KR101998294B1 - 작업장 계정 검출 장치 및 방법 - Google Patents

작업장 계정 검출 장치 및 방법 Download PDF

Info

Publication number
KR101998294B1
KR101998294B1 KR1020180119828A KR20180119828A KR101998294B1 KR 101998294 B1 KR101998294 B1 KR 101998294B1 KR 1020180119828 A KR1020180119828 A KR 1020180119828A KR 20180119828 A KR20180119828 A KR 20180119828A KR 101998294 B1 KR101998294 B1 KR 101998294B1
Authority
KR
South Korea
Prior art keywords
account
macro
score
input
extracting
Prior art date
Application number
KR1020180119828A
Other languages
English (en)
Inventor
하명성
김창연
조형준
조혜민
Original Assignee
넷마블 주식회사
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 넷마블 주식회사 filed Critical 넷마블 주식회사
Priority to KR1020180119828A priority Critical patent/KR101998294B1/ko
Application granted granted Critical
Publication of KR101998294B1 publication Critical patent/KR101998294B1/ko

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/75—Enforcing rules, e.g. detecting foul play or generating lists of cheating players
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F13/00—Video games, i.e. games using an electronically generated display having two or more dimensions
    • A63F13/70—Game security or game management aspects
    • A63F13/79—Game security or game management aspects involving player-related data, e.g. identities, accounts, preferences or play histories
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • A—HUMAN NECESSITIES
    • A63—SPORTS; GAMES; AMUSEMENTS
    • A63F—CARD, BOARD, OR ROULETTE GAMES; INDOOR GAMES USING SMALL MOVING PLAYING BODIES; VIDEO GAMES; GAMES NOT OTHERWISE PROVIDED FOR
    • A63F2300/00—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game
    • A63F2300/50—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers
    • A63F2300/57—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers details of game services offered to the player
    • A63F2300/575—Features of games using an electronically generated display having two or more dimensions, e.g. on a television screen, showing representations related to the game characterized by details of game servers details of game services offered to the player for trading virtual items
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/21—Indexing scheme relating to G06F21/00 and subgroups addressing additional information or applications relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/2109—Game systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

작업장 계정 검출 장치 및 방법이 제시된다. 작업장 계정 검출 장치는, 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력을 수신하는 I/O 인터페이스, 상기 게임 프로그램에 대한 입력과 관련된 게임 로그를 저장하는 메모리 및 상기 게임 프로그램의 게임 로그를 기초로 작업장 의심 계정 집단을 출력하는 프로세서를 포함하고, 상기 프로세서는, 상기 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 기초로 매크로 계정을 추출함으로써 파머(farmer) 계정을 선택하고, 재화에 대한 거래 금액을 기초로 셀러(seller) 계정을 추출하고, 상기 파머 계정 및 상기 셀러 계정 간의 거래 내역과 관련된 계정들을 추출하고, 상기 관련된 계정들을 기초로 작업장 계정 집단을 출력한다.

Description

작업장 계정 검출 장치 및 방법{APPARATUS AND METHOD FOR DETECTION OF GOLD FARMER GROUP ACCOUNT}
아래의 설명은 작업장 계정을 검출하는 기술에 관한 것이다.
비정상 계정들은 집단을 이루어 재화 획득을 수행하는데 비정상 계정의 집단은 작업장 계정이라고 지칭될 수 있다. 작업장 계정들은 대게 일정 공간에서 다수의 단말기를 통해 활동한다. 작업장 계정들이 활동하는 물리적 공간은 작업장으로 지칭된다. 작업장은 게임 내 재화의 현금 거래를 기업적으로 운영하여 게임 회사의 이익에 막대한 손실을 끼친다. 또한 여러 계정을 동시다발적으로 운영하여 정상 계정의 게임 진행을 방해하여 유저들의 만족도를 저해할 수 있다.
일 실시예에 따른 매크로 계정 검출 장치는, 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력을 수신하는 I/O 인터페이스, 상기 게임 프로그램에 대한 입력과 관련된 게임 로그(Log)를 저장하는 메모리 및 상기 게임 프로그램의 게임 로그를 기초로 매크로 계정을 출력하는 프로세서를 포함하고, 상기 프로세서는, 상기 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 추출하고, 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출할 수 있다.
상기 프로세서는, 상기 딜레이 시퀀스를 하나 이상의 섹터로 분할하고, 상기 분할된 섹터 중의 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 기초로 상기 매크로 계정을 추출할 수 있다.
상기 프로세서는, 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 나타내는 제2 벡터를 계산하고, 상기 제2 벡터를 기초로 상기 매크로 계정을 추출할 수 있다.
상기 프로세서는, 상기 제2 벡터를 구성하는 복수의 엘레먼트(element) 중의 특정 엘레먼트가 연속된 길이 및 상기 특정 엘레먼트의 개수를 기초로 제1 스코어를 계산하고, 상기 제1 스코어를 기초로 상기 매크로 계정을 추출할 수 있다.
상기 프로세서는, 상기 복수의 입력 딜레이 중에서 일정한 범위의 빈도를 가지는 적어도 하나의 입력 딜레이를 선택하고, 상기 선택된 입력 딜레이와 상기 복수의 입력 딜레이 전체의 비율을 기초로 상기 제2 스코어를 계산할 수 있다.
상기 일정한 범위의 빈도는 가장 높은 빈도를 중심으로 일정한 간격 내의 빈도를 포함할 수 있다.
상기 프로세서는, 상기 제1 벡터를 구성하는 복수의 엘레먼트 중의 특정 엘레먼트가 연속된 길이 및 상기 특정 엘레먼트의 개수를 기초로 제3 스코어를 계산하고, 상기 제3 스코어를 기초로 상기 매크로 계정을 추출할 수 있다.
상기 뉴럴 네트워크는 학습 데이터를 이용하여 학습되고, 상기 학습 데이터는 학습 딜레이 시퀀스로부터 분할된 하나 이상의 섹터 각각에 대하여 매크로에 대응되는지 여부를 식별함으로써 획득될 수 있다.
상기 프로세서는, 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이로부터 계산된 제1 스코어, 상기 복수의 입력 딜레이 각각의 빈도로부터 계산된 제2 스코어 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터로부터 계산된 제3 스코어 중 적어도 둘 이상을 기초로 매크로 계정을 추출할 수 있다.
상기 프로세서는, 상기 제1 스코어, 상기 제2 스코어 및 상기 제3 스코어 중 둘 이상의 스코어를 기초로 종합 스코어를 계산하고, 상기 종합 스코어를 기초로 매크로 계정을 추출할 수 있다.
상기 프로세서는, 상기 제1 스코어의 루트값, 상기 제2 스코어의 루트값 및 상기 제3 스코어를 선형적으로 합산함으로써 상기 종합 스코어를 계산할 수 있다.
일 실시예에 따른 작업장 계정 검출 장치는, 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력을 수신하는 I/O 인터페이스, 상기 게임 프로그램에 대한 입력과 관련된 게임 로그를 저장하는 메모리 및 상기 게임 프로그램의 게임 로그를 기초로 작업장 의심 계정 집단을 출력하는 프로세서를 포함하고, 상기 프로세서는, 상기 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 기초로 매크로 계정을 추출함으로써 파머(farmer) 계정을 선택하고, 재화에 대한 거래 금액을 기초로 셀러(seller) 계정을 추출하고, 상기 파머 계정 및 상기 셀러 계정 간의 거래 내역과 관련된 계정들을 추출하고, 상기 관련된 계정들을 기초로 작업장 계정 집단을 출력할 수 있다.
상기 프로세서는, 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 상기 매크로 계정을 추출할 수 있다.
상기 프로세서는, 상기 재화를 평균가 이상으로 판매하는 이상 거래에 해당하는지 여부를 기준으로 셀러 계정을 추출할 수 있다.
상기 프로세서는, 계정 별로 상기 이상 거래에서 거래된 금액, 상기 이상 거래와 관련된 판매 계정의 수 및 상기 이상 거래의 수를 기초로 제4 스코어를 계산하고, 상기 제4 스코어를 기초로 상기 셀러 계정을 추출할 수 있다.
일 실시예에 따른 작업장 계정 검출 장치는, 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력을 수신하는 I/O 인터페이스, 상기 게임 프로그램에 대한 입력과 관련된 게임 로그를 저장하는 메모리 및 상기 게임 프로그램의 게임 로그를 기초로 작업장 의심 계정 집단을 출력하는 프로세서를 포함하고, 상기 프로세서는, 상기 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 기초로 매크로 계정을 추출함으로써 제1 작업장 계정 집단을 출력하고, 상기 게임 로그로부터 추출된 거래 관련 데이터를 기초로 생성된 각 계정별 거래 관련 그래프를 기준으로 전체 계정들을 클러스터링함으로써 제2 작업장 계정 집단을 출력하고, 상기 게임 로그로부터 추출된 재화 획득을 위해 방문한 지역을 순서대로 나타내는 지역 이동 시퀀스를 기초로 전체 계정들을 클러스터링함으로써 제3 작업장 계정 집단을 출력하고, 상기 제1 작업장 계정 집단, 상기 제2 작업장 계정 집단 및 상기 제3 작업장 계정 집단 중 공통되는 계정들을 최종 작업장 계정 집단으로서 출력할 수 있다.
상기 프로세서는, 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 상기 매크로 계정을 추출할 수 있다.
상기 프로세서는, 상기 게임 로그로부터 추출된 거래 관련 데이터를 기초로 제1 거래 관련 데이터를 x축으로 설정하고, 제2 거래 관련 데이터를 y축으로 설정하여 각 계정별 거래 관련 그래프를 생성하고, 상기 각 계정별 거래 관련 그래프를 기준으로 전체 계정들을 클러스터링함으로써 상기 제2 작업장 계정 집단을 출력할 수 있다.
상기 프로세서는, 각 계정별로 상기 게임 로그로부터 추출된 재화 획득과 관련된 지역을 나타내는 지역 인덱스를 시간순으로 정렬한 지역 이동 시퀀스를 생성하고, 상기 지역 이동 시퀀스에 미리 정해진 복수의 패턴들이 포함되어 있는지 여부를 판단하여 다차원 데이터를 획득하고, 상기 다차원 데이터를 클러스터링함으로써 상기 제3 작업장 계정 집단을 출력할 수 있다.
일 실시예에 따른 매크로 계정 검출 방법은, 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력과 관련된 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 추출하는 단계 및 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출하는 단계를 포함한다.
상기 매크로 계정을 추출하는 단계는, 상기 딜레이 시퀀스를 하나 이상의 섹터로 분할하는 단계 및 상기 분할된 섹터 중의 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 기초로 상기 매크로 계정을 추출하는 단계를 포함할 수 있다.
상기 차이를 기초로 상기 매크로 계정을 추출하는 단계는, 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 나타내는 제2 벡터를 계산하는 단계 및 상기 제2 벡터를 기초로 상기 매크로 계정을 추출하는 단계를 포함할 수 있다.
상기 제2 벡터를 기초로 상기 매크로 계정을 추출하는 단계는, 상기 제2 벡터를 구성하는 복수의 엘레먼트 중의 특정 엘레먼트가 연속된 길이 및 상기 특정 엘레먼트의 개수를 기초로 제1 스코어를 계산하는 단계 및 상기 제1 스코어를 기초로 상기 매크로 계정을 추출하는 단계를 포함할 수 있다.
상기 매크로 계정을 추출하는 단계는, 상기 복수의 입력 딜레이 중에서 일정한 범위의 빈도를 가지는 적어도 하나의 입력 딜레이를 선택하는 단계 및 상기 선택된 입력 딜레이와 상기 복수의 입력 딜레이 전체의 비율을 기초로 상기 제2 스코어를 계산하는 단계를 포함할 수 있다.
상기 일정한 범위의 빈도는 가장 높은 빈도를 중심으로 일정한 간격 내의 빈도를 포함할 수 있다.
상기 매크로 계정을 추출하는 단계는, 상기 제1 벡터를 구성하는 복수의 엘레먼트 중의 특정 엘레먼트가 연속된 길이 및 상기 특정 엘레먼트의 개수를 기초로 제3 스코어를 계산하는 단계 및 상기 제3 스코어를 기초로 상기 매크로 계정을 추출하는 단계를 포함할 수 있다.
상기 뉴럴 네트워크는 학습 데이터를 이용하여 학습되고, 상기 학습 데이터는 학습 딜레이 시퀀스로부터 분할된 하나 이상의 섹터 각각에 대하여 매크로에 대응되는지 여부를 식별함으로써 획득될 수 있다.
상기 매크로 계정을 추출하는 단계는, 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이로부터 계산된 제1 스코어, 상기 복수의 입력 딜레이 각각의 빈도로부터 계산된 제2 스코어 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터로부터 계산된 제3 스코어 중 적어도 둘 이상을 기초로 상기 매크로 계정을 추출할 수 있다.
상기 매크로 계정을 추출하는 단계는, 상기 제1 스코어, 상기 제2 스코어 및 상기 제3 스코어 중 둘 이상의 스코어를 기초로 종합 스코어를 계산하는 단계 및 상기 종합 스코어를 기초로 매크로 계정을 추출하는 단계를 포함할 수 있다.
상기 종합 스코어를 계산하는 단계는, 상기 제1 스코어의 루트값, 상기 제2 스코어의 루트값 및 상기 제3 스코어를 선형적으로 합산함으로써 상기 종합 스코어를 계산할 수 있다.
작업장 계정 검출 방법은, 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력과 관련된 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 기초로 매크로 계정을 추출함으로써 파머 계정을 선택하는 단계, 재화에 대한 거래 금액을 기초로 셀러 계정을 추출하는 단계, 상기 파머 계정 및 상기 셀러 계정 간의 거래 내역과 관련된 계정들을 추출하는 단계 및 상기 관련된 계정들을 기초로 작업장 계정 집단을 출력하는 단계를 포함할 수 있다.
상기 파머 계정을 선택하는 단계는, 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 상기 매크로 계정을 추출할 수 있다.
상기 셀러 계정을 추출하는 단계는, 상기 재화를 평균가 이상으로 판매하는 이상 거래에 해당하는지 여부를 기준으로 셀러 계정을 추출할 수 있다.
상기 셀러 계정을 추출하는 단계는, 계정 별로 상기 이상 거래에서 거래된 금액, 상기 이상 거래와 관련된 판매 계정의 수 및 상기 이상 거래의 수를 기초로 제4 스코어를 계산하는 단계 및 상기 제4 스코어를 기초로 상기 셀러 계정을 추출하는 단계를 포함할 수 있다.
일 실시예에 따른 작업장 계정 검출 방법은, 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력과 관련된 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 기초로 매크로 계정을 추출함으로써 제1 작업장 계정 집단을 출력하는 단계, 상기 게임 로그로부터 추출된 거래 관련 데이터를 기초로 생성된 각 계정별 거래 관련 그래프를 기준으로 전체 계정들을 클러스터링함으로써 제2 작업장 계정 집단을 출력하는 단계, 상기 게임 로그로부터 추출된 재화 획득을 위해 방문한 지역을 순서대로 나타내는 지역 이동 시퀀스를 기초로 전체 계정들을 클러스터링함으로써 제3 작업장 계정 집단을 출력하는 단계 및 상기 제1 작업장 계정 집단, 상기 제2 작업장 계정 집단 및 상기 제3 작업장 계정 집단 중 공통되는 계정들을 최종 작업장 계정 집단으로서 출력하는 단계를 포함할 수 있다.
제1 작업장 계정 집단을 출력하는 단계는, 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 상기 매크로 계정을 추출할 수 있다.
상기 제2 작업장 계정 집단을 출력하는 단계는, 상기 게임 로그로부터 추출된 거래 관련 데이터를 기초로 제1 거래 관련 데이터를 x축으로 설정하고, 제2 거래 관련 데이터를 y축으로 설정하여 각 계정별 거래 관련 그래프를 생성하는 단계 및 상기 각 계정별 거래 관련 그래프를 기준으로 전체 계정들을 클러스터링함으로써 상기 제2 작업장 계정 집단을 출력하는 단계를 포함할 수 있다.
상기 제3 작업장 계정 집단을 출력하는 단계는, 각 계정별로 상기 게임 로그로부터 추출된 재화 획득과 관련된 지역을 나타내는 지역 인덱스를 시간순으로 정렬한 지역 이동 시퀀스를 생성하는 단계, 상기 지역 이동 시퀀스에 미리 정해진 복수의 패턴들이 포함되어 있는지 여부를 판단하여 다차원 데이터를 획득하는 단계 및 상기 다차원 데이터를 클러스터링함으로써 상기 제3 작업장 계정 집단을 출력하는 단계를 포함할 수 있다.
일 실시예에 따른 컴퓨터 판독 가능한 저장 매체는 상기 방법을 실행하기 위한 인스트럭션들을 저장할 수 있다.
일 실시예에 따른 컴퓨터 프로그램은 상기 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장될 수 있다.
도 1은 일 실시예에 따른 거래소 기반 거래를 운용하는 게임 프로그램에 대한 작업장 검출 상황을 도시한 도면이다.
도 2는 일 실시예에 따른 매크로 계정 검출 장치의 전체적인 구성을 도시한 도면이다.
도 3은 일 실시예에 따른 매크로 계정 검출 방법의 동작을 도시한 순서도이다.
도 4는 제1 일 실시예에 따른 작업장 계정 검출 장치의 전체적인 구성을 도시한 도면이다.
도 5는 제1 일 실시예에 따른 작업장 계정 검출 방법의 동작을 도시한 순서도이다.
도 6은 제2 실시예에 따른 작업장 계정 검출 방법의 전체 동작을 도시한 흐름도이다.
도 7은 제2 실시예에 따른 작업장 계정 검출 장치의 전체적인 구성을 도시한 도면이다.
도 8은 제2 실시예에 따른 작업장 계정 검출 방법의 전체 동작을 도시한 순서도이다.
이하에서, 첨부된 도면을 참조하여 실시예들을 상세하게 설명한다. 그러나, 실시예들에는 다양한 변경이 가해질 수 있어서 특허출원의 권리 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 실시예들에 대한 모든 변경, 균등물 내지 대체물이 권리 범위에 포함되는 것으로 이해되어야 한다.
실시예에서 사용한 용어는 단지 설명을 목적으로 사용된 것으로, 한정하려는 의도로 해석되어서는 안된다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 명세서 상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 출원에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
또한, 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조부호를 부여하고 이에 대한 중복되는 설명은 생략하기로 한다. 실시예를 설명함에 있어서 관련된 공지 기술에 대한 구체적인 설명이 실시예의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그 상세한 설명을 생략한다.
도 1은 일 실시예에 따른 거래소 기반 거래를 운용하는 게임 프로그램에 대한 작업장 검출 상황을 도시한 도면이다.
일 실시예에 따르면, 게임 프로그램(100)에 대한 작업장 검출을 수행하는 작업장 계정 검출 장치는 매크로 계정을 포함하는 비정상 계정을 검출함으로써 게임 프로그램(100)의 운영을 안정시킬 수 있다. 작업장 계정 검출 장치는 입력 딜레이를 기초로 매크로 계정을 검출하고 집단 행동을 보이는 계정들을 분류하여 작업장 계정 집단을 검출할 수 있다.
게임 프로그램(100) 내의 재화(121)가 오프라인에서 금전적인 가치를 가지게 되어 유저들 사이에서 재화(121)가 현금으로 거래되는 현상이 발생한다. 금전적 가치를 가지는 재화(121)를 획득하려는 목적만을 가지는 계정들이 활동하는데 이는 비정상 계정이라고 지칭될 수 있다. 비정상 계정(111, 113)은 정상 계정과 다른 비정상 행동을 보이며, 특히 비정상 계정(111, 113)의 거래소(101)를 이용한 거래 활동은 정상 계정과 차이점을 갖는다.
작업장 계정은 다수의 계정을 사용하여 역할을 분담할 수 있다. 작업장 계정은 파머(farmer), 뱅커(banker) 및 셀러(seller)로서 역할을 분담할 수 있다. 파머는 매크로 프로그램을 사용하여 게임 내 재화 및 아이템을 생산하는 계정을 의미할 수 있다. 파머는 도감작을 수행할 수 있다. 도감작은 짧은 시간 안에 집중적으로 도감을 수행하여 많은 재화를 획득하는 활동이며, 도감은 게임에서 각 지역에 존재하는 몬스터를 처치하여　보상과 능력치를 획득할 수 있는 콘텐츠를 의미한다. 파머는 생산자, 파머, 농부 및 사냥꾼 등으로 지칭될 수 있다. 뱅커는 파머가 획득한 재화를 저장하는 계정을 의미할 수 있다. 뱅커는 창고지기, 은행 등으로 지칭될 수 있다. 셀러는 뱅커에 의해 저장된 재화를 판매하는 계정을 의미할 수 있다. 셀러는 판매자로 지칭될 수 있다. 셀러와 뱅커는 동일한 계정일 수 있다.
유저간 거래가 가능한 MMORPG에서는 거래를 통한 현금화가 목적인 비정상 계정이 다수 존재하며, 이들에 의해 정상 계정의 유저들의 흥미가 반감될 수 있다. 일반적으로 거래소(101) 없는 유저간 거래를 지원하는 게임의 경우 조건 없이 일방적으로 상대방에게 재화(121)를 전달하는 것이 가능한 반면, 거래소(101) 중심의 거래에서는 일방적인 재화(121) 전달이 금지되고, 물품 등록자 미공개, 물품 가격 상한선 지정 등의 비정상 유저의 거래 활동이 제한될 수 있다.
PC 게임과 달리 모바일 게임에서는 유저간 거래를 허용하지 않고 거래소(101)를 통한 거래만을 허용하는 게임 프로그램이 다수 존재한다. 거래소(101)를 운영하는 경우에도 비정상 계정(111, 113)은 미리 약속된 거래 활동을 이용하여 재화(121)와 거래 대금(123)을 비정상적으로 교환하는 비정상 거래를 수행할 수 있다. 안정적인 게임 프로그램의 운영을 위해, 작업장 계정 검출 장치는 거래소(101) 기반 거래를 채택하는 게임 프로그램(100)에 대해 비정상 계정 또는 작업장 계정을 검출할 필요가 있다.
비정상 계정(111, 113)의 거래 활동은 미리 약속된 것으로서, 예를 들어, 평균 가격을 크게 상회하는 재화(121)를 등록하거나 약속된 수량의 재화(121)를 약속된 시간에 등록하는 방법 등이 여기에 속한다. 그리고 비정상 계정(111, 113)의 거래 활동으로 볼 수 있는 가장 간단하고 공통적인 특징은 비정상 계정들(111, 113) 간의 거래가 굉장히 짧은 시간 안에 수행된다는 점이다.
비정상 계정은 비용 절감을 위하여 매크로 프로그램을 통해 자동으로 재화(121)를 획득할 수 있다. 매크로 프로그램은 다른 프로그램을 위해 반복작업을 수행하는 프로그램으로서, 게임 분야에서는 캐릭터가 자동으로 동작하도록 명령하는 외부 프로그램을 의미할 수 있다. 예를 들어, 매크로 프로그램은 게임 내 사냥, 제작, 채집 등의 활동을 자동으로 수행하는 프로그램을 지칭할 수 있다. 매크로 프로그램을 이용하여 동작하는 비정상 계정은 매크로 계정으로 지칭될 수 있다. 입력과 입력 사이의 딜레이와 관련하여, 매크로 계정은 정상 계정과 다른 패턴을 보일 수 있다. 일반적으로 정상 계정은 사람에 의해 동작하기 때문에 입력과 입력 사이의 딜레이가 불규칙할 수 있지만, 매크로 계정은 매크로 프로그램에 의해 동작하기 때문에 규칙적인 패턴을 나타낼 수 있다.
일 실시예에 따르면, 작업장 계정 검출 장치는 게임 로그를 기초로 계산된 입력 딜레이를 기초로 매크로 계정을 검출할 수 있다. 작업장 계정 검출 장치는 그래프 클러스터링과 이동 패턴 분석을 통해 집단 행동을 하는 비정상 계정들을 검출할 수 있다. 작업장 계정 검출 장치는 매크로 계정과 비정상 계정 집단을 기초로 작업장 계정을 검출할 수 있다.
입력 딜레이는 마우스 클릭 또는 키보드 입력과 같은 사용자 입력의 딜레이를 의미한다. 딜레이는 특정 사용자 입력과 다음 사용자 입력 간의 시간 또는 게임의 특정 이벤트와 다음 사용자 입력 간의 시간을 포함할 수 있다. 딜레이 시퀀스는 입력 딜레이들을 시간적인 순서로 나열한 시퀀스를 의미한다.
그래프 클러스터링은 그래프의 축을 이루는 복수의 특징을 기준으로 다양한 데이터에 대한 그래프를 생성하고, 생성된 복수의 그래프를 이용하여 클러스터링을 수행하는 기법을 의미할 수 있다. 그래프 이미지 클러스터링은 재화 채집을 위해 하는 필드 이동 그래프와 거래 데이터 관련 그래프를 각각 클러스터링하여 이들의 교집합을 찾는 방식으로 작업장 군집을 찾는다.
이동 패턴 분석은 캐릭터가 이동한 지역에 관한 데이터를 패턴에 매칭하여 다차원 데이터를 생성하고, 다차원 데이터에 대해 클러스터링을 수행하는 기법을 의미할 수 있다.
작업장 계정 검출 장치는 매크로 계정을 탐지하여 작업장을 검출하는 방법과 집단 행동을 보이는 계정들을 검출하여 작업장을 검출하는 방법을 함께 사용할 수 있다. 본 발명은 이처럼 다양한 방법을 통해 작업장 검출 결과를 교차 검증함으로써 기존 기술에 비해 신뢰도가 높은 결과를 얻을 수 있다.
이하, 도 2에서는 작업장 검출 장치가 사용하는 방법 중 매크로 계정을 검출하는 매크로 계정 검출 장치가 먼저 설명된다.
도 2는 일 실시예에 따른 매크로 계정 검출 장치의 전체적인 구성을 도시한 도면이다.
일 실시예에 따르면, 매크로 계정 검출 장치(200)는 I/O 인터페이스(201), 메모리(203) 및 프로세서(205)를 포함한다.
I/O 인터페이스(201)는 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력을 수신한다. 여기서, 입력은 마우스 클릭 또는 키보드 입력과 같은 사용자 입력을 포함한다.
메모리(203)는 게임 프로그램에 대한 입력과 관련된 게임 로그(Log)를 저장한다. 여기서, 게임 로그는 게임 서버로 전송되는 다양한 종류의 데이터를 의미한다.
프로세서(205)는 게임 프로그램의 게임 로그를 기초로 매크로 계정을 출력한다. 프로세서(205)는 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 추출한다. 프로세서(205)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출한다.
프로세서(205)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 이용하여 매크로 계정을 추출할 수 있다. 프로세서(205)는 입력 딜레이와의 차이를 기초로 절대값 스코어를 계산할 수 있고, 절대값 스코어를 기초로 매크로 계정을 추출할 수 있다.
프로세서(205)는 각 계정 별로 반복적 행동에 해당하는 게임 로그를 추출하고, 클릭 딜레이를 계산하여 각 계정에 대한 딜레이 시퀀스를 생성할 수 있다. 딜레이 시퀀스는 딜레이들을 시간적인 순서로 나열한 데이터를 의미한다. 딜레이 시퀀스는, 예를 들어, 초단위의 9, 7, 5, 9, 4 … 등으로 표현될 수 있다.
프로세서(205)는 딜레이 시퀀스를 하나 이상의 섹터로 분할할 수 있다. 섹터(sector)는 일정한 길이의 시간 구간을 의미한다. 하나의 섹터에는 복수의 딜레이가 포함될 수 있다. 프로세서(205)는 분할된 섹터 중의 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 기초로 매크로 계정을 추출할 수 있다.
프로세서(205)는 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 나타내는 제2 벡터를 계산할 수 있다. 프로세서(205)는 제2 벡터를 기초로 매크로 계정을 추출할 수 있다.
프로세서(205)는 제2 벡터를 구성하는 복수의 엘레먼트(element) 중의 특정 엘레먼트가 연속된 길이 및 특정 엘레먼트의 개수를 기초로 제1 스코어를 계산할 수 있다. 프로세서(205)는 제1 스코어를 기초로 매크로 계정을 추출할 수 있다.
예를 들어, 프로세서(205)는 하나의 섹터 내에서 인접한 딜레이 간의 차이를 계산할 수 있다. 프로세서(205)는 인접한 딜레이 간의 차이 각각을 제1 임계값과 비교할 수 있다. 프로세서(205)는 제1 임계값 이하인 인접한 딜레이 간의 차이의 개수를 계산할 수 있다. 프로세서(205)는 제1 임계값 이하인 인접한 딜레이 간의 차이의 개수가 제2 임계값 이상인 섹터를 1로 마킹하고, 그렇지 않으면 0으로 마킹하여, 전체 섹터를 벡터화할 수 있다.
프로세서(205)는 수학식 1을 이용하여 제1 스코어를 계산할 수 있다. 제1 스코어는 절대값 스코어(abs score)라고 지칭될 수 있다. 수학식 1은 벡터를 점수화하는 공식으로 결과값은 매크로 스코어(macro score)라고 지칭될 수 있다.
Figure 112018099079636-pat00001
수학식 1에서 a는 계정별 제2 벡터를 의미하며, 예를 들어, [0,1,0,0,1…]의 형태로 표현될 수 있다. l은 a에서 연속으로 1이 나타나는 최대 길이를 의미한다. S는 a 안에 있는 1의 개수를 의미한다. n은 a의 길이를 의미한다. Index는 [1,2,3, … ,n]를 나타내고, index 2는 [1,4,9, … ,
Figure 112018099079636-pat00002
]를 나타낸다.
수학식 1에 따르면, 같은 구간만큼 매크로를 사용했을 때 연속적으로 게임 후반부에 사용한 계정에 대해 더 높은 점수가 도출된다. 같은 비율만큼 매크로를 사용했을 때 절대적으로 매크로를 많이 사용한 계정에 대해 더 높은 점수가 부여된다.
프로세서(205)는 모드 스코어를 계산할 수 있다. 프로세서(205)는 복수의 입력 딜레이 중에서 일정한 범위의 빈도를 가지는 적어도 하나의 입력 딜레이를 선택할 수 있다. 프로세서(205)는 선택된 입력 딜레이와 복수의 입력 딜레이 전체의 비율을 기초로 제2 스코어를 계산할 수 있다. 제2 스코어는 모드 스코어로 지칭될 수 있다.
여기서, 일정한 범위의 빈도는 가장 높은 빈도를 중심으로 일정한 간격 내의 빈도를 포함할 수 있다. 예를 들어, 프로세서(205)는 각 계정 별 딜레이 시퀀스에서 전체 딜레이 중 최빈값 ± 제2 임계값 사이에 위치하는 딜레이의 비율을 계산하여 모드 스코어를 획득할 수 있다.
프로세서(205)는 머신 스코어를 계산할 수 있다. 프로세서(205)는 제1 벡터를 구성하는 복수의 엘레먼트 중의 특정 엘레먼트가 연속된 길이 및 특정 엘레먼트의 개수를 기초로 제3 스코어를 계산할 수 있다. 프로세서(205)는 제3 스코어를 기초로 매크로 계정을 추출할 수 있다.
여기서, 뉴럴 네트워크는 사전에 학습 데이터를 이용하여 학습될 수 있다. 학습 데이터는 학습 딜레이 시퀀스로부터 분할된 하나 이상의 섹터 각각에 대하여 매크로에 대응되는지 여부를 식별함으로써 획득될 수 있다. 예를 들어, 매크로와 비매크로의 경향성을 모두 가지는 계정 표본을 추출하고, 계정 표본의 딜레이 시퀀스를 일정한 길이의 섹터로 나누고, 각각의 섹터에 대한 매크로/비매크로 여부를 라벨링(labeling)함으로써 학습 데이터가 획득될 수 있다.
프로세서(205)는 제1 스코어, 제2 스코어 및 제3 스코어를 종합할 수 있다. 프로세서(205)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이로부터 계산된 제1 스코어, 복수의 입력 딜레이 각각의 빈도로부터 계산된 제2 스코어 및 뉴럴 네트워크를 이용하여 딜레이 시퀀스로부터 출력된 제1 벡터로부터 계산된 제3 스코어 중 적어도 둘 이상을 기초로 매크로 계정을 추출할 수 있다.
프로세서(205)는 제1 스코어, 제2 스코어 및 제3 스코어 중 둘 이상의 스코어를 기초로 종합 스코어를 계산할 수 있다. 프로세서(205)는 종합 스코어를 기초로 매크로 계정을 추출할 수 있다. 프로세서(205)는 제1 스코어의 루트값, 제2 스코어의 루트값 및 제3 스코어를 선형적으로 합산함으로써 종합 스코어를 계산할 수 있다. 예를 들어, 프로세서(205)는 수학식 2를 이용하여 종합 스코어를 계산할 수 있다.
Figure 112018099079636-pat00003
Identifier는 종합 스코어를 의미하고, scoreabs는 제1 스코어를, scoremode는 제2 스코어를, scoremachine은 제3 스코어를 의미한다.
도 3은 일 실시예에 따른 매크로 계정 검출 방법의 동작을 도시한 순서도이다.
일 실시예에 따르면, 단계(301)에서, 프로세서(205)는 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력과 관련된 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 추출한다.
단계(303)에서, 프로세서(205)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출한다.
프로세서(205)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 기초로 절대값 스코어를 계산할 수 있다. 프로세서(205)는 딜레이 시퀀스를 하나 이상의 섹터로 분할하고, 분할된 섹터 중의 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 기초로 매크로 계정을 추출할 수 있다.
프로세서(205)는 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 나타내는 제2 벡터를 계산하고, 제2 벡터를 기초로 매크로 계정을 추출할 수 있다.
프로세서(205)는 제2 벡터를 구성하는 복수의 엘레먼트 중의 특정 엘레먼트가 연속된 길이 및 특정 엘레먼트의 개수를 기초로 제1 스코어를 계산하고, 제1 스코어를 기초로 매크로 계정을 추출할 수 있다.
프로세서(205)는 딜레이의 빈도를 기초로 모드 스코어를 계산할 수 있다. 프로세서(205)는 복수의 입력 딜레이 중에서 일정한 범위의 빈도를 가지는 적어도 하나의 입력 딜레이를 선택하고, 선택된 입력 딜레이와 복수의 입력 딜레이 전체의 비율을 기초로 제2 스코어를 계산할 수 있다. 일정한 범위의 빈도는 가장 높은 빈도를 중심으로 일정한 간격 내의 빈도를 포함할 수 있다.
프로세서(205)는 뉴럴 네트워크를 이용하여 머신 스코어를 계산할 수 있다. 프로세서(205)는 제1 벡터를 구성하는 복수의 엘레먼트 중의 특정 엘레먼트가 연속된 길이 및 특정 엘레먼트의 개수를 기초로 제3 스코어를 계산하고, 제3 스코어를 기초로 매크로 계정을 추출할 수 있다. 여기서, 뉴럴 네트워크는 학습 데이터를 이용하여 미리 학습될 수 있고, 학습 데이터는 학습 딜레이 시퀀스로부터 분할된 하나 이상의 섹터 각각에 대하여 매크로에 대응되는지 여부를 식별함으로써 획득될 수 있다.
프로세서(205)는 절대값 스코어, 모드 스코어 및 머신 스코어를 종합할 수 있다. 프로세서(205)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이로부터 계산된 제1 스코어, 복수의 입력 딜레이 각각의 빈도로부터 계산된 제2 스코어 및 뉴럴 네트워크를 이용하여 딜레이 시퀀스로부터 출력된 제1 벡터로부터 계산된 제3 스코어 중 적어도 둘 이상을 기초로 매크로 계정을 추출할 수 있다.
프로세서(205)는 제1 스코어, 제2 스코어 및 제3 스코어 중 둘 이상의 스코어를 기초로 종합 스코어를 계산하고, 종합 스코어를 기초로 매크로 계정을 추출할 수 있다. 프로세서(205)는 제1 스코어의 루트값, 제2 스코어의 루트값 및 제3 스코어를 선형적으로 합산함으로써 종합 스코어를 계산할 수 있다.
도 4는 제1 일 실시예에 따른 작업장 계정 검출 장치의 전체적인 구성을 도시한 도면이다.
제1 실시예에 따르면, 작업장 계정 검출 장치(400)는 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력을 수신하는 I/O 인터페이스(401), 게임 프로그램에 대한 입력과 관련된 게임 로그를 저장하는 메모리(403) 및 게임 프로그램의 게임 로그를 기초로 작업장 의심 계정 집단을 출력하는 프로세서(405)를 포함한다.
프로세서(405)는 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 기초로 매크로 계정을 추출함으로써 파머(farmer) 계정을 선택한다. 프로세서(405)는 재화에 대한 거래 금액을 기초로 셀러(seller) 계정을 추출한다. 프로세서(405)는 파머 계정 및 셀러 계정 간의 거래 내역과 관련된 계정들을 추출한다 프로세서(405)는 관련된 계정들을 기초로 작업장 계정 집단을 출력한다.
프로세서(405)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출할 수 있다.
프로세서(405)는 재화를 평균가 이상으로 판매하는 이상 거래에 해당하는지 여부를 기준으로 셀러 계정을 추출할 수 있다. 프로세서(405)는 계정 별로 이상 거래에서 거래된 금액, 이상 거래와 관련된 판매 계정의 수 및 이상 거래의 수를 기초로 제4 스코어를 계산하고, 제4 스코어를 기초로 셀러 계정을 추출할 수 있다. 제4 스코어는 셀러 스코어(seller score)로 지칭될 수 있다. 예를 들어, 제4 스코어는 수학식 3를 이용하여 계산될 수 있다.
Figure 112018099079636-pat00004
수학식 3에서 totalRgemmove는 셀러가 이상거래를 통해 판매한 총 금액을 나타내며, Buyercnt는 셀러와 이상거래로 연결된 바이어(buyer)의 수를 의미한다. Totaltradecnt는 셀러가 수행한 총 이상거래의 수를 의미한다.
도 5는 제1 일 실시예에 따른 작업장 계정 검출 방법의 동작을 도시한 순서도이다.
제1 실시예에 따르면, 단계(501)에서, 프로세서(405)는 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력과 관련된 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 기초로 매크로 계정을 추출함으로써 파머 계정을 선택한다.
프로세서(405)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출할 수 있다.
단계(503)에서, 프로세서(405)는 재화에 대한 거래 금액을 기초로 셀러 계정을 추출한다. 프로세서(405)는 재화를 평균가 이상으로 판매하는 이상 거래에 해당하는지 여부를 기준으로 셀러 계정을 추출할 수 있다. 프로세서(405)는 계정 별로 이상 거래에서 거래된 금액, 이상 거래와 관련된 판매 계정의 수 및 이상 거래의 수를 기초로 제4 스코어를 계산할 수 있다. 프로세서(405)는 제4 스코어를 기초로 셀러 계정을 추출할 수 있다.
단계(505)에서, 프로세서(405)는 파머 계정 및 셀러 계정 간의 거래 내역과 관련된 계정들을 추출한다. 단계(507)에서, 프로세서(405)는 관련된 계정들을 기초로 작업장 계정 집단을 출력한다. 프로세서(405)는 셀러가 매크로 의심 계정이고, 바이어가 다량의 재화를 구매하는 셀러(heavy seller)인 거래 내역을 추출하고, 해당 거래들과 연관된 계정들을 추출하여, 작업장 의심 계정 집단을 출력할 수 있다.
도 6은 제2 실시예에 따른 작업장 계정 검출 방법의 전체 동작을 도시한 흐름도이다.
도 6을 참조하면, 작업장 계정 검출 장치는 매크로 후보 계정을 추출하고, 집단 행동을 하는 계정을 추출할 수 있다. 작업장 계정 검출 장치는 입력 딜레이를 분석하여 매크로 후보 계정을 추출할 수 있다. 작업장 계정 검출 장치는 매크로 후보 계정을 기초로 제1 작업장 후보 집단을 추출할 수 있다.
작업장 계정 검출 장치는 그래프 클러스터링을 통해 집단 행동을 하는 의심 계정들을 추출할 수 있다. 작업장 계정 검출 장치는 추출 결과를 기초로 제2 작업장 후보 집단을 추출할 수 있다.
작업장 계정 검출 장치는 이동 패턴 분석을 통해 집단 행동을 하는 의심 계정을 추출할 수 있다. 작업장 계정 검출 장치는 추출 결과를 기초로 제3 작업장 후보 집단을 추출할 수 있다.
도 7은 제2 실시예에 따른 작업장 계정 검출 장치의 전체적인 구성을 도시한 도면이다.
제2 실시예에 따르면, 작업장 계정 검출 장치(700)는 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력을 수신하는 I/O 인터페이스(701), 게임 프로그램에 대한 입력과 관련된 게임 로그를 저장하는 메모리(703) 및 게임 프로그램의 게임 로그를 기초로 작업장 의심 계정 집단을 출력하는 프로세서(705)를 포함한다.
프로세서(705)는 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 기초로 매크로 계정을 추출함으로써 제1 작업장 계정 집단을 출력한다. 프로세서(705)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출할 수 있다.
프로세서(705)는 게임 로그로부터 추출된 거래 관련 데이터를 기초로 생성된 각 계정별 거래 관련 그래프를 기준으로 전체 계정들을 클러스터링함으로써 제2 작업장 계정 집단을 출력한다. 프로세서(705)는 그래프 클러스터링을 통해 제2 작업장 계정 집단을 출력할 수 있다. 프로세서(705)는 게임 로그로부터 추출된 거래 관련 데이터를 기초로 제1 거래 관련 데이터를 x축으로 설정하고, 제2 거래 관련 데이터를 y축으로 설정하여 각 계정별 거래 관련 그래프를 생성하고, 각 계정별 거래 관련 그래프를 기준으로 전체 계정들을 클러스터링함으로써 제2 작업장 계정 집단을 출력할 수 있다. 예를 들어, 계정 별로 "레드젬"에 관한 1번 그래프 및 "블루젬"에 관한 2번 그래프의 x축은 영웅 레벨로 설정하고, y축은 맵 인덱스로 설정할 수 있다.
프로세서(705)는 게임 로그로부터 추출된 재화 획득을 위해 방문한 지역을 순서대로 나타내는 지역 이동 시퀀스를 기초로 전체 계정들을 클러스터링함으로써 제3 작업장 계정 집단을 출력한다. 프로세서(705)는 각 계정별로 게임 로그로부터 추출된 재화 획득과 관련된 지역 데이터를 시간순으로 정렬한 지역 이동 시퀀스를 생성하고, 지역 이동 시퀀스에 미리 정해진 복수의 패턴들이 포함되어 있는지 여부를 판단하여 다차원 데이터를 획득하고, 다차원 데이터를 클러스터링함으로써 제3 작업장 계정 집단을 출력할 수 있다.
이동 패턴 분석은 지역 이동을 시간 순서대로 정렬하여 하나의 시퀀스로 만드는 작업을 계정 별로 수행 후, 시퀀스들의 패턴을 추출하여 파머를 분류하는 방법이다. 프로세서(705)는 지역 이동 데이터 중 재화 벌이 수단과 관련 없는 데이터들을 제거하여 작업장 1차 의심군을 추출할 수 있다. 프로세서(705)는 작업장 1차 의심군의 지역 인덱스 데이터를 시간 순서로 정렬한 후 하나의 시퀀스 또는 문자열로 변환할 수 있다.
예를 들어, 지역 a, b, c, d, e를 순서대로 이동한 계정의 시퀀스는 “abcde”가 될 수 있다. 이러한 시퀀스가 데이터에 포함된 계정의 수만큼 존재하게 되는데, 프로세서(705)는 이들 사이에 존재하는 패턴을 분석할 수 있다. 프로세서(705)는 전체 시퀀스에서 각 패턴의 비율을 계산할 수 있다. 여기서, 각 패턴의 비율은 (해당 패턴이 포함된 시퀀스의 개수)/(전체 시퀀스의 개수)로 계산될 수 있다.
이 때 분석의 정확도를 위해 프로세서(705)는 적절한 비율의 패턴을 추출해야 한다. 너무 빈번한 패턴은 대부분의 계정들이 가질 수 있는 패턴이므로 분석의 정확도를 떨어뜨리는 요소일 수 있으므로, 프로세서(705)는 패턴의 비율 최고점과 최저점을 적절하게 설정해야 한다. 또한, 전체 계정에 대한 작업장 계정의 비율이 높지 않음을 감안할 때, 최저점이 너무 높게 설정되면 작업장 계정들의 패턴이 제외될 수 있다.
프로세서(705)는 각 계정마다 n차원의 배열(array)을 생성할 수 있다. 여기서 n은 분석 결과 나타난 패턴의 개수를 의미할 수 있다. 예를 들어 “abcde” 시퀀스를 가진 계정에 대해서, “ab”, “bc”, “cd”, “de”, “abc”, “bcd”, “cde”, “abcd”, “bcde” 패턴들이 존재하며, 해당하는 패턴의 차원에 1, 나머지 차원에 0의 값을 설정할 수 있다. 프로세서(705)는 이렇게 생성된 모든 계정들의 n차원 배열 데이터에 대한 K-means 클러스터링을 수행할 수 있다. 프로세서(705)는 다양한 패턴을 보이는 일반 계정들과 특정 패턴을 가지는 계정들을 분리하고, 후자를 최종 작업장 의심군으로 출력할 수 있다.
프로세서(705)는 제1 작업장 계정 집단, 제2 작업장 계정 집단 및 제3 작업장 계정 집단 중 공통되는 계정들을 최종 작업장 계정 집단으로서 출력한다.
도 8은 제2 실시예에 따른 작업장 계정 검출 방법의 전체 동작을 도시한 순서도이다.
제2 실시예에 따르면, 단계(801)에서, 작업장 계정 검출 장치(700)는 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력과 관련된 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 기초로 매크로 계정을 추출함으로써 제1 작업장 계정 집단을 출력한다. 작업장 계정 검출 장치(700)는 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출할 수 있다.
단계(803)에서, 작업장 계정 검출 장치(700)는 게임 로그로부터 추출된 거래 관련 데이터를 기초로 생성된 각 계정별 거래 관련 그래프를 기준으로 전체 계정들을 클러스터링함으로써 제2 작업장 계정 집단을 출력한다. 작업장 계정 검출 장치(700)는 게임 로그로부터 추출된 거래 관련 데이터를 기초로 제1 거래 관련 데이터를 x축으로 설정하고, 제2 거래 관련 데이터를 y축으로 설정하여 각 계정별 거래 관련 그래프를 생성하고, 각 계정별 거래 관련 그래프를 기준으로 전체 계정들을 클러스터링함으로써 제2 작업장 계정 집단을 출력할 수 있다.
단계(805)에서, 작업장 계정 검출 장치(700)는 게임 로그로부터 추출된 재화 획득을 위해 방문한 지역을 순서대로 나타내는 지역 이동 시퀀스를 기초로 전체 계정들을 클러스터링함으로써 제3 작업장 계정 집단을 출력한다. 작업장 계정 검출 장치(700)는 각 계정별로 게임 로그로부터 추출된 재화 획득과 관련된 지역 데이터를 시간순으로 정렬한 지역 이동 시퀀스를 생성하고, 지역 이동 시퀀스에 미리 정해진 복수의 패턴들이 포함되어 있는지 여부를 판단하여 다차원 데이터를 획득하고, 다차원 데이터를 클러스터링함으로써 제3 작업장 계정 집단을 출력할 수 있다.
단계(807)에서, 작업장 계정 검출 장치(700)는 제1 작업장 계정 집단, 제2 작업장 계정 집단 및 제3 작업장 계정 집단 중 공통되는 계정들을 최종 작업장 계정 집단으로서 출력한다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 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. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.
[1]

Claims (40)

  1. 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력을 수신하는 I/O 인터페이스;
    상기 게임 프로그램에 대한 입력과 관련된 게임 로그(Log)를 저장하는 메모리; 및
    상기 게임 프로그램의 게임 로그를 기초로 매크로 계정을 출력하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 추출하고,
    상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출하고,
    상기 프로세서는,
    상기 딜레이 시퀀스를 하나 이상의 섹터로 분할하고,
    상기 분할된 섹터 중의 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 기초로 상기 매크로 계정을 추출하고,
    상기 프로세서는,
    하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 나타내는 제2 벡터를 계산하고,
    상기 제2 벡터를 기초로 상기 매크로 계정을 추출하고,
    상기 프로세서는,
    상기 제2 벡터를 구성하는 복수의 엘레먼트(element) 중의 특정 엘레먼트가 연속된 길이 및 상기 특정 엘레먼트의 개수를 기초로 제1 스코어를 계산하고,
    상기 제1 스코어를 기초로 상기 매크로 계정을 추출하는,
    매크로 계정 검출 장치.


  2. 삭제
  3. 삭제
  4. 삭제
  5. 제1항에 있어서,
    상기 프로세서는,
    상기 복수의 입력 딜레이 중에서 일정한 범위의 빈도를 가지는 적어도 하나의 입력 딜레이를 선택하고,
    상기 선택된 입력 딜레이와 상기 복수의 입력 딜레이 전체의 비율을 기초로 제2 스코어를 계산하고,
    상기 제2 스코어를 기초로 매크로 계정을 추출하는,
    매크로 계정 검출 장치.

  6. 제5항에 있어서,
    상기 일정한 범위의 빈도는 가장 높은 빈도를 중심으로 일정한 간격 내의 빈도를 포함하는,
    매크로 계정 검출 장치.
  7. 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력을 수신하는 I/O 인터페이스;
    상기 게임 프로그램에 대한 입력과 관련된 게임 로그(Log)를 저장하는 메모리; 및
    상기 게임 프로그램의 게임 로그를 기초로 매크로 계정을 출력하는 프로세서를 포함하고,
    상기 프로세서는,
    상기 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 추출하고,
    상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출하고,
    상기 프로세서는,
    상기 제1 벡터를 구성하는 복수의 엘레먼트 중의 특정 엘레먼트가 연속된 길이 및 상기 특정 엘레먼트의 개수를 기초로 제3 스코어를 계산하고,
    상기 제3 스코어를 기초로 상기 매크로 계정을 추출하는,
    매크로 계정 검출 장치.

  8. 제1항에 있어서,
    상기 뉴럴 네트워크는 학습 데이터를 이용하여 학습되고,
    상기 학습 데이터는 학습 딜레이 시퀀스로부터 분할된 하나 이상의 섹터 각각에 대하여 매크로에 대응되는지 여부를 식별함으로써 획득되는,
    매크로 계정 검출 장치.
  9. 제1항에 있어서,
    상기 프로세서는,
    상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이로부터 계산된 제1 스코어, 상기 복수의 입력 딜레이 각각의 빈도로부터 계산된 제2 스코어 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터로부터 계산된 제3 스코어 중 적어도 둘 이상을 기초로 매크로 계정을 추출하는,
    매크로 계정 검출 장치.
  10. 제9항에 있어서,
    상기 프로세서는,
    상기 제1 스코어, 상기 제2 스코어 및 상기 제3 스코어 중 둘 이상의 스코어를 기초로 종합 스코어를 계산하고,
    상기 종합 스코어를 기초로 매크로 계정을 추출하는,
    매크로 계정 검출 장치.
  11. 제10항에 있어서,
    상기 프로세서는,
    상기 제1 스코어의 루트값, 상기 제2 스코어의 루트값 및 상기 제3 스코어를 선형적으로 합산함으로써 상기 종합 스코어를 계산하는,
    매크로 계정 검출 장치.


  12. 삭제
  13. 삭제
  14. 삭제
  15. 삭제
  16. 삭제
  17. 삭제
  18. 삭제
  19. 삭제
  20. 프로세서에 의해, 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력과 관련된 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 추출하는 단계; 및
    상기 프로세서에 의해, 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출하는 단계를 포함하고,
    상기 매크로 계정을 추출하는 단계는,
    상기 딜레이 시퀀스를 하나 이상의 섹터로 분할하는 단계; 및
    상기 분할된 섹터 중의 하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 기초로 상기 매크로 계정을 추출하는 단계
    를 포함하고,
    상기 차이를 기초로 상기 매크로 계정을 추출하는 단계는,
    하나의 섹터에 포함된 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이를 나타내는 제2 벡터를 계산하는 단계; 및
    상기 제2 벡터를 기초로 상기 매크로 계정을 추출하는 단계
    를 포함하고,
    상기 제2 벡터를 기초로 상기 매크로 계정을 추출하는 단계는,
    상기 제2 벡터를 구성하는 복수의 엘레먼트 중의 특정 엘레먼트가 연속된 길이 및 상기 특정 엘레먼트의 개수를 기초로 제1 스코어를 계산하는 단계; 및
    상기 제1 스코어를 기초로 상기 매크로 계정을 추출하는 단계
    를 포함하는, 매크로 계정 검출 방법.


  21. 삭제
  22. 삭제
  23. 삭제
  24. 제20항에 있어서,
    상기 매크로 계정을 추출하는 단계는,
    상기 복수의 입력 딜레이 중에서 일정한 범위의 빈도를 가지는 적어도 하나의 입력 딜레이를 선택하는 단계;
    상기 선택된 입력 딜레이와 상기 복수의 입력 딜레이 전체의 비율을 기초로 제2 스코어를 계산하는 단계; 및
    상기 제2 스코어를 기초로 매크로 계정을 추출하는 단계
    를 포함하는, 매크로 계정 검출 방법.

  25. 제24항에 있어서,
    상기 일정한 범위의 빈도는 가장 높은 빈도를 중심으로 일정한 간격 내의 빈도를 포함하는,
    매크로 계정 검출 방법.
  26. 프로세서에 의해, 단말기로부터 거래소를 이용한 아이템 거래가 수행되는 게임 프로그램에 대한 입력과 관련된 게임 로그 중에서 복수의 입력 딜레이로 구성된 딜레이 시퀀스를 추출하는 단계; 및
    상기 프로세서에 의해, 상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이, 상기 복수의 입력 딜레이 각각의 빈도 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터 중 적어도 하나를 기초로 매크로 계정을 추출하는 단계를 포함하고,
    상기 매크로 계정을 추출하는 단계는,
    상기 제1 벡터를 구성하는 복수의 엘레먼트 중의 특정 엘레먼트가 연속된 길이 및 상기 특정 엘레먼트의 개수를 기초로 제3 스코어를 계산하는 단계; 및
    상기 제3 스코어를 기초로 상기 매크로 계정을 추출하는 단계
    를 포함하는, 매크로 계정 검출 방법.

  27. 제20항에 있어서,
    상기 뉴럴 네트워크는 학습 데이터를 이용하여 학습되고,
    상기 학습 데이터는 학습 딜레이 시퀀스로부터 분할된 하나 이상의 섹터 각각에 대하여 매크로에 대응되는지 여부를 식별함으로써 획득되는,
    매크로 계정 검출 방법.
  28. 제20항에 있어서,
    상기 매크로 계정을 추출하는 단계는,
    상기 복수의 입력 딜레이 각각의 인접한 입력 딜레이와의 차이로부터 계산된 제1 스코어, 상기 복수의 입력 딜레이 각각의 빈도로부터 계산된 제2 스코어 및 뉴럴 네트워크를 이용하여 상기 딜레이 시퀀스로부터 출력된 제1 벡터로부터 계산된 제3 스코어 중 적어도 둘 이상을 기초로 상기 매크로 계정을 추출하는,
    매크로 계정 검출 방법.
  29. 제28항에 있어서,
    상기 매크로 계정을 추출하는 단계는,
    상기 제1 스코어, 상기 제2 스코어 및 상기 제3 스코어 중 둘 이상의 스코어를 기초로 종합 스코어를 계산하는 단계; 및
    상기 종합 스코어를 기초로 매크로 계정을 추출하는 단계
    를 포함하는, 매크로 계정 검출 방법.
  30. 제29항에 있어서,
    상기 종합 스코어를 계산하는 단계는,
    상기 제1 스코어의 루트값, 상기 제2 스코어의 루트값 및 상기 제3 스코어를 선형적으로 합산함으로써 상기 종합 스코어를 계산하는,
    매크로 계정 검출 방법.


  31. 삭제
  32. 삭제
  33. 삭제
  34. 삭제
  35. 삭제
  36. 삭제
  37. 삭제
  38. 삭제
  39. 제20항 및 제24항 내지 제30항 중 어느 하나의 항의 방법을 실행하기 위한 인스트럭션들을 저장하는 컴퓨터 판독 가능한 저장 매체.

  40. 제20항 및 제24항 내지 제30항 중 어느 하나의 항의 방법을 컴퓨터와의 결합을 통해 실행시키기 위한 저장매체에 저장된 컴퓨터 프로그램.
KR1020180119828A 2018-10-08 2018-10-08 작업장 계정 검출 장치 및 방법 KR101998294B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180119828A KR101998294B1 (ko) 2018-10-08 2018-10-08 작업장 계정 검출 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180119828A KR101998294B1 (ko) 2018-10-08 2018-10-08 작업장 계정 검출 장치 및 방법

Related Child Applications (1)

Application Number Title Priority Date Filing Date
KR1020190079266A Division KR20200040182A (ko) 2019-07-02 2019-07-02 작업장 계정 검출 장치 및 방법

Publications (1)

Publication Number Publication Date
KR101998294B1 true KR101998294B1 (ko) 2019-07-11

Family

ID=67254697

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180119828A KR101998294B1 (ko) 2018-10-08 2018-10-08 작업장 계정 검출 장치 및 방법

Country Status (1)

Country Link
KR (1) KR101998294B1 (ko)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210067160A (ko) * 2019-11-29 2021-06-08 넷마블 주식회사 게임 데이터 처리 방법
KR20210134290A (ko) * 2019-10-01 2021-11-09 넷마블 주식회사 게임 데이터 처리 방법
KR20230123252A (ko) 2022-02-16 2023-08-23 넷마블 주식회사 작업장 계정을 탐지하기 위한 방법

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150116299A (ko) * 2014-04-07 2015-10-15 (주)스마일게이트엔터테인먼트 온라인 게임의 조준 봇 자동 탐지 방법 및 장치
KR20180025692A (ko) * 2016-09-01 2018-03-09 성균관대학교산학협력단 온라인 게임에서의 위치 기반 그룹 분류를 통한 봇 탐지 방법, 장치, 및 컴퓨터 프로그램

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20150116299A (ko) * 2014-04-07 2015-10-15 (주)스마일게이트엔터테인먼트 온라인 게임의 조준 봇 자동 탐지 방법 및 장치
KR20180025692A (ko) * 2016-09-01 2018-03-09 성균관대학교산학협력단 온라인 게임에서의 위치 기반 그룹 분류를 통한 봇 탐지 방법, 장치, 및 컴퓨터 프로그램

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"시퀀스 패턴 기반 베이지안 BOT 탐지 알고리즘", 정보과학회지 제31권 제7호(2013.07.) *
"MMORPG에서 결정트리 학습을 적용한 자동 프로그램 확인 기법", 멀티미디어학회논문지 제9권 제7호, pp.927-937(2006.07.)* *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210134290A (ko) * 2019-10-01 2021-11-09 넷마블 주식회사 게임 데이터 처리 방법
KR102404407B1 (ko) * 2019-10-01 2022-05-31 넷마블 주식회사 게임 데이터 처리 방법
KR20210067160A (ko) * 2019-11-29 2021-06-08 넷마블 주식회사 게임 데이터 처리 방법
KR102333941B1 (ko) * 2019-11-29 2021-12-01 넷마블 주식회사 게임 데이터 처리 방법
KR20230123252A (ko) 2022-02-16 2023-08-23 넷마블 주식회사 작업장 계정을 탐지하기 위한 방법

Similar Documents

Publication Publication Date Title
US10430727B1 (en) Systems and methods for privacy-preserving generation of models for estimating consumer behavior
KR101998294B1 (ko) 작업장 계정 검출 장치 및 방법
JP6744882B2 (ja) 行動パターン探索システム、および行動パターン探索方法
Holden et al. A comparison of two-group classification methods
CN108665159A (zh) 一种风险评估方法、装置、终端设备及存储介质
US20070010966A1 (en) System and method for mining model accuracy display
KR102412142B1 (ko) 딥러닝 기반 메타버스 아바타의 행동 시퀀스 패턴 분석 방법
CN111612041A (zh) 异常用户识别方法及装置、存储介质、电子设备
KR102129962B1 (ko) 딥 러닝과 부스티드 디시즌 트리를 활용한 고객이탈 예측장치 및 이를 이용한 고객이탈 예측방법
CN110135951A (zh) 游戏商品的推荐方法、装置及可读存储介质
US9323643B1 (en) Method and system for analyzing mobile apps
Osborn et al. Visualizing the strategic landscape of arbitrary games
KR20180025692A (ko) 온라인 게임에서의 위치 기반 그룹 분류를 통한 봇 탐지 방법, 장치, 및 컴퓨터 프로그램
KR101996018B1 (ko) 비정상 유저 검출 장치 및 방법
KR20200118590A (ko) 비정상 게임 계정을 탐지하는 장치 및 방법
KR102038957B1 (ko) 게임 어뷰저 검출 방법 및 장치
KR102438923B1 (ko) 시계열 분포 특징을 고려한 딥러닝 기반 비트코인 블록 데이터 예측 시스템
CN111612491A (zh) 状态分析模型构建方法、分析方法及装置
KR102017481B1 (ko) 비정상 유저 탐지 장치 및 방법
CN111275480B (zh) 面向多维稀疏销售数据仓库的欺诈行为挖掘方法
KR20180052243A (ko) 클릭 로그 데이터를 이용하여 이상 사용자를 검출하는 방법 및 장치
CN111046947A (zh) 分类器的训练系统及方法、异常样本的识别方法
US9779152B2 (en) Method and system for optimizing the arrangement of spatial elements
KR20200040182A (ko) 작업장 계정 검출 장치 및 방법
CN114020957A (zh) 搜索算法的评测方法、装置、计算设备及介质

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
A107 Divisional application of patent
GRNT Written decision to grant