Ilmuwan komputer University of Texas di Dallas telah menemukan senjata baru melawan pemain video game yang curang.
Para peneliti mengembangkan pendekatan mereka untuk mendeteksi penipu menggunakan game first-person shooter Counter-Strike yang populer. Tetapi mekanisme tersebut dapat bekerja untuk semua game massively multiplayer online (MMO) yang mengirimkan lalu lintas data ke server pusat.
Penelitian mereka dipublikasikan secara online di IEEE Transactions on Dependable and Secure Computing .
Counter-Strike adalah serangkaian permainan di mana pemain bekerja dalam tim untuk melawan teroris dengan mengamankan lokasi pabrik, menjinakkan bom, dan menyelamatkan sandera. Pemain bisa mendapatkan mata uang dalam game untuk membeli senjata yang lebih kuat, yang merupakan kunci kesuksesan. Berbagai cheat perangkat lunak untuk gim ini tersedia online.
“Terkadang saat Anda bermain melawan pemain yang menggunakan cheat, Anda bisa tahu, tapi terkadang itu tidak terbukti,” kata Md Shihabul Islam, seorang mahasiswa doktoral ilmu komputer UT Dallas di Sekolah Teknik dan Ilmu Komputer Erik Jonsson dan penulis utama. studi, yang bermain Counter-Strike untuk bersenang-senang. “Itu tidak adil bagi pemain lain.”
Selain permainan yang adil, kecurangan juga dapat berdampak ekonomi ketika pemain yang tidak puas pergi untuk memainkan permainan lain, kata Islam.
Insiden kecurangan juga dapat menimbulkan konsekuensi serius dalam esports, industri yang berkembang pesat dengan pendapatan tahunan mendekati $1 miliar. Kecurangan dapat mengakibatkan sanksi terhadap tim dan pemain, termasuk diskualifikasi, penyitaan hadiah uang, dan larangan partisipasi di masa mendatang, menurut Komisi Integritas Esports yang berbasis di Inggris.
Mendeteksi kecurangan dalam game MMO bisa jadi menantang karena data yang masuk dari komputer pemain ke server game dienkripsi. Penelitian sebelumnya mengandalkan log game yang didekripsi untuk mendeteksi kecurangan setelah fakta. Pendekatan peneliti UT Dallas meniadakan kebutuhan akan data yang didekripsi dan sebagai gantinya menganalisis lalu lintas data yang dienkripsi ke dan dari server secara waktu nyata.
“Pemain yang menipu mengirimkan lalu lintas dengan cara yang berbeda,” kata Dr. Latifur Khan, seorang penulis studi, profesor ilmu komputer dan direktur Big Data Analytics and Management Lab di UT Dallas. “Kami mencoba menangkap karakteristik itu.”
“Setelah terdeteksi, kami dapat memberikan peringatan dan dengan anggun mengeluarkan pemain jika mereka terus melakukan kecurangan selama interval waktu yang tetap. Tujuan kami adalah memastikan bahwa game seperti Counter-Strike tetap menyenangkan dan adil untuk semua pemain.”
— Dr. Latifur Khan, profesor ilmu komputer di Sekolah Teknik dan Ilmu Komputer Erik Jonsson
Untuk studi tersebut, 20 siswa di kelas UT Dallas Cyber Security Essentials for Practitioners mengunduh Counter-Strike dan tiga perangkat lunak curang: aimbot, yang secara otomatis menargetkan lawan; peretasan kecepatan, yang memungkinkan pemain bergerak lebih cepat; dan wallhack, yang membuat dinding transparan sehingga pemain dapat dengan mudah melihat lawannya. Para peneliti menyiapkan server yang didedikasikan untuk proyek tersebut sehingga aktivitas siswa tidak akan mengganggu pemain online lainnya.
Para peneliti menganalisis lalu lintas game ke dan dari server khusus. Data bergerak dalam paket, atau bundel, informasi. Ukuran paket bisa berbeda-beda, tergantung isinya. Peneliti menganalisis fitur, termasuk jumlah paket yang masuk dan keluar, ukurannya, waktu pengirimannya, arahnya, dan jumlah paket dalam ledakan, yang merupakan kelompok paket berurutan.
Dengan memantau lalu lintas data dari pemain siswa, peneliti mengidentifikasi pola yang mengindikasikan kecurangan. Mereka kemudian menggunakan informasi tersebut untuk melatih model pembelajaran mesin, suatu bentuk kecerdasan buatan, untuk memprediksi kecurangan berdasarkan pola dan fitur dalam data game.
Para peneliti menyesuaikan model statistik mereka, berdasarkan sekumpulan kecil pemain game, untuk bekerja pada populasi yang lebih besar. Bagian dari mekanisme deteksi curang melibatkan pengiriman lalu lintas data ke unit pemrosesan grafis, yang merupakan server paralel, untuk mempercepat proses dan mengurangi beban kerja unit pemrosesan pusat server utama.
Para peneliti berencana untuk memperluas pekerjaan mereka untuk membuat pendekatan untuk game yang tidak menggunakan arsitektur client-server dan membuat mekanisme deteksi lebih aman. Islam mengatakan perusahaan game dapat menggunakan teknik UT Dallas dengan data mereka sendiri untuk melatih perangkat lunak game untuk mendeteksi kecurangan. Jika kecurangan terdeteksi, sistem dapat mengambil tindakan segera.
“Setelah terdeteksi,” kata Khan, “kami dapat memberikan peringatan dan dengan anggun mengeluarkan pemain jika mereka melanjutkan kecurangan selama interval waktu yang tetap.
“Tujuan kami adalah memastikan bahwa game seperti Counter-Strike tetap menyenangkan dan adil untuk semua pemain.”
Referensi: “GCI: Pendekatan Pembelajaran Transfer Berbasis GPU untuk Mendeteksi Kecurangan Game Komputer” oleh Md Shihabul Islam, Bo Dong, Swarup Chandra, Latifur Khan dan Bhavani M. Thuraisingham, 3 Agustus 2020, IEEE Transactions on Dependable and Secure Computing .
DOI: 10.1109/TDSC.2020.3013817
Penulis lain dari studi ini termasuk Swarup Chandra PhD’18, seorang insinyur riset di Hewlett Packard Enterprise, dan mahasiswa doktor ilmu komputer UT Dallas, Bo Dong. Bhavani Thuraisingham, Founders Chair in Engineering and Computer Science, profesor ilmu komputer dan direktur eksekutif Cyber Security Research and Education Institute di UT Dallas, adalah penulis senior studi ini.
Penelitian ini didanai oleh National Science Foundation, Air Force Office of Scientific Research, National Security Agency, IBM dan Hewlett-Packard Development Co.
