. Through real-life data traces, the result shows that the trajectories of human players and those of game bots are very different. In addition, although game bots may endeavor to simulate players' decisions, certain human behavior patterns are difficult to mimic because they are AI-hard. Taking Quake 2 as a case study, we evaluate our scheme's performance based on real-life traces. The result shows that the scheme can achieve a detection accuracy to 95% or higher, given a trace of 200 seconds or longer. 2) A pressure-error-based approach to detect rhythm game bots. It is also a general technique that can be applied to any rhythm game in which the errors increase the dependance on pressure from the game speed and key combinations. Theoretically, the bot can fight back by learning the real player's behaviors, but without our arguments of formula, the bot is hard to do that. The study case is Dancing Online. Up to now, we have not found any paper about rhythm game bots detection, so we believe that this paper is the first one for rhythm game bots detection.
為了持續優化網站功能與使用者體驗,本網站將Cookies分析技術用於網站營運、分析和個人化服務之目的。
若您繼續瀏覽本網站,即表示您同意本網站使用Cookies。