KR101872345B1 - 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 시스템 및 방법 - Google Patents

Abstract

온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법 및 시스템이 개시된다. 본 발명에 따른 비정상 캐릭터 검출 방법은, 온라인 게임의 로그로부터 복수의 분석 대상 단위에 대한 로그 데이터를 추출하는 단계와; 로그 데이터로부터 캐릭터의 밀집도가 높은 좌표 데이터를 분석하여 복수의 분석 대상 단위 각각에 대해 밀집도가 높은 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 단계와; 위치 시퀀스 패턴에 따라 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 단계를 포함한다.

Description

온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 시스템 및 방법 {System and method for detecting abnormal character by analyzing location characterlistic in on-line game}

본 발명은 온라인 게임 서버가 제공하는 정상적인 클라이언트 프로그램이 아닌 봇 프로그램을 사용하여 온라인 게임을 악용하는 비정상 캐릭터를 검출하기 위한 시스템 및 방법, 그리고 이를 위한 컴퓨터 프로그램에 대한 것이다.

온라인 게임의 게이머들은 온라인 게임 내에서 플레이어 캐릭터를 조작하여 게임을 진행하며, 게임 플레이 과정에서 아이템을 획득하거나 게임 머니를 지불하여 게임 내의 NPC(Non-Player Character)로부터 아이템을 구입하기도 한다.

아이템과 게임 내에서 통용되는 화폐인 게임 머니는 통상 온라인 게임의 진행을 용이하게 해 줄 뿐만 아니라, 게임의 즐거움을 배가시키는 요소로서 일부 인기있는 MMORPG(Massively Multiplayer Online Role Playing Game)의 경우에는 게임내 희귀 아이템이나 게임 머니를 게이머들끼리 현금으로 사고 파는 일이 벌어지기도 한다.

이러한 아이템이나 게임 머니의 현금 거래가 빈번하게 이루어지면서 아이템이나 게임 머니를 자동으로 수집하는 봇(BOT) 프로그램이 기승을 부리고 있다.

봇 프로그램의 유형에는 몇가지 종류가 있으나 대부분 클라이언트 단에 보안 프로그램을 설치하여 봇 프로그램의 패턴을 탐지하는 등의 방식으로 검출하게 된다.

그런데, 최근에는 도 1에 개념적으로 도시된 바와 같이 다수의 PC(Personal Computer)를 구비하여 집단적으로 봇 프로그램을 구동함으로써 대량으로 아이템이나 게임 머니를 수집하고, 이를 일반 게이머들에게 판매함으로써 수익을 올리는 이른바 작업장(12)이 등장하기에 이르렀다.

이러한 작업장은 일반적으로 알려지지 않은 비공개 봇 프로그램을 사용하는 경우가 많아 보안 프로그램을 이용한 검출이 용이하지 아니하다.

본 발명은 상기와 같은 종래 기술의 문제점을 해소하기 위한 것으로, 온라인 게임 내에서 특정 행위를 하는 위치 특성을 분석하여 봇 프로그램을 사용하는 비정상 캐릭터를 검출하는 방법을 제공하기 위한 것이다.

상기와 같은 목적을 달성하기 위하여, 본 발명의 일 실시예에 따른 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법은, 온라인 게임의 로그로부터 복수의 분석 대상 단위에 대한 로그 데이터를 추출하는 단계와; 상기 추출된 로그 데이터로부터 캐릭터의 밀집도가 높은 좌표 데이터를 분석하여 상기 복수의 분석 대상 단위 각각에 대해 밀집도가 높은 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 단계와; 상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 단계를 포함할 수 있다.

상기 위치 시퀀스 패턴 생성 단계는, 상기 분석 대상 단위를 수행하는 게임 공간을 복수의 클러스터로 분할하는 단계와; 상기 복수의 클러스터 중 밀집도가 가장 높은 클러스터의 인덱스를 상기 위치 시퀀스 패턴에 포함시키는 단계를 포함할 수 있다.

상기 비정상 캐릭터로 판단하는 단계는, 상기 각 분석 대상 단위에 대해 상기 위치 시퀀스 패턴에 포함된 클러스터의 중심 값을 계산하는 단계와; 상기 각 분석 대상 단위에 해당하는 플레이를 할 때 상기 계산된 중심 값으로부터 소정의 임계치 이내의 위치에서 플레이를 수행하는 경우 상기 위치 시퀀스 패턴에 따라 플레이하는 것으로 결정하는 단계를 포함할 수 있다.

상기 비정상 캐릭터로 판단하는 단계는, 상기 각 분석 대상 단위에 대해 상기 위치 시퀀스 패턴에 포함되는 계정들의 평균 좌표를 계산하는 단계와; 상기 각 분석 대상 단위에 해당하는 플레이를 할 때 상기 계산된 평균 좌표로부터 소정의 임계치 이내의 위치에서 플레이를 수행하는 경우 상기 위치 시퀀스 패턴에 따라 플레이하는 것으로 결정하는 단계를 포함할 수 있다.

상기 분석 대상 단위는, 상기 온라인 게임을 구성하는 퀘스트, 사냥, 휴식, 파티 또는 채집일 수 있다.

본 발명의 다른 실시예에 따른 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 시스템은, 플레이어 캐릭터의 온라인 게임 내 행위를 로그로 저장하는 로그 저장수단과; 상기 로그 저장수단에 의해 저장된 로그로부터 복수의 분석 대상 단위에 대한 로그 데이터를 추출하고, 상기 추출된 로그 데이터로부터 캐릭터의 밀집도가 높은 좌표 데이터를 분석하여 상기 복수의 분석 대상 단위 각각에 대해 밀집도가 높은 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 탐지 패턴 생성수단과; 상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 비정상 캐릭터 탐지수단을 포함할 수 있다.

본 발명의 또 다른 실시예에 따른 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법은, 게임 로그로부터 비정상 캐릭터로 의심되는 캐릭터의 복수의 분석 대상 단위에 대한 로그 데이터를 추출하는 단계와; 상기 추출된 로그 데이터로부터 상기 의심 캐릭터가 상기 복수의 분석 대상 단위에 해당하는 플레이를 행한 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 단계와; 상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 단계를 포함할 수 있다.

본 발명의 또 다른 실시예에 따른 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 시스템은, 플레이어 캐릭터의 온라인 게임 내 행위를 로그로 저장하는 로그 저장수단과; 상기 로그 저장수단에 의해 저장된 게임 로그로부터 비정상 캐릭터로 의심되는 캐릭터의 복수의 분석 대상 단위에 대한 로그 데이터를 추출하고, 추출된 로그 데이터로부터 상기 의심 캐릭터가 상기 복수의 분석 대상 단위에 해당하는 플레이를 행한 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 탐지 패턴 생성수단과; 상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 비정상 캐릭터 탐지수단을 포함할 수 있다.

상기와 같은 본 발명에 의하면, 서버 측에서 온라인 게임의 로그 데이터를 분석하여 비정상 군집의 위치 시퀀스 패턴을 추출하고 이를 이용하여 비정상 캐릭터를 검출할 수 있다.

또한, 본 발명에 의하면 다수의 계정이 사용하는 봇 스크립트를 제재할 수 있으므로, 자동적으로 사용자가 가장 많은 봇이 제재되면, 사용자 분산에 따라 2 순위로 사용자가 많던 봇이 검출되어 제재되므로, 전 검출 과정을 자동화 처리하는 것이 가능하다.

도 1은 작업장과 게임 봇의 개념을 설명하기 위한 도면이다.
도 2는 게임 봇의 게임 수행 위치 패턴을 분석한 예를 도시한 것이다.
도 3은 본 발명의 일 실시예에 따른 비정상 캐릭터 검출 시스템의 구성을 설명하는 기능 블록도이다.
도 4는 본 발명의 일 실시예에 따른 비정상 캐릭터 검출 방법을 설명하기 위한 순서도이다.
도 5는 퀘스트별 게임 수행 위치를 도시한 예이다.
도 6은 본 발명의 일 실시예에 따라 위치 시퀀스 패턴을 생성하기 위해 클러스터링을 수행하는 모습을 도시한 것이다.
도 7은 본 발명의 일 실시예에 따라 위치 시퀀스 패턴을 이용하여 봇을 탐지하는 예를 도시한 것이다.
도 8은 본 발명의 다른 실시예에 따른 비정상 캐릭터 검출 방법을 설명하기 위한 순서도이다.
도 9는 본 발명을 일상적인 제재시 활용하는 예와 의심 대상 유저 조사시 활용하는 예를 설명하기 위한 것이다.
도 10은 본 발명에 따라 게임에서 봇이 순차적으로 제재되는 과정을 설명하기 위한 것이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 본 발명에 대해 구체적으로 설명하기로 한다.

본 발명에서 사용되는 용어는 본 발명에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 당 분야에 종사하는 기술자의 의도 또는 판례, 새로운 기술의 출현 등에 따라 달라질 수 있다. 또한, 특정한 경우는 출원인이 임의로 선정한 용어도 있으며, 이 경우 해당되는 발명의 설명 부분에서 상세히 그 의미를 기재할 것이다. 따라서 본 발명에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 발명의 전반에 걸친 내용을 토대로 정의되어야 한다.

명세서 전체에서 어떤 부분이 어떤 구성요소를 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다. 또한, 명세서에 기재된 "...수단", "...부", "모듈" 등의 용어는 적어도 하나의 기능이나 동작을 처리하는 단위를 의미하며, 이는 하드웨어 또는 소프트웨어로 구현되거나 하드웨어와 소프트웨어의 결합으로 구현될 수 있다.

아래에서는 첨부한 도면을 참고하여 본 발명의 실시예에 대하여 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자가 용이하게 실시할 수 있도록 상세히 설명한다. 그러나 본 발명은 여러 가지 상이한 형태로 구현될 수 있으며 여기에서 설명하는 실시예에 한정되지 않는다. 그리고 도면에서 본 발명을 명확하게 설명하기 위해서 설명과 관계없는 부분은 생략하였으며, 명세서 전체를 통하여 유사한 부분에 대해서는 유사한 도면 부호를 붙였다.

도 1은 작업장과 게임 봇의 개념을 설명하기 위한 도면이다.

도 1에 도시된 바와 같이 게이머들은 게임 클라이언트(11)를 이용하여 온라인 게임 서버(10)에 접속함으로써 온라인 게임을 진행한다. 그 가운데 일부는 봇 프로그램을 구동하는 게임 클라이언트일 수도 있으며, 다른 봇 프로그램을 구동하는 클라이언트를 다수 포함하는 작업장(12)일 수도 있을 것이다.

온라인 게임 서버(10)는 플레이어 캐릭터의 액티비티를 기록한 로그를 저장한다. 로그를 사후적으로 분석함으로써 특정 플레이어 캐릭터가 게임 내 특정 좌표에서 퀘스트를 수행했다거나, 몹을 공격했다거나, 아이템을 획득했다거나, NPC(Non-Player Character)와 인터랙션(interaction)을 했다거나, 다른 플레이어 캐릭터와 아이템이나 게임 머니를 주고 받았다는 등의 게임 정황을 상세히 파악할 수 있다.

본 발명에 의한 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 시스템은 이러한 온라인 게임 서버(10)에 구현될 수 있다. 일반적으로 온라인 게임 서버는 반드시 물리적으로 단일한 서버로 이루어지지 않으며 다수의 클라이언트의 동시접속을 담당하는 서버, 로그를 저장하는 서버 등으로 나뉘어 구현될 수 있으므로, 본 발명에 의한 비정상 캐릭터 검출 시스템 또한 반드시 물리적으로 단일한 서버 내에 구현되어야 하는 것은 아니다.

도 2는 게임 봇의 게임 수행 위치 패턴을 분석한 예를 도시한 것이다.

온라인 게임 서버(10)에 의해 기록된 게임 로그 중에서 플레이어 캐릭터의 레벨을 빠르게 성장시키는 것을 선정하여 분석해 보면 특정 위치 패턴을 발견할 수 있다. 예컨대, 퀘스트, 사냥, 휴식, 파티, 채집 등을 수행하는 위치가 비정상적으로 밀집되어 있는 비정상 군집이 있는 것이다.

도 2를 참조하면, 특정 퀘스트를 수행함에 있어서 유사한 위치에서 액티비티를 수행하는 게임 봇들의 집단(20)이 있으며, 전체 캐릭터들의 퀘스트 수행 위치에 비추어 볼 때 이들은 밀집도가 지나치게 높은 비정상 군집(21)을 이루고 있다.

본 발명은 이러한 분석 결과에 착안한 것으로, 퀘스트 등의 주요 임무를 수행할 때의 위치를 기반으로 게임 봇의 행동 패턴을 보이는 유저를 검출하고자 한다.

도 3은 본 발명의 일 실시예에 따른 비정상 캐릭터 검출 시스템의 구성을 설명하는 기능 블록도이다.

비정상 캐릭터 검출 시스템(30)은 로그 저장수단(31), 탐지 패턴 생성수단(33) 및 비정상 캐릭터 탐지수단(35)을 포함할 수 있다.

로그 저장수단(31)은 플레이어 캐릭터들의 온라인 게임 내 행위를 로그(32)로 저장한다.

탐지 패턴 생성수단(33)은 비정상 캐릭터의 행동 패턴으로 의심되는 위치 시퀀스 패턴(34)을 생성하여 기록한다.

위치 시퀀스 패턴(34)은 복수의 분석 대상 단위에 대한 위치 정보들의 시퀀스를 패턴화한 것이다. 분석 대상 단위는 캐릭터들의 레벨을 빠르게 성장시키는 액티비티를 포함하는 것으로 본 발명에 따라 수행 위치가 분석되는 대상을 말한다. 퀘스트, 사냥, 휴식, 파티 또는 채집을 그 예로 들 수 있다. 구체적으로, 본 발명에서는 n개의 퀘스트이나 n개의 사냥 등에서의 수행 위치 정보를 나열한 위치 시퀀스를 생성하여 탐지 기준으로 사용한다.

탐지 패턴 생성수단(33)은 로그(32)로부터 복수의 분석 대상 단위에 대한 로그 데이터를 추출하고, 추출된 로그 데이터로부터 캐릭터의 밀집도가 높은 좌표 데이터를 분석하여 복수의 분석 대상 단위 각각에 대해 밀집도가 높은 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성한다.

선택적으로, 탐지 패턴 생성수단(33)은 로그로부터 비정상 캐릭터로 의심되는 캐릭터의 복수의 분석 대상 단위에 대한 로그 데이터를 추출하고, 추출된 로그 데이터로부터 의심 캐릭터가 복수의 분석 대상 단위에 해당하는 플레이를 행한 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성한다.

즉, 본 발명에 따른 위치 시퀀스 패턴은 밀집도가 비정상적으로 높은 위치에서의 게임 수행이나, 의심이 되는 유저와 동일한 위치에서의 게임 수행을 탐지하기 위한 것이다.

비정상 캐릭터 탐지수단(35)은 탐지 패턴 생성수단(33)에 의해 생성된 위치 시퀀스 패턴(34)에 따라 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단한다.

비정상 캐릭터 검출 시스템(30)의 상세한 기능은 도 4 내지 도 10을 참조하며 후술하기로 한다.

도 4는 본 발명의 일 실시예에 따른 비정상 캐릭터 검출 방법을 설명하기 위한 순서도이다.

먼저, 온라인 게임의 로그로부터 복수의 분석 대상 단위에 대한 로그 데이터를 추출한다(S40). 분석 대상 단위는, 온라인 게임을 구성하는 퀘스트, 사냥, 휴식, 파티 또는 채집일 수 있으며, 봇 프로그램이 많이 수행하는 다른 액티비티에 대한 것일 수도 있다.

추출된 로그 데이터로부터 캐릭터의 밀집도가 높은 좌표 데이터를 분석하여 복수의 분석 대상 단위 각각에 대해 밀집도가 높은 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성한다(S42). 비정상 캐릭터의 탐지 패턴으로 사용되는 위치 시퀀스 패턴은 하나 또는 복수 개 생성될 수 있다.

분석 대상 단위가 퀘스트인 경우, 게임 로그 중에서 퀘스트 수행에 대한 것을 추출하고, 퀘스트별로 로그 데이터를 분석하여 각 퀘스트에서 캐릭터의 밀집도가 높은 위치를 판단한다.

도 5는 퀘스트별 게임 수행 위치를 도시한 예이다.

도 5를 참조하면, 각 퀘스트를 수행하고 있는 캐릭터들의 위치가 점으로 표시되어 있으며 밀집도가 비정상적으로 높은 부분이 있음을 알 수 있다.

도 6은 본 발명의 일 실시예에 따라 위치 시퀀스 패턴을 생성하기 위해 클러스터링을 수행하는 모습을 도시한 것이다.

본 발명에서는 각 퀘스트의 수행 위치를 기준으로 빅데이터 분석 알고리즘을 통해 클러스터링을 수행하며, 여러 퀘스트의 분석 데이터를 연계하여 위치 시퀀스를 패턴화한 후 탐지 패턴으로 사용한다.

도 6을 참조하면, 특정 퀘스트를 수행하는 게임 공간을 복수의 셀로 분할하며, 각 셀이 하나의 클러스터(50)를 의미한다. 각 클러스터의 캐릭터 밀집도를 계산한 후 복수의 클러스터 중 캐릭터 밀집도가 가장 높은 클러스터의 인덱스를 위치 시퀀스에 추가하고, 이러한 작업을 각 퀘스트에 대해 수행하면 탐지 패턴으로 사용할 위치 시퀀스 패턴을 얻을 수 있다. 또는, 밀집도가 소정 값 이상인 클러스터의 인덱스를 해당 퀘스트의 위치 정보로 위치 시퀀스에 추가하는 방식으로 위치 시퀀스 패턴을 추출할 수도 있을 것이다.

예를 들어, 퀘스트1에 대해서는 클러스터12, 퀘스트2에 대해서는 클러스터18, 퀘스트3에 대해서는 클러스터23, 퀘스트4에 대해서는 클러스터27, 퀘스트5에 대해서는 클러스터10, 퀘스트6에 대해서는 클러스터14, 퀘스트7에 대해서는 클러스터23, 퀘스트8에 대해서는 클러스터9, 퀘스트9에 대해서는 클러스터25, 퀘스트X에 대해서는 클러스터29, 퀘스트Y에 대해서는 클러스터29를 밀집도가 높은 비정상 군집이 위치하는 클러스터로 판단하고, [12, 18, 23, 27, 10, 14, 23, 9, 25, 29, 29]라는 위치 시퀀스 패턴을 생성한다.

다음으로, 상기와 같이 생성된 위치 시퀀스 패턴에 따라 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단한다(S44). 상기 예에서, 각 퀘스트에 대해 [12, 18, 23, 27, 10, 14, 23, 9, 25, 29, 29]에 해당하는 위치에서 게임을 수행하는 캐릭터가 이에 해당한다.

도 7은 본 발명의 일 실시예에 따라 위치 시퀀스 패턴을 이용하여 봇을 탐지하는 예를 도시한 것이다.

도 7은 클러스터 인덱스로 구성된 3 개의 위치 시퀀스 패턴에 따른 위치에서 각 퀘스트를 수행하는 4명의 캐릭터을 비정상 캐릭터로 검출한 예이다.

A BOT과 B BOT은 각각 사용하고 있는 봇 프로그램은 다르지만 동일한 위치 시퀀스 패턴에 따라 퀘스트들을 수행하고 있으므로, 동일 좌표를 이용한 봇 스크립트를 사용하고 있는 비정상 캐릭터로 판단할 수 있다.

C BOT의 경우 밀집도를 기준으로 생성된 위치 시퀀스 패턴과 완전히 일치하게 행동하고 있지는 않지만 퀘스트5를 제외하고는 1번 패턴과 동일한 패턴의 위치에서 각 퀘스트를 수행하고 있다. 따라서, 해당 유저가 A BOT이나 B BOT의 스크립트를 일부 수정하여 사용하고 있는 것으로 판단하여, C BOT도 비정상 캐릭터로 검출하고 C BOT의 위치 패턴을 추가적인 탐지 패턴으로 사용할 수 있다.

D BOT의 경우 밀집도를 기준으로 생성한 위치 시퀀스 패턴에 따라 퀘스트를 수행하였으므로 비정상 캐릭터로 검출되었으며, 나머지 유저들은 일반 유저로 판단된다.

위치 시퀀스 패턴은 좌표 값으로 패턴이 기록될 수도 있다. 예를 들어, 위치 시퀀스 패턴 [12, 18, 23, 27, 10, 14, 23, 9, 25, 29, 29]은 [1000/2233/-2222, 1114/6664/2211, -333/223/4444, ...]라는 좌표 값으로 변환되어 기록될 수도 있다. 좌표 패턴의 생성은, 위치 시퀀스 패턴에 포함되는 계정들의 평균 좌표를 통해 수행될 수 있다. 퀘스트1에 대한 평균 좌표는 아래의 식과 같이 구할 수 있으며, 다른 퀘스트들에 대한 평균 좌표도 동일한 방식으로 구할 수 있다.

(여기서, n은 위치 시퀀스 패턴에 속하는 계정들의 수이고,

Q1(i)는 퀘스트1을 수행하는 유저 i의 좌표 값이다)

상기와 같이, 각 분석 대상 단위에 대해 위치 시퀀스 패턴에 포함되는 계정들의 평균 좌표를 계산한 다음, 각 분석 대상 단위에 해당하는 플레이를 할 때 평균 좌표로부터 소정의 임계치 이내의 위치에서 플레이를 수행하는 경우 위치 시퀀스 패턴에 따라 플레이하는 것으로 결정할 수 있다.

임계치로 최빈값, 분산, 최대값, 최소값을 통해 결정된 가중치 X가 사용될 수 있으며, 이벤트 완료 로그가 생성될 때마다 아래의 식과 같이 비교하여 각각의 좌표 값이 시퀀스 패턴과 모두 일치하는 경우 봇으로 판단한다. 이 경우 비실시간(로그 생성 기준으로는 실시간)으로 비정상 캐릭터의 탐지가 가능하며, 서버에 검증 로직을 추가하는 경우는 완전한 실시간 탐지가 가능하다.

R1 = abs(P1-Q1) < X, R2 = abs(P2-Q2) < X, ..., Rn = abs(Pn-Qn) < X

if (R1 & R2 & ... & Rn)

{

isBOT(True)

}

한편, 패턴 추출 과정에서 생성한 클러스터를 통해 봇 탐지를 수행하려는 경우는 이벤트별(분석 대상 단위별) 클러스터 중심 값을 모두 계산한 다음, 각 분석 대상 단위에 해당하는 플레이를 할 때 중심 값으로부터 소정의 임계치 이내의 위치에서 플레이를 수행하는 경우 위치 시퀀스 패턴에 따라 플레이하는 것으로 결정할 수 있다. 계산된 클러스터 중심 값과 가장 근접한 값을 통해 클러스터 구역을 유추하는 방법이다.

도 8은 본 발명의 다른 실시예에 따른 비정상 캐릭터 검출 방법을 설명하기 위한 순서도이다.

도 8을 참조하면, 게임 로그로부터 비정상 캐릭터로 의심되는 캐릭터의 복수의 분석 대상 단위에 대한 로그 데이터를 추출한다(S80). 예컨대, 모든 계정에 대한 퀘스트별 로그를 분석하는 대신 봇으로 의심되는 계정의 퀘스트 수행 로그만 추출하여 분석하는 것이다.

이렇게 추출된 로그 데이터로부터 의심 캐릭터가 복수의 분석 대상 단위에 해당하는 플레이를 행한 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성한다(S82).

다음으로, 상기에서 추출된 위치 시퀀스 패턴에 따라 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단한다(S84). 봇으로 의심되는 계정과 동일 또는 유사한 패턴으로 이동하며 특정 행위를 하는 캐릭터를 검출하는 것이다.

도 9는 본 발명을 일상적인 제재시 활용하는 예와 의심 대상 유저 조사시 활용하는 예를 설명하기 위한 것이다.

일상적인 제재시는, 다수가 중첩되는 위치에서 특정 행위를 수행하는 좌표를 분석하고 여러 분석 결과를 합쳐 위치 시퀀스 패턴을 생성하여 탐지 패턴으로 사용한다. 이 경우는, 도 4를 참조하여 설명한 바와 같이 밀집도를 기준으로 탐지 패턴을 생성하고 제재에 활용하는 것이다.

의심 대상을 조사할 때는, 도 8을 참조하여 설명한 바와 같이 봇으로 의심되는 유저의 특정 행위 수행 좌표를 패턴화하여 탐지 패턴으로 사용한다. 이 탐지 패턴과 일치하는 패턴으로 게임을 수행하는 캐릭터들을 추출하여 분석하고, 일치하는 캐릭터가 많은 경우 새로운 탐지 패턴으로 등록하여 실시간 검출에 사용되도록 한다.

도 10은 본 발명에 따라 게임에서 봇이 순차적으로 제재되는 과정을 설명하기 위한 것이다.

본 발명에 따르면 다수의 계정이 사용하는 봇 스크립트를 제재하게 된다. 따라서, 자동적으로 사용자가 가장 많은 봇(1)이 제재되면, 사용자 분산에 따라 2 순위로 사용자가 많던 봇(2)이 검출되어 제재되고, 다음으로 사용자가 많은 봇(3)이 검출되는 식이므로, 전 검출 과정을 자동화 처리하는 것이 가능하다.

본 발명의 일 실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 본 발명을 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다.

이상에서 본 발명의 실시예에 대하여 상세하게 설명하였지만 본 발명의 권리범위는 이에 한정되는 것은 아니고 다음의 청구범위에서 정의하고 있는 본 발명의 기본 개념을 이용한 당업자의 여러 변형 및 개량 형태 또한 본 발명의 권리범위에 속한다.

10: 온라인 게임 서버
11: 일반 게이머
12: 작업장

Claims (10)

1. 온라인 게임의 로그로부터 복수의 분석 대상 단위에 대한 로그 데이터를 추출하는 단계와;
   상기 추출된 로그 데이터로부터 캐릭터의 밀집도가 높은 좌표 데이터를 분석하여 상기 복수의 분석 대상 단위 각각에 대해 밀집도가 높은 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 단계와;
   상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 단계를 포함하며,
   상기 위치 시퀀스 패턴은 인덱스의 나열이며,
   상기 인덱스는 상기 분석 대상 단위를 수행하는 게임 공간을 복수의 클러스터로 분할한 후 복수의 각 클러스터 중에서 캐릭터 밀집도가 가장 높은 클러스터로 결정되며,
   나열된 복수의 각 클러스터의 인덱스 비교를 통해 상기 비정상 캐릭터의 판단이 이루어지는 것을 특징으로 하는, 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법.
2. 삭제
3. 제1항에 있어서,
   상기 비정상 캐릭터로 판단하는 단계는,
   상기 각 분석 대상 단위에 대해 상기 위치 시퀀스 패턴에 포함된 클러스터의 중심 값을 계산하는 단계와;
   상기 각 분석 대상 단위에 해당하는 플레이를 할 때 상기 계산된 중심 값으로부터 소정의 임계치 이내의 위치에서 플레이를 수행하는 경우 상기 위치 시퀀스 패턴에 따라 플레이하는 것으로 결정하는 단계를 포함하는 것을 특징으로 하는, 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법.
4. 제1항에 있어서,
   상기 비정상 캐릭터로 판단하는 단계는,
   상기 각 분석 대상 단위에 대해 상기 위치 시퀀스 패턴에 포함되는 계정들의 평균 좌표를 계산하는 단계와;
   상기 각 분석 대상 단위에 해당하는 플레이를 할 때 상기 계산된 평균 좌표로부터 소정의 임계치 이내의 위치에서 플레이를 수행하는 경우 상기 위치 시퀀스 패턴에 따라 플레이하는 것으로 결정하는 단계를 포함하는 것을 특징으로 하는, 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법.
5. 제1항에 있어서,
   상기 분석 대상 단위는, 상기 온라인 게임을 구성하는 퀘스트, 사냥, 휴식, 파티 또는 채집인 것을 특징으로 하는, 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법.
6. 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법을 수행하기 위해 기록매체에 기록된 컴퓨터 프로그램에 있어서, 상기 방법은,
   온라인 게임의 로그로부터 복수의 분석 대상 단위에 대한 로그 데이터를 추출하는 단계와;
   상기 추출된 로그 데이터로부터 캐릭터의 밀집도가 높은 좌표 데이터를 분석하여 상기 복수의 분석 대상 단위 각각에 대해 밀집도가 높은 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 단계와;
   상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 단계를 포함하며,
   상기 위치 시퀀스 패턴은 인덱스의 나열이며,
   상기 인덱스는 상기 분석 대상 단위를 수행하는 게임 공간을 복수의 클러스터로 분할한 후 복수의 각 클러스터 중에서 캐릭터 밀집도가 가장 높은 클러스터로 결정되며,
   나열된 복수의 각 클러스터의 인덱스 비교를 통해 상기 비정상 캐릭터의 판단이 이루어지는 것을 특징으로 하는 컴퓨터 판독가능 기록매체에 기록된 컴퓨터 프로그램.
7. 플레이어 캐릭터의 온라인 게임 내 행위를 로그로 저장하는 로그 저장수단과;
   상기 로그 저장수단에 의해 저장된 로그로부터 복수의 분석 대상 단위에 대한 로그 데이터를 추출하고, 상기 추출된 로그 데이터로부터 캐릭터의 밀집도가 높은 좌표 데이터를 분석하여 상기 복수의 분석 대상 단위 각각에 대해 밀집도가 높은 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 탐지 패턴 생성수단과;
   상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 비정상 캐릭터 탐지수단을 포함하며,
   상기 위치 시퀀스 패턴은 인덱스의 나열이며,
   상기 인덱스는 상기 분석 대상 단위를 수행하는 게임 공간을 복수의 클러스터로 분할한 후 복수의 각 클러스터 중에서 캐릭터 밀집도가 가장 높은 클러스터로 결정되며,
   나열된 복수의 각 클러스터의 인덱스 비교를 통해 상기 비정상 캐릭터의 판단이 이루어지는 것을 특징으로 하는, 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 시스템.
8. 게임 로그로부터 의심 캐릭터의 복수의 분석 대상 단위에 대한 로그 데이터를 추출하는 단계와;
   상기 추출된 로그 데이터로부터 상기 의심 캐릭터가 상기 복수의 분석 대상 단위에 해당하는 플레이를 행한 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 단계와;
   상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 단계를 포함하며,
   상기 위치 시퀀스 패턴은 인덱스의 나열이며,
   상기 인덱스는 상기 분석 대상 단위를 수행하는 게임 공간을 복수의 클러스터로 분할한 후 복수의 각 클러스터 중에서 캐릭터 밀집도가 가장 높은 클러스터로 결정되며,
   나열된 복수의 각 클러스터의 인덱스 비교를 통해 상기 비정상 캐릭터의 판단이 이루어지는 것을 특징으로 하는, 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법.
9. 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 방법을 수행하기 위해 기록매체에 기록된 컴퓨터 프로그램에 있어서, 상기 방법은,
   게임 로그로부터 의심 캐릭터의 복수의 분석 대상 단위에 대한 로그 데이터를 추출하는 단계와;
   상기 추출된 로그 데이터로부터 상기 의심 캐릭터가 상기 복수의 분석 대상 단위에 해당하는 플레이를 행한 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 단계와;
   상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 단계를 포함하며,
   상기 위치 시퀀스 패턴은 인덱스의 나열이며,
   상기 인덱스는 상기 분석 대상 단위를 수행하는 게임 공간을 복수의 클러스터로 분할한 후 복수의 각 클러스터 중에서 캐릭터 밀집도가 가장 높은 클러스터로 결정되며,
   나열된 복수의 각 클러스터의 인덱스 비교를 통해 상기 비정상 캐릭터의 판단이 이루어지는 것을 특징으로 하는 컴퓨터 판독가능 기록매체에 기록된 컴퓨터 프로그램.
10. 플레이어 캐릭터의 온라인 게임 내 행위를 로그로 저장하는 로그 저장수단과;
    상기 로그 저장수단에 의해 저장된 게임 로그로부터 의심 캐릭터의 복수의 분석 대상 단위에 대한 로그 데이터를 추출하고, 추출된 로그 데이터로부터 상기 의심 캐릭터가 상기 복수의 분석 대상 단위에 해당하는 플레이를 행한 위치에 대한 정보를 포함하는 위치 시퀀스 패턴을 생성하는 탐지 패턴 생성수단과;
    상기 생성된 위치 시퀀스 패턴에 따라 상기 복수의 분석 대상 단위에 해당하는 플레이를 행하는 캐릭터를 비정상 캐릭터로 판단하는 비정상 캐릭터 탐지수단을 포함하며,
    상기 위치 시퀀스 패턴은 인덱스의 나열이며,
    상기 인덱스는 상기 분석 대상 단위를 수행하는 게임 공간을 복수의 클러스터로 분할한 후 복수의 각 클러스터 중에서 캐릭터 밀집도가 가장 높은 클러스터로 결정되며,
    나열된 복수의 각 클러스터의 인덱스 비교를 통해 상기 비정상 캐릭터의 판단이 이루어지는 것을 특징으로 하는, 온라인 게임 내 위치 특성 분석을 이용한 비정상 캐릭터 검출 시스템.

Images