Искусственный интеллект помогает пресекать мошенничество в онлайн-играх
Онлайн-игры - это многомиллиардная индустрия, которая развлекает большое количество людей по всему миру. Однако есть одно неприятное явление, которое отравляет конкуренцию и портит все удовольствие: мошенничество. Издержки мошенничества варьируются от поддерживаемых промышленностью расходов на его выявление и ограничение до денежных потерь жертв киберпреступлений.
Мошенники прочно укоренились в социальных сетях: их положение в сети практически неотличимо от положения честных игроков. Более того, количество читеров не коррелирует с географией, плотностью населения в реальном мире или с местной популярностью сообщества в определённой игре. Существует ещё такое явление, как неоправданное социальное наказание, связанное с тем, что на человека публично и безосновательно навешивают ярлык мошенника, после чего они сразу же теряют друзей. А дальше очень часто мошенническое поведение распространяется через социальный механизм: количество друзей-мошенников у честного игрока коррелирует с вероятностью того, что он станет мошенником в будущем.
В последнее время множится количество активных сообществ разработчиков чит-кодов, которые способствуют неэтичному поведению в игре. «Читы» - это программные компоненты, которые реализуют нарушения правил игры, например, такие как умение видеть сквозь стены или автоматическое наведение на движущегося персонажа. Эти люди могут зарабатывать до десятков тысяч долларов в месяц только на одном классе читов для конкретной игры. Для некоторых читеров мотивация может быть денежной в самой игре: виртуальные товары (артефакты) порой стоят реальных денег, а экономика онлайн-игр предоставляет киберпреступникам выгодные возможности. Для других мотивацией является просто конкурентное преимущество и желание победить. И, наконец, некоторые просто хотят повеселиться и перейти на более высокий уровень в игре, не прилагая утомительных усилий.
Во всех культурах игроков возмущает неэтичное поведение, нарушающее правила игры, которые являются абсолютно обязательными для всех. Как только правила нарушаются, весь игровой мир рушится. Онлайн-геймеры ничем не отличаются в этом от других людей, судя по язвительным комментариям в адрес читеров в игровых блогах и ресурсам, которые разработчики игр вкладывают в сдерживание и наказание за мошенничество (как правило, с помощью игровых ограничений). Индустрия разработки и распространения игр рассматривает мошенничество как денежную проблему и проблему связей с общественностью, а, следовательно, на сдерживание этого явления тратятся значительные ресурсы. Создаются сложные системы, которые распознают читы и помечает профиль соответствующего пользователя постоянным, общедоступным (независимо от настроек конфиденциальности) красным цветом. Игровые серверы можно настроить так, чтобы они были защищены подобными системами и не допускали скомпрометированных игроков в соответствующее семейство игр, поддерживаемых сервером.
Многие игровые среды позволяют своим пользователям обнародовать данные своих аккаунтов в социальных сетях и подключаться к комьюнити (онлайн-социальной сети самой игры). Использование фейковых аккаунтов позволяет продавцам читов связываться с добропорядочными игроками, предлагая приобрести свой «товар».
Многопользовательские игры из года в год бьют исторические рекорды по продажам развлекательных программ: миллионы игроков тратят бессчётное количество часов и миллиарды долларов, внедряя новейшее потребительское оборудование и создавая международные киберспортивные лиги профессионального уровня с высокой аудиторией в прямом эфире и призовыми фондами в миллионы долларов. В то же время игры становятся все более актуальными для социологов и психологов, поскольку игровые взаимодействия в какой-то степени имитируют взаимодействия в реальном мире, а цифровая запись фактов позволяет получить большой и точный набор данных, который невозможно собрать с помощью лабораторных экспериментов или опросов.
Нечестность, распространённая в обществе, пронизывает и мир онлайн-игр, создавая технические, юридические и социальные проблемы. Понимание позиции читеров в социальной сети, объединяющей онлайн-геймеров, важно не только для оценки и обоснования мер по борьбе в игровой среде, но и для изучения нечестного поведения в обществе в целом. Например, исследование масштабного мошенничества может предоставить доказательства для подтверждения теорий социальных наук и психологии о природе неэтичного поведения в целом. Изучение игровой сети особенно интересно из-за конкурентного характера многих многопользовательских игр, который имеет параллели в реальном мире и, возможно, описывает механизмы коррупции. Внутренняя [групповая] конкуренция может создать почву для распространения популярных приёмов неэтичного поведения. Ещё одним распространённым явлением, с которым активно надо бороться, затрагивает академические образовательные сферы: от плагиата в студенческих заданиях до фальсификации данных в научных исследованиях. Тут так же присутствует сетевой эффект. Например, приём одного-единственного мошенника из средней школы в ВУЗ, приводит к тому, что к старшим курсам приёмами обмана пользуются статистически значимые количества учащихся группы (до 40%).
Если в игре присутствует большое количество читеров, это серьёзно повлияет на экологию игры и доходы компании, а также нанесёт большой ущерб репутации игры и даже репутации компании. Система защиты от любого мухлежа полезна для улучшения игрового процесса игроков. После многих лет разработки и итераций традиционная система защиты от читерства превратилась в относительно совершенную. Однако с обновлением аппаратного и программного обеспечения и популярностью искусственного интеллекта методы мошенничества также быстро совершенствуются, а использование искусственного интеллекта и внешнего оборудования для и прямого доступа к памяти (DMA - Direct Memory Access) стало общей тенденцией развития новых подходов для обмана защитных систем. Эффективность традиционных систем защиты становится минимальной.
В связи с этим разработчики игр начали экспериментировать с технологией искусственного интеллекта для обнаружения и предотвращения подозрительных действий. Вначале попробовали технологию машинного обучения для анализа данных, передаваемых между клиентом и сервером, вычисления и оценки того, имеет ли пользователь признаки мошеннического поведения. Также был разработан подход к глубокому обучению, когда ИИ отслеживал управление компьютерной мышью, в результате которого очень быстро повышался уровень игрока. Одна из команд разработчиков предложила рабочий процесс под названием GAXI, который использует возможности источников данных с несколькими режимами просмотра, а также обеспечивает ясность и прозрачность, обеспечиваемые моделями «чёрного ящика», с несколькими режимами просмотра, и даёт хорошие результаты в обнаружении мошенничества в играх на реальных наборах данных.
Далее к процессу подключились психологи и социологи, которые предложили общий метод автоматической классификации игроков, основанный на технологии искусственного интеллекта и обработке естественного языка, позволяющий классифицировать игроков как мошенников / жертв / статистов, на основе текста их заявлений на социальных платформах. Результаты этих разработок показывают, что технология искусственного интеллекта имеет широкие перспективы применения в области борьбы с мошенничеством. Однако с постоянным развитием методов мошенничества, системы противодействия постоянно сталкиваются с новыми вызовами. В будущем они должны будут постоянно внедрять новейшие технологии искусственного интеллекта, чтобы справляться со все более изощрёнными способами обхода защиты.
По сравнению с традиционными методами, мошенничество с помощью ИИ является более интеллектуальным и скрытым. Некоторые принципы заключаются в следующем:
1. Распознавание изображений: используя технологии потокового «захвата» игровой экран, ИИ может идентифицировать врагов, предметы и другую информацию в игре в соответствии с обученной моделью. Этот метод не позволяет напрямую считывать данные из игровой памяти, что затрудняет обнаружение античит-системой.
2. Принятие решений и управление: ИИ принимает решения (такие как перемещение, прицеливание, стрельба и т.д.) в соответствии с идентифицированной информацией, а затем реализует функции обмана, имитируя действия игрока (такие как имитация нажатия комбинации клавиш, действий мыши и т.д.). Этот режим работы ближе к работе реального игрока, что снижает риск обнаружения.
3. Мошенничество с помощью прямого доступа к памяти - это способ взаимодействия с игрой при помощи аппаратных средств. Мошенническое оборудование может получать или изменять игровые данные путём прямого доступа к игровой памяти, чтобы добиться нужного эффекта. Для обмана системы требуются специальные аппаратные устройства (PCIe или USB), которые могут напрямую обращаться к памяти компьютера без вмешательства операционной системы. Они считывают или изменяют игровые данные (например, положение игрока, угол прицеливания и т.д.), получая прямой доступ к игровой памяти для читерства. Из-за доступа на аппаратном уровне, стандартной системе противодействия ещё сложнее обнаружить такую деятельность.
современные системы защиты часто объединяют технологии искусственного интеллекта для повышения точности и обнаружения в режиме реального времени. Анализ данных между клиентским компьютером и игровым сервером в дата-центре, основанный на методе искусственного интеллекта, имеет высокую скорость обнаружения обманных манипуляций персонажа в игре.
Но уже разработан новый метод обнаружения подозрительных действий, который не опирается на внутриигровые данные - первоначально этот подход анализирует мультимодальные взаимодействия между игроком и платформой в виде многомерных временных рядов. Впоследствии он использует канал обработки данных свёрточной нейросетью для классификации этих временных рядов и определения того, насколько игрок может быть уличён в нестандартных манипуляциях.
Новые методы обнаружения мошенничества в видеоиграх основаны только на входных данных, таких как нажатия клавиш и движения мыши, которые основаны на поведении игрока. Алгоритмы свёрточных нейросетей (CNN), позволяет выявлять мошенничество контролирующим образом – методом сбора и обработки данных для пересчёта многомерных временных рядов при взаимодействии человека и компьютера. Генеративная GAN состязательная сеть может автоматически обнаруживать игроков-мошенников, определяя, читерствуют ли они, только по данным о координатах движения мыши.
Перспектива исследовательских разработок в сфере ИИ может способствовать прорывам в применении большего количества технологий и внедрению машинного обучения с подкреплением, интеграции распределённых вычислений и персонализированных стратегий борьбы с мошенничеством для оптимизации экосистемы компьютерных игр и защите интересов добросовестных игроков, а также компаний-разработчиков.
