Los informáticos desarrollan una nueva arma contra los tramposos de los videojuegos

Los científicos informáticos de la Universidad de Texas en Dallas han desarrollado una nueva arma contra los jugadores de videojuegos que hacen trampa en los juegos.

Los científicos desarrollaron su enfoque para detectar tramposos utilizando el famoso juego de disparos en primera persona Counter-Strike. Pero el mecanismo puede funcionar para cualquier juego MMO (multijugador masivo en línea) que envíe tráfico de datos a un servidor central.

Su estudio se publicó en línea en IEEE Transactions on Dependable and Secure Computing.

Counter-Strike es una serie de juegos en los que los jugadores trabajan en equipos para contrarrestar a los terroristas asegurando la ubicación de las plantas, desactivando bombas y rescatando rehenes. Los jugadores pueden ganar dinero en el juego para comprar armas más poderosas, lo cual es la clave del éxito. Varios trucos de software para el juego están disponibles en línea.

“A veces, cuando juegas contra jugadores que usan trampas, puedes darte cuenta, pero a veces puede que no sea evidente”, dijo Md Shihabul Islam, estudiante de doctorado en ciencias de la computación de UT Dallas en la Escuela de Ingeniería y Ciencias de la Computación Erik Jonsson y autor principal. del estudio, que juega Counter-Strike por diversión. “No es justo para los otros jugadores”.

Además del juego limpio, las trampas también pueden tener un impacto económico cuando los jugadores insatisfechos se van para jugar a otros juegos, dijo Islam.

Los incidentes de trampa también pueden tener graves consecuencias en los deportes electrónicos, una industria de rápido crecimiento con ingresos anuales cercanos a los mil millones de dólares. Hacer trampa puede resultar en sanciones contra equipos y jugadores, incluida la descalificación, la pérdida del dinero del premio y la prohibición de participar en el futuro, según la Comisión de Integridad de los Esports con sede en el Reino Unido.

La detección de trampas en los juegos MMO puede ser un desafío porque los datos que van desde la computadora de un jugador al servidor del juego están encriptados. Investigaciones anteriores se han basado en registros de juegos descifrados para detectar trampas después de los hechos. El enfoque de los investigadores de UT Dallas elimina la necesidad de datos descifrados y, en cambio, analiza el tráfico de datos cifrados hacia y desde el servidor en tiempo real.

“Los jugadores que hacen trampa envían tráfico de una manera diferente”, dijo el Dr. Latifur Khan, autor del estudio, profesor de ciencias de la computación y director del Laboratorio de análisis y gestión de Big Data en UT Dallas. “Estamos tratando de capturar esas características”.

Para el estudio, 20 estudiantes de la clase Cyber ??Security Essentials for Practitioners de UT Dallas descargaron Counter-Strike y tres programas del tipo aimbot, que automáticamente apunta a un oponente; un truco de velocidad, que permite al jugador moverse más rápido; y un wallhack, que hace que las paredes sean transparentes para que los jugadores puedan ver fácilmente a su oponente. Los investigadores configuraron un servidor dedicado al proyecto para que la actividad de los estudiantes no interrumpiera a otros jugadores en línea.

Los científicos analizaron el tráfico del juego hacia y desde el servidor dedicado. Los datos viajan en paquetes o conjuntos de información. Los paquetes pueden ser de diferentes tamaños, según el contenido. Los científicos analizaron características, incluida la cantidad de paquetes entrantes y salientes, su tamaño, la hora en que se transmitieron, su dirección y la cantidad de paquetes en una ráfaga, que es un grupo de paquetes consecutivos.

Al monitorear el tráfico de datos de los estudiantes jugadores, los investigadores identificaron patrones que indicaban trampas. Luego usaron esa información para entrenar un modelo de aprendizaje automático, una forma de inteligencia artificial, para predecir las trampas basándose en patrones y características en los datos del juego.

Los científicos ajustaron su modelo estadístico, basado en un pequeño grupo de jugadores, para trabajar con poblaciones más grandes. Parte del mecanismo de detección de trampas implica enviar el tráfico de datos a una unidad de procesamiento de gráficos, que es un servidor paralelo, para acelerar el proceso y eliminar la carga de trabajo de la unidad central de procesamiento del servidor principal.

Los científicos planean ampliar su trabajo para crear un enfoque para los juegos que no utilizan una arquitectura cliente-servidor y hacer que el mecanismo de detección sea más seguro. Islam dijo que las compañías de juegos podrían usar la técnica de UT Dallas con sus propios datos para entrenar software de juegos para detectar trampas. Si se detectan trampas, el sistema podría tomar medidas inmediatas.