earticle

영어

As the online game market has grown rapidly in recent years, cheating has frequently occurred to get items in the game. Game bots, which are one of the most representative cheating behaviors, collect items in the game unfairly, causing problems in the game by destroying the balance in the game and rapidly depleting the content to shorten the game life. In this paper, we propose a model that classifies normal users and game bots by applying a Multi-Layer Perceptron(MLP) with user action log as input, and infers the basis of judgment by quantifying the degree to which each action affects the classification. The proposed model was applied to the actual log data of the ‘AION’ game and tested with 10-fold cross-validation, showing an accuracy of about 98.4% and a recall of about 99.6%.

한국어

최근 온라인 게임 시장 규모가 급격히 성장하면서, 게임 내 재화를 획득하기 위한 부정행위가 빈번하게 발생하고 있 다. 대표적인 부정행위 중 하나인 게임 봇(game bot)은 게임 내 재화를 부정하게 수집하여, 게임 내 균형을 파괴하 고 콘텐츠를 빠르게 고갈시켜 게임 수명을 단축시키는 문제를 야기한다. 본 논문에서는 사용자 행위 로그를 입력으 로 하는 다층 퍼셉트론(Multi Layer Perceptron)을 적용하여 정상 사용자와 게임 봇을 분류하고, 각 행위가 분류 에 영향을 끼친 정도를 수치화하여 판단 근거를 추론하는 모델을 제안한다. 제안한 모델을 ‘AION’ 게임의 실제 로 그 데이터에 적용하여 10겹 교차 검증으로 테스트한 결과 약 98.4%의 정확도와 99.6%의 재현율을 보였다.