KR102622866B1 - 매크로봇 탐지 서비스 제공 방법 및 시스템 - Google Patents

Abstract

본 개시는 적어도 하나의 프로세서에 의해서 수행되는 매크로봇 탐지 서비스 제공 방법이 제공된다. 이 방법은 고객 시스템으로부터 제공된 애플리케이션 코드를 획득하는 단계, 매크로 프로그램을 통한 입력을 검출하기 위한 탐지 코드를 애플리케이션 코드에 탑재하는 단계 및 탐지 코드가 탑재된 애플리케이션 코드를 고객 시스템에 제공하는 단계를 포함할 수 있다.

Description

매크로봇 탐지 서비스 제공 방법 및 시스템{METHOD AND SYSTEM FOR PROVIDING SERVICE FOR DETECTING MACRO BOT}

본 개시는 매크로봇 탐지 서비스 제공 방법에 관한 것으로, 구체적으로 매크로봇을 검출하기 위한 탐지 모듈을 애플리케이션에 탑재하는 매크로봇 탐지 서비스 제공 방법 및 시스템에 관한 것이다.

입력 데이터를 자동으로 생성하는 매크로 생성 프로그램이 온라인에서 배포되어 이용되고 있다. 매크로 생성 프로그램은 게임 애플리케이션, 온라인 티켓 구입 사이트, 온라인 투표 사이트 등에 광범위하게 이용되고 있다.

매크로 생성 프로그램을 통해서 특정 알고리즘을 가지는 매크로봇이 실행되고, 매크로봇은 특정 알고리즘에 기초하여 자동적으로 입력 데이터를 생성한다. 매크로봇이 사용되는 경우에 불공정한 환경이 조성될 수 있다. 예컨대, 매크로봇이 게임 애플리케이션에서 적용되는 경우, 불공평한 게임 환경이 조성될 수 있다. 즉, 자동 사냥을 지원하지 않은 게임 애플리케이션 환경에서, 사용자는 매크로봇을 이용하여 자동으로 게임을 수행하여 아이템 획득과 레벨 업을 수행할 있다. 또한, 사용자는 매크로봇을 이용하여, 높은 숙련도를 요구하는 스킬을 손쉽게 구현할 수 있다.

이에 따라, 게임 개발사에서는 매크로봇을 차단하기 위해 직접 매크로봇 차단 프로그램을 개발하거나, 보안 업체의 솔루션의 도움을 받는다. 예컨대, 보안 업체 솔루션을 이용할 경우 보안 업체에서는 매크로봇 탐지 기능을 SDK 형태로 제공한다.

그런데 SDK 기반의 매크로봇 차단 프로그램을 생성하기 위해서는 노동력과 시간이 많이 필요한 문제점이 있다. 또한, SDK 기반의 매크로봇 차단 프로그램은 특정 애플리케이션에만 적용된 것으로서, 다른 애플리케이션에는 범용적으로 적용될 수 없다.

이에 따라, 적은 노동력과 시간으로 매크로봇 차단 프로그램을 애플리케이션에 적용하기 위한 기술에 대한 요구(needs)가 발생하고 있다.

본 개시는 상기와 같은 문제점을 해결하기 위한 매크로봇 탐지 서비스 제공 방법, 기록매체에 저장된 컴퓨터 프로그램 및 장치(시스템)를 제공한다.

본 개시는 방법, 장치(시스템) 및/또는 컴퓨터 판독 가능 저장 매체에 저장된 컴퓨터 프로그램을 포함한 다양한 방식으로 구현될 수 있다.

본 개시의 일 실시예에 따르면, 적어도 하나의 프로세서에 의해서 수행되는 매크로봇 탐지 서비스 제공 방법은, 고객 시스템으로부터 제공된 애플리케이션 코드를 획득하는 단계, 매크로 프로그램을 통한 입력을 검출하기 위한 탐지 코드를 애플리케이션 코드에 탑재하는 단계 및 탐지 코드가 탑재된 애플리케이션 코드를 고객 시스템에 제공하는 단계를 포함할 수 있다.

또한, 애플리케이션 코드는 컴파일된 코드이고, 애플리케이션 코드를 획득하는 단계는, 애플리케이션 코드를 디컴파일하여 애플리케이션과 연관된 제1 소스 코드를 획득하는 단계를 포함하고, 애플리케이션 코드에 탑재하는 단계는 획득된 제1 소스 코드에 탐지 코드와 관련된 제2 소스 코드를 삽입하는 단계 및 제2 소스 코드가 삽입된 제1 소스 코드를 컴파일하는 단계를 포함할 수 있다.

또한, 애플리케이션 코드는 스크립트 코드이고, 탐지 코드를 상기 애플리케이션 코드에 탑재하는 단계는, 애플리케이션 코드의 전체 영역에서 탐지 코드가 삽입되는 타깃 위치를 결정하는 단계 및 결정된 타깃 위치에 스크립트 기반의 탐지 코드를 삽입하는 단계를 포함할 수 있다.

또한, 애플리케이션 코드는 기계어와 연관된 코드이고. 탐지 코드를 애플리케이션 코드에 탑재하는 단계는, 애플리케이션 코드의 전체 영역에서 탐지 코드가 삽입되는 타깃 위치를 결정하는 단계 및 결정된 타깃 위치에 탐지 코드를 삽입하는 단계를 포함할 수 있다.

또한, 탐지 코드가 삽입되는 타깃 위치를 결정하는 단계는, 애플리케이션 코드의 전체 영역에서, 입력과 연관된 코드를 포함하는 위치를 식별하는 단계 및 식별된 위치에 기초하여 타깃 위치를 결정하는 단계를 포함할 수 있다.

또한, 매크로봇 탐지 서비스 제공 방법은, 애플리케이션 코드를 획득하는 단계 이전에, 복수의 학습용 입력 데이터를 포함하는 트레이닝셋을 기계학습 모델에 적용하여, 기계학습 모델이 매크로 프로그램을 통한 입력을 검출하기 위해 구성되도록 기계학습 모델을 학습시키는 단계 및 학습된 기계학습 모델에 기초하여, 탐지 코드를 생성하는 단계를 더 포함할 수 있다.

또한, 매크로봇 탐지 서비스 제공 방법은, 탐지 코드가 탑재된 애플리케이션 코드를 고객 시스템에게 제공하는 단계 이후에, 애플리케이션 코드가 실행된 복수의 사용자 단말로부터 입력과 연관된 복수의 로그 데이터를 수신하는 단계, 수신된 복수의 로그 데이터에 기초하여 트레이닝셋을 생성하는 단계, 매크로 프로그램을 통한 입력을 검출하도록 구성된 기계학습 모델에 트레이닝셋을 적용하여, 기계학습 모델을 학습시키는 단계 및 학습된 기계학습 모델에 기초하여, 기계학습 모델과 연관된 데이터 또는 탐지 코드 중 적어도 하나를 업데이트하는 단계를 더 포함할 수 있다.

또한, 매크로봇 탐지 서비스 제공 방법은, 기계학습 모델과 연관된 데이터 또는 탐지 코드 중 적어도 하나를 업데이트하는 단계 이후에, 탐지 코드를 업데이트하기 위한 데이터를 고객 시스템으로 전송하는 단계를 더 포함할 수 있다.

또한, 탐지 코드를 애플리케이션 코드에 탑재하는 단계는, 해킹을 차단하기 제1 기능, 안티 디버깅을 수행하는 제2 기능, 데이터 무결성 체크를 수행하는 제3 기능, 에뮬레이터를 차단하기 위한 제4 기능 또는 가상 오퍼레이팅 시스템 환경을 차단하기 위한 제5 기능 중 적어도 하나를 실행하기 위한 보안 코드를 애플리케이션 코드에 탑재하는 단계를 포함하고, 애플리케이션 코드를 고객 시스템에 제공하는 단계는, 보안 코드 및 탐지 코드가 탑재된 애플리케이션 코드를 고객 시스템에 제공하는 단계를 포함할 수 있다.

또한, 탐지 코드를 삽입한 애플리케이션 코드가 고객 시스템 또는 고객 시스템과 연관된 사용자 단말에서 실행되는 것에 응답하여, 탐지 코드와 관련된 탐지 모듈이 사용자 단말에서 탑재되고, 탐지 모듈은 고객 시스템 또는 고객 시스템과 연관된 사용자 단말에서 매크로 프로그램을 통한 입력이 검출되는지 여부를 모니터링하도록 구성될 수 있다.

또한, 탐지 모듈은 사용자 단말에서 매크로 프로그램을 통한 입력이 감지되는 것에 응답하여, 애플리케이션의 실행이 차단되도록 제어하도록 더 구성될 수 있다.

상술한 매크로봇 탐지 서비스 제공 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램이 제공될 수 있다.

본 개시의 일 실시예에 따르면, 정보 처리 시스템은, 메모리 및 메모리와 연결되고, 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서를 포함하고, 적어도 하나의 프로그램은 고객 시스템으로부터 제공된 애플리케이션 코드를 획득하고, 매크로 프로그램을 통한 입력을 검출하기 위한 탐지 코드를 애플리케이션 코드에 탑재하고, 탐지 코드가 탑재된 애플리케이션 코드를 고객 시스템에 제공하기 위한 명령어들을 포함할 수 있다.

본 개시의 일부 실시예에 따르면, 고객 시스템으로부터 수신된 애플리케이션 파일에 매크로봇을 탐지하기 위한 탐지 모듈이 탑재되고, 탐지 모듈이 탑재된 애플리케이션 파일이 고객 시스템으로 제공될 수 있다. 이에 따라, 고객은 별도의 탐지 프로그램을 개발할 필요 없이, 애플리케이션 파일을 정보 처리 시스템으로 제공하는 것을 통해서, 탐지 모듈이 탑재된 애플리케이션 파일을 신속하게 획득할 수 있다.

본 개시의 일부 실시예에 따르면, 매크로봇을 차단할 수 있는 탐지 모듈이 다양한 애플리케이션에 탑재될 수 있다.

본 개시의 일부 실시예에 따르면, 매크로 프로그램을 통한 입력을 검출하기 위해 학습된 기계학습 모델에 기초하여, 탐지 모듈을 구성하는 코드가 생성될 수 있다. 이에 따라, 매크로봇을 통한 입력이 더욱 정확하게 탐지될 수 있다.

본 개시의 일부 실시예에 따르면, 사용자 단말의 입력 데이터에 기초하여 로그 데이터가 수집되고, 로그 데이터에 기초하여 기계학습 모델이 추가적으로 학습될 수 있다. 또한, 추가적으로 학습된 기계학습 모델에 기초하여 탐지 모듈이 업데이트될 수 있다. 이에 따라, 새로운 매크로봇이 개발되더라도 업데이트된 탐지 모듈을 통해서, 새로운 매크로봇을 통한 입력이 검출될 수 있다.

본 개시의 일부 실시예에 따르면, 애플리케이션 파일에 보안 모듈을 탑재하여, 애플리케이션이 실행되는 도중에 사용자 단말에서는 해킹 차단, 안티 디버깅, 데이터 무결성 체크, 에뮬레이터 차단 또는 가상 오퍼레이팅 시스템 환경 차단 중 적어도 하나가 수행될 수 있다. 이에 따라, 사용자 단말의 보안이 향상될 수 있다.

본 개시의 효과는 이상에서 언급한 효과로 제한되지 않으며, 언급되지 않은 다른 효과들은 청구범위의 기재로부터 본 개시가 속하는 기술분야에서 통상의 지식을 가진 자('통상의 기술자'라 함)에게 명확하게 이해될 수 있을 것이다.

본 개시의 실시예들은, 이하 설명하는 첨부 도면들을 참조하여 설명될 것이며, 여기서 유사한 참조 번호는 유사한 요소들을 나타내지만, 이에 한정되지는 않는다.
도 1은 본 개시의 일 실시예에 따른, 매크로봇 탐지를 위한 탐지 모듈이 애플리케이션 파일에 탑재되는 방법을 예시하는 도면이다.
도 2는 본 개시의 일 실시예에 따른, 정보 처리 시스템이 복수의 사용자 단말과 통신 가능하도록 연결된 구성을 나타내는 개요도이다.
도 3은 본 개시의 일 실시예에 따른 사용자 단말 및 정보 처리 시스템의 내부 구성을 나타내는 블록도이다.
도 4는 본 개시의 일 실시예에 따른, 매크로봇 탐지를 위해서 구성된 기계학습 모델의 학습 방법에 대한 예시를 나타내는 도면이다.
도 5는 본 개시의 일 실시예에 따른 인공신경망 모델을 나타내는 예시도이다.
도 6은 본 개시의 일 실시예에 따른, 탐지 모듈이 탑재된 애플리케이션이 사용자 단말에서 설치되는 방법을 설명하는 흐름도이다.
도 7은 본 개시의 일 실시예에 따른, 사용자 단말에서 수집된 로그 데이터에 기초하여 기계학습 모델이 학습되는 방법을 설명하는 흐름도이다.
도 8은 본 개시의 일 실시예에 따른, 매크로봇이 탐지된 후에 애플리케이션이 제어되는 방법을 설명하기 위한 흐름도이다.
도 9는 본 개시의 일 실시예에 따른, 매크로봇 탐지 서비스 제공 방법을 설명하기 위한 흐름도이다.

이하, 본 개시의 실시를 위한 구체적인 내용을 첨부된 도면을 참조하여 상세히 설명한다. 다만, 이하의 설명에서는 본 개시의 요지를 불필요하게 흐릴 우려가 있는 경우, 널리 알려진 기능이나 구성에 관한 구체적 설명은 생략하기로 한다.

첨부된 도면에서, 동일하거나 대응하는 구성요소에는 동일한 참조부호가 부여되어 있다. 또한, 이하의 실시예들의 설명에 있어서, 동일하거나 대응되는 구성요소를 중복하여 기술하는 것이 생략될 수 있다. 그러나, 구성요소에 관한 기술이 생략되어도, 그러한 구성요소가 어떤 실시예에 포함되지 않는 것으로 의도되지는 않는다.

개시된 실시예의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 개시는 이하에서 개시되는 실시예들에 한정되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 개시가 완전하도록 하고, 본 개시가 통상의 기술자에게 발명의 범주를 완전하게 알려주기 위해 제공되는 것일 뿐이다.

본 명세서에서 사용되는 용어에 대해 간략히 설명하고, 개시된 실시예에 대해 구체적으로 설명하기로 한다. 본 명세서에서 사용되는 용어는 본 개시에서의 기능을 고려하면서 가능한 현재 널리 사용되는 일반적인 용어들을 선택하였으나, 이는 관련 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 개시에서 사용되는 용어는 단순한 용어의 명칭이 아닌, 그 용어가 가지는 의미와 본 개시의 전반에 걸친 내용을 토대로 정의되어야 한다.

본 명세서에서의 단수의 표현은 문맥상 명백하게 단수인 것으로 특정하지 않는 한, 복수의 표현을 포함한다. 또한, 복수의 표현은 문맥상 명백하게 복수인 것으로 특정하지 않는 한, 단수의 표현을 포함한다. 명세서 전체에서 어떤 부분이 어떤 구성요소를 포함한다고 할 때, 이는 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있음을 의미한다.

또한, 명세서에서 사용되는 '모듈' 또는 '부'라는 용어는 소프트웨어 또는 하드웨어 구성요소를 의미하며, '모듈' 또는 '부'는 어떤 역할들을 수행한다. 그렇지만, '모듈' 또는 '부'는 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. '모듈' 또는 '부'는 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서, '모듈' 또는 '부'는 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 또는 변수들 중 적어도 하나를 포함할 수 있다. 구성요소들과 '모듈' 또는 '부'들은 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 '모듈' 또는 '부'들로 결합되거나 추가적인 구성요소들과 '모듈' 또는 '부'들로 더 분리될 수 있다.

본 개시의 일 실시예에 따르면, '모듈' 또는 '부'는 프로세서 및 메모리로 구현될 수 있다. '프로세서'는 범용 프로세서, 중앙 처리 장치(CPU), 마이크로프로세서, 디지털 신호 프로세서(DSP), 제어기, 마이크로제어기, 상태 머신 등을 포함하도록 넓게 해석되어야 한다. 몇몇 환경에서, '프로세서'는 주문형 반도체(ASIC), 프로그램가능 로직 디바이스(PLD), 필드 프로그램가능 게이트 어레이(FPGA) 등을 지칭할 수도 있다. '프로세서'는, 예를 들어, DSP와 마이크로프로세서의 조합, 복수의 마이크로프로세서들의 조합, DSP 코어와 결합한 하나 이상의 마이크로프로세서들의 조합, 또는 임의의 다른 그러한 구성들의 조합과 같은 처리 디바이스들의 조합을 지칭할 수도 있다. 또한, '메모리'는 전자 정보를 저장 가능한 임의의 전자 컴포넌트를 포함하도록 넓게 해석되어야 한다. '메모리'는 임의 액세스 메모리(RAM), 판독-전용 메모리(ROM), 비-휘발성 임의 액세스 메모리(NVRAM), 프로그램가능 판독-전용 메모리(PROM), 소거-프로그램가능 판독 전용 메모리(EPROM), 전기적으로 소거가능 PROM(EEPROM), 플래쉬 메모리, 자기 또는 마킹 데이터 저장장치, 레지스터들 등과 같은 프로세서-판독가능 매체의 다양한 유형들을 지칭할 수도 있다. 프로세서가 메모리로부터 정보를 판독하고/하거나 메모리에 정보를 기록할 수 있다면 메모리는 프로세서와 전자 통신 상태에 있다고 불린다. 프로세서에 집적된 메모리는 프로세서와 전자 통신 상태에 있다.

본 개시에서, '시스템'은 서버 장치와 클라우드 장치 중 적어도 하나의 장치를 포함할 수 있으나, 이에 한정되는 것은 아니다. 예를 들어, 시스템은 하나 이상의 서버 장치로 구성될 수 있다. 다른 예로서, 시스템은 하나 이상의 클라우드 장치로 구성될 수 있다. 또 다른 예로서, 시스템은 서버 장치와 클라우드 장치가 함께 구성되어 동작될 수 있다.

또한, 이하의 실시예들에서 사용되는 제1, 제2, A, B, (a), (b) 등의 용어는 어떤 구성요소를 다른 구성요소와 구별하기 위해 사용되는 것일 뿐, 그 용어에 의해 해당 구성요소의 본질이나 차례 또는 순서 등이 한정되지는 않는다.

또한, 이하의 실시예들에서, 어떤 구성요소가 다른 구성요소에 '연결', '결합' 또는 '접속'된다고 기재된 경우, 그 구성요소는 그 다른 구성요소에 직접적으로 연결되거나 또는 접속될 수 있지만, 각 구성요소 사이에 또 다른 구성요소가 '연결', '결합' 또는 '접속'될 수도 있다고 이해되어야 한다.

또한, 이하의 실시예들에서 사용되는 '포함한다(comprises)' 및/또는 '포함하는(comprising)'은 언급된 구성요소, 단계, 동작 및/또는 소자는 하나 이상의 다른 구성요소, 단계, 동작 및/또는 소자의 존재 또는 추가를 배제하지 않는다.

본 개시의 다양한 실시예들을 설명하기에 앞서, 사용되는 용어에 대하여 설명하기로 하기로 한다.

본 개시의 실시예들에서, '애플리케이션 코드(application code)'는 애플리케이션을 구현하기 위한 프로그램 코드로서, 소스 코드(source code) 및/또는 바이너리 코드(binary code)를 포함할 수 있다. 여기서, 소스 코드는 컴파일 전의 프로그래밍 코드일 수 있다.

본 개시의 실시예에서, '매크로봇(macro bot)'은 알고리즘에 기초하여 자동적으로 입력 데이터를 생성하는 매크로 프로그램일 수 있다. 즉, 매크로봇은 매크로 생성 프로그램을 통해서, 특정 작업을 자동적으로 수행하도록 생성된 매크로 프로그램으로 지칭될 수 있다.

본 개시의 실시예들에서, '탐지 코드'는 탐지 모듈을 소프트웨어로 구현하기 위한 프로그램 코드로서, 소스 코드 및/또는 바이너리 코드를 포함할 있다.

본 개시의 실시예들에서, '보안 코드'는 보안 모듈을 소프트웨어로 구현하기 위한 프로그램 코드로서, 소스 코드 및/또는 바이너리 코드를 포함할 있다.

이하, 본 개시의 다양한 실시예들에 대하여 첨부된 도면에 따라 상세하게 설명한다.

도 1은 본 개시의 일 실시예에 따른, 매크로봇 탐지를 위한 탐지 모듈(20)이 애플리케이션 파일(10)에 탑재되는 방법을 예시하는 도면이다. 도 1에 예시된 바와 같이, 정보 처리 시스템(100)은 고객 시스템으로부터 애플리케이션 파일(10)을 수신하고, 수신된 애플리케이션 파일(10)에 탐지 모듈(20)을 탑재시킬 수 있다. 또한, 탐지 모듈(20)이 탑재된 애플리케이션 파일(10)이 고객 시스템으로 제공될 수 있다. 즉, 네트워크 기반으로 매크로봇 탐지 서비스를 제공하는 정보 처리 시스템(100)을 통해서, 애플리케이션 파일(10)에 탐지 모듈(20)이 탑재되어 고객 시스템으로 제공될 수 있다. 여기서, 고객 시스템은 애플리케이션을 개발한 업체와 관련된 시스템일 수 있다.

일 실시예에 따르면, 정보 처리 시스템(100)은 탐지 모듈이 애플리케이션에 탑재될 수 있도록, 탐지 모듈과 연관된 탐지 코드를 애플리케이션 코드에 삽입할 수 있다. 이때, 정보 처리 시스템(100)은 애플리케이션 파일(10)에 포함된 코드를 분석하여, 코드의 전체 영역 중에서 탐지 코드가 삽입되는 위치를 결정하고, 결정된 위치에 탐지 코드를 삽입할 수 있다. 여기서, 탐지 코드가 삽입되는 것은 탐지 코드의 전체 또는 일부가 애플리케이션 코드에 삽입되거나, 탐지 코드와 연관된 프로시저(procedure)를 수행하는 함수 호출을 위한 명령 코드가 삽입되는 것일 수 있다. 또한, 탐지 코드가 별도의 라이브러리로 구성된 경우, 이 라이브러리와 연관된 코드가 애플리케이션 코드에 삽입되는 것일 수 있다.

추가적으로 또는 이와 달리, 정보 처리 시스템(100)은 보안 모듈이 애플리케이션에 탑재될 수 있도록, 보안 모듈과 연관된 보안 코드를 애플리케이션 코드에 삽입할 수 있다. 정보 처리 시스템(100)은 애플리케이션 파일(10)에 포함된 코드를 분석하여, 코드의 전체 영역 중에서 보안 코드가 삽입되는 위치를 결정하고, 결정된 위치에 보안 코드를 삽입할 수 있다. 여기서, 보안 코드가 삽입되는 것은 보안 코드의 전체 또는 일부가 애플리케이션 코드에 삽입되거나, 보안 코드와 연관된 프로시저를 수행하는 함수 호출을 위한 명령 코드가 삽입되는 것일 수 있다.

일 실시예에 따르면, 탐지 모듈을 구성하는 탐지 코드는 학습된 기계학습 모델에 기초하여 생성될 수 있다. 일 실시예에 따르면, 기계학습 모델은 복수의 학습용 입력 데이터를 포함하는 트레이닝셋에 기초하여, 매크로 프로그램(매크로봇)을 통한 입력을 검출하도록 학습될 수 있다. 기계학습 모델과 연관된 매크로봇 탐지 알고리즘이 탐지 모듈에 적용될 수 있고, 탐지 모듈은 매크로봇 탐지 알고리즘에 기초하여, 매크로봇에 의한 입력을 검출할 수 있다. 도 3 내지 도 5를 참조하면, 기계학습 모델에서 수행되는 학습 방법에 대해서 구체적으로 설명하기로 한다.

정보 처리 시스템(100)은 탐지 모듈(20) 또는 보안 모듈 중 적어도 하나가 탑재된 애플리케이션 파일(10)을 고객 시스템으로 전송할 수 있다. 고객 시스템은 탐지 모듈(20) 또는 보안 모듈 중 적어도 하나가 탑재된 애플리케이션 파일(10)을 앱 스토어에 업로드할 수 있다. 이에 따라, 사용자는 탐지 모듈 또는 보안 모듈 중 적어도 하나가 탑재된 애플리케이션 파일(10)을 다운로드할 수 있다.

사용자 단말에서 애플리케이션이 실행되는 것에 응답하여, 탐지 모듈(20)이 활성화될 수 있다. 활성화된 탐지 모듈(20)은 입력 데이터를 모니터링할 수 있다. 탐지 모듈(20)은 매크로봇을 통한 입력이 탐지되면, 미리 결정된 정책에 기초하여 후속 절차를 진행할 수 있다. 예컨대, 탐지 모듈(20)은 매크로봇에 의한 입력 감지 횟수가 제1 횟수에 도달하면, 애플리케이션 실행을 일시 정지한 후, 캡차(CAPTCHA) 화면을 사용자 단말에 출력하고, 캡차 화면을 통과한 경우에 일시 정지된 애플리케이션이 다시 실행되도록 제어할 수 있다. 다른 예로서, 탐지 모듈(20)은 매크로봇에 의한 입력 감지 횟수가 제2 횟수에 도달하면, 실행중인 애플리케이션이 종료되도록 제어할 수 있다. 여기서, 제2 횟수가 제1 횟수보다 클 수 있다.

도 2는 본 개시의 일 실시예에 따른, 정보 처리 시스템(230)이 복수의 사용자 단말(210_1, 210_2, 210_3)과 통신 가능하도록 연결된 구성을 나타내는 개요도이다. 도시된 바와 같이, 복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 매크로봇 탐지 서비스를 제공할 수 있는 정보 처리 시스템(230)과 연결될 수 있다. 또한, 복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해, 게임 서비스, 포탈 서비스, 뱅킹 서비스, 티켓 예매 서비스 등을 제공할 수 있는 고객 시스템(240)과 연결될 수 있다. 도 1의 정보 처리 시스템(100)은 정보 처리 시스템(230)에 대응될 수 있다.

일 실시예에서, 정보 처리 시스템(230)은 매크로봇 탐지 서비스 등과 연관된 컴퓨터 실행 가능한 프로그램(예를 들어, 다운로드 가능한 애플리케이션) 및 데이터를 저장, 제공 및 실행할 수 있는 하나 이상의 서버 장치 및/또는 데이터베이스, 또는 클라우드 컴퓨팅 서비스 기반의 하나 이상의 분산 컴퓨팅 장치 및/또는 분산 데이터베이스를 포함할 수 있다. 예컨대, 정보 처리 시스템(230)은 애플리케이션 파일에 보안 모듈 또는 탐지 모듈 중 적어도 하나를 탑재하기 위한 클라우드 컴퓨팅 장치 및 기계학습 모델에 대한 학습을 수행하기 위한 서버를 포함할 수 있다. 클라우드 컴퓨팅 장치에는 애플리케이션 파일에 보안 모듈 또는 탐지 모듈 중 적어도 하나를 탑재하기 위한 가상 머신이 탑재될 수 있다. 다른 예로서, 정보 처리 시스템(230)에 포함된 클라우드 컴퓨팅 장치에 애플리케이션 파일에 보안 모듈 또는 탐지 모듈 중 적어도 하나를 탑재하기 위한 제1 가상 머신 및 기계학습 모델에 대한 학습을 수행하기 위한 제2 가상 머신이 탑재될 수 있다.

정보 처리 시스템(230)에 의해 제공되는 매크로봇 탐지 서비스는 고객 시스템(240)으로 제공할 수 있다. 예를 들어, 정보 처리 시스템(230)은 애플리케이션 코드가 포함된 애플리케이션을 고객 시스템(240)으로부터 수신하고, 수신된 애플리케이션 파일에 탐지 모듈 및/또는 보안 모듈을 탑재한 후, 탐지 모듈 및/또는 보안 모듈이 탑재된 애플리케이션 파일을 고객 시스템(240)으로 전송할 수 있다.

고객 시스템(240)은 게임 서비스, 포탈 서비스, 뱅킹 서비스, 티켓 예매 서비스 등과 같은 웹 서비스를 제공하는 적어도 하나의 서버 및/또는 단말을 포함할 수 있다. 고객 시스템(240)은 웹 서비스를 제공하기 위한 애플리케이션 파일을 정보 처리 시스템(230)으로 전송하고, 정보 처리 시스템(230)으로부터 탐지 모듈 및/또는 보안 모듈이 탑재된 애플리케이션 파일을 수신할 수 있다. 고객 시스템(240)은 탐지 모듈 및/또는 보안 모듈이 탑재된 애플리케이션 파일을 앱 스토어 등과 같이 다운로드가 가능한 저장소에 업로드할 수 있다.

복수의 사용자 단말(210_1, 210_2, 210_3)은 네트워크(220)를 통해 정보 처리 시스템(230) 및 고객 시스템(240) 각각과 통신할 수 있다. 네트워크(220)는 복수의 사용자 단말(210_1, 210_2, 210_3), 정보 처리 시스템(230) 및 고객 시스템(240) 사이의 통신이 가능하도록 구성될 수 있다. 네트워크(220)는 설치 환경에 따라, 예를 들어, 이더넷(Ethernet), 유선 홈 네트워크(Power Line Communication), 전화선 통신 장치 및 RS-serial 통신 등의 유선 네트워크, 이동통신망, WLAN(Wireless LAN), Wi-Fi, Bluetooth 및 ZigBee 등과 같은 무선 네트워크 또는 그 조합으로 구성될 수 있다. 통신 방식은 제한되지 않으며, 네트워크(220)가 포함할 수 있는 통신망(일례로, 이동통신망, 유선 인터넷, 무선 인터넷, 방송망, 위성망 등)을 활용하는 통신 방식만 아니라 사용자 단말(210_1, 210_2, 210_3) 사이의 근거리 무선 통신 역시 포함될 수 있다.

일 실시예에 따르면, 사용자 단말(210_1, 210_2, 210_3)은 고객 시스템(240)에서 업로드한 애플리케이션 파일을 다운로드하고, 다운로드한 애플리케이션 파일에 포함된 설치 파일을 실행함으로써 애플리케이션을 설치할 수 있다. 사용자 단말(210_1, 210_2, 210_3)에서 애플리케이션이 실행되는 경우, 애플리케이션과 연관된 탐지 모듈 및/또는 보안 모듈이 실행될 수 있다. 탐지 모듈은 입력 데이터와 관련된 로그 데이터를 수집하고, 수집된 로그 데이터를 정보 처리 시스템(230)으로 전송할 수 있다.

도 2에서 휴대폰 단말(210_1), 태블릿 단말(210_2) 및 PC 단말 (210_3)이 사용자 단말의 예로서 도시되었으나, 이에 한정되지 않으며, 사용자 단말(210_1, 210_2, 210_3)은 유선 및/또는 무선 통신이 가능하고 애플리케이션 또는 웹 브라우저 등이 설치되어 실행될 수 있는 임의의 컴퓨팅 장치일 수 있다. 예를 들어, 사용자 단말은, 스마트폰, 휴대폰, 내비게이션, 컴퓨터, 노트북, 디지털방송용 단말, PDA(Personal Digital Assistants), PMP(Portable Multimedia Player), 태블릿 PC, 게임 콘솔(game console), 웨어러블 디바이스(wearable device), IoT(internet of things) 디바이스, VR(virtual reality) 디바이스, AR(augmented reality) 디바이스, 셋톱 박스 등을 포함할 수 있다. 또한, 도 2에는 3개의 사용자 단말(210_1, 210_2, 210_3)이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하는 것으로 도시되어 있으나, 이에 한정되지 않으며, 상이한 수의 사용자 단말이 네트워크(220)를 통해 정보 처리 시스템(230)과 통신하도록 구성될 수도 있다.

도 3은 본 개시의 일 실시예에 따른 사용자 단말(210) 및 정보 처리 시스템(230)의 내부 구성을 나타내는 블록도이다. 사용자 단말(210)은 고객 시스템과 연관된 애플리케이션 등을 실행 가능하고 유/무선 통신이 가능한 임의의 컴퓨팅 장치를 지칭할 수 있으며, 예를 들어, 도 2의 휴대폰 단말(210_1), 태블릿 단말(210_2), PC 단말(210_3) 등을 포함할 수 있다. 도시된 바와 같이, 사용자 단말(210)은 메모리(312), 프로세서(314), 통신 모듈(316) 및 입출력 인터페이스(318)를 포함할 수 있다. 이와 유사하게, 정보 처리 시스템(230)은 메모리(332), 프로세서(334), 통신 모듈(336) 및 입출력 인터페이스(338)를 포함할 수 있다. 도 3에 도시된 바와 같이, 사용자 단말(210) 및 정보 처리 시스템(230)은 각각의 통신 모듈(316, 336)을 이용하여 네트워크(220)를 통해 정보 및/또는 데이터를 통신할 수 있도록 구성될 수 있다. 또한, 입출력 장치(320)는 입출력 인터페이스(318)를 통해 사용자 단말(210)에 정보 및/또는 데이터를 입력하거나 사용자 단말(210)로부터 생성된 정보 및/또는 데이터를 출력하도록 구성될 수 있다.

메모리(312, 332)는 비-일시적인 임의의 컴퓨터 판독 가능한 기록매체를 포함할 수 있다. 일 실시예에 따르면, 메모리(312, 332)는 ROM(read only memory), 디스크 드라이브, SSD(solid state drive), 플래시 메모리(flash memory) 등과 같은 비소멸성 대용량 저장 장치(permanent mass storage device)를 포함할 수 있다. 다른 예로서, ROM, SSD, 플래시 메모리, 디스크 드라이브 등과 같은 비소멸성 대용량 저장 장치는 메모리와는 구분되는 별도의 영구 저장 장치로서 사용자 단말(210) 또는 정보 처리 시스템(230)에 포함될 수 있다. 또한, 메모리(312, 332)에는 운영체제와 적어도 하나의 프로그램 코드(예를 들어, 사용자 단말(210)에 설치되어 구동되는 매크로봇 탐지를 위한 탐지 코드 등)가 저장될 수 있다.

이러한 소프트웨어 구성요소들은 메모리(312, 332)와는 별도의 컴퓨터에서 판독가능한 기록매체로부터 로딩될 수 있다. 이러한 별도의 컴퓨터에서 판독가능한 기록매체는 이러한 사용자 단말(210) 및 정보 처리 시스템(230)에 직접 연결가능한 기록 매체를 포함할 수 있는데, 예를 들어, 플로피 드라이브, 디스크, 테이프, DVD/CD-ROM 드라이브, 메모리 카드 등의 컴퓨터에서 판독 가능한 기록매체를 포함할 수 있다. 다른 예로서, 소프트웨어 구성요소들은 컴퓨터에서 판독 가능한 기록매체가 아닌 통신 모듈을 통해 메모리(312, 332)에 로딩될 수도 있다. 예를 들어, 적어도 하나의 프로그램은 개발자들 또는 애플리케이션의 설치 파일을 배포하는 파일 배포 시스템이 네트워크(220)를 통해 제공하는 파일들에 의해 설치되는 컴퓨터 프로그램에 기반하여 메모리(312, 332)에 로딩될 수 있다.

프로세서(314, 334)는 기본적인 산술, 로직 및 입출력 연산을 수행함으로써, 컴퓨터 프로그램의 명령을 처리하도록 구성될 수 있다. 명령은 메모리(312, 332) 또는 통신 모듈(316, 336)에 의해 프로세서(314, 334)로 제공될 수 있다. 예를 들어, 프로세서(314, 334)는 메모리(312, 332)와 같은 기록 장치에 저장된 프로그램 코드에 따라 수신되는 명령을 실행하도록 구성될 수 있다.

통신 모듈(316, 336)은 네트워크(220)를 통해 사용자 단말(210)과 정보 처리 시스템(230)이 서로 통신하기 위한 구성 또는 기능을 제공할 수 있으며, 사용자 단말(210) 및/또는 정보 처리 시스템(230)이 다른 사용자 단말 또는 다른 시스템(일례로 별도의 클라우드 시스템 등)과 통신하기 위한 구성 또는 기능을 제공할 수 있다. 일례로, 사용자 단말(210)의 프로세서(314)가 메모리(312) 등과 같은 기록 장치에 저장된 프로그램 코드에 따라 생성한 요청 또는 데이터는 통신 모듈(316)의 제어에 따라 네트워크(220)를 통해 정보 처리 시스템(230)으로 전달될 수 있다. 역으로, 정보 처리 시스템(230)의 프로세서(334)의 제어에 따라 제공되는 제어 신호, 명령 또는 데이터 중 적어도 하나가 통신 모듈(336)과 네트워크(220)를 거쳐 사용자 단말(210)의 통신 모듈(316)을 통해 사용자 단말(210)에 수신될 수 있다.

입출력 인터페이스(318)는 입출력 장치(320)와의 인터페이스를 위한 수단일 수 있다. 일 예로서, 입력 장치는 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 키보드, 마이크로폰, 마우스 등의 장치를, 그리고 출력 장치는 디스플레이, 스피커, 햅틱 피드백 디바이스(haptic feedback device) 등과 같은 장치를 포함할 수 있다. 다른 예로, 입출력 인터페이스(318)는 터치스크린 등과 같이 입력과 출력을 수행하기 위한 구성 또는 기능이 하나로 통합된 장치와의 인터페이스를 위한 수단일 수 있다. 예를 들어, 사용자 단말(210)의 프로세서(314)가 메모리(312)에 로딩된 컴퓨터 프로그램의 명령을 처리함에 있어서 정보 처리 시스템(230)이나 다른 사용자 단말이 제공하는 정보 및/또는 데이터를 이용하여 구성되는 서비스 화면 등이 입출력 인터페이스(318)를 통해 디스플레이에 표시될 수 있다. 도 3에서는 입출력 장치(320)가 사용자 단말(210)에 포함되지 않도록 도시되어 있으나, 이에 한정되지 않으며, 사용자 단말(210)과 하나의 장치로 구성될 수 있다. 또한, 정보 처리 시스템(230)의 입출력 인터페이스(338)는 정보 처리 시스템(230)과 연결되거나 정보 처리 시스템(230)이 포함할 수 있는 입력 또는 출력을 위한 장치(미도시)와의 인터페이스를 위한 수단일 수 있다. 도 3에서는 입출력 인터페이스(318, 338)가 프로세서(314, 334)와 별도로 구성된 요소로서 도시되었으나, 이에 한정되지 않으며, 입출력 인터페이스(318, 338)가 프로세서(314, 334)에 포함되도록 구성될 수 있다.

사용자 단말(210) 및 정보 처리 시스템(230)은 도 3의 구성요소들보다 더 많은 구성요소들을 포함할 수 있다. 그러나, 대부분의 종래기술적 구성요소들을 명확하게 도시할 필요성은 없다. 일 실시예에 따르면, 사용자 단말(210)은 상술된 입출력 장치(320) 중 적어도 일부를 포함하도록 구현될 수 있다. 또한, 사용자 단말(210)은 트랜시버(transceiver), GPS(Global Positioning system) 모듈, 카메라, 각종 센서, 데이터베이스 등과 같은 다른 구성요소들을 더 포함할 수 있다.

탐지 모듈, 보안 모듈 등을 위한 프로그램이 동작되는 동안에, 프로세서(314)는 입출력 인터페이스(318)와 연결된 터치 스크린, 키보드, 오디오 센서 및/또는 이미지 센서를 포함한 카메라, 마이크로폰 등의 입력 장치를 통해 입력되거나 선택된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 수신할 수 있으며, 수신된 텍스트, 이미지, 영상, 음성 및/또는 동작 등을 메모리(312)에 저장하거나 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공할 수 있다.

사용자 단말(210)의 프로세서(314)는 입출력 장치(320), 다른 사용자 단말, 정보 처리 시스템(230) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(314)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(316) 및 네트워크(220)를 통해 정보 처리 시스템(230)에 제공될 수 있다. 사용자 단말(210)의 프로세서(314)는 입출력 인터페이스(318)를 통해 입출력 장치(320)로 정보 및/또는 데이터를 전송하여, 출력할 수 있다. 예를 들면, 프로세서(314)는 수신된 정보 및/또는 데이터를 출력함으로써, 수신된 정보 및/또는 데이터가 사용자 단말(210)의 화면에 표시되도록 사용자 단말(210)에 포함되거나 연결된 디스플레이 장치를 제어할 수 있다.

정보 처리 시스템(230)의 프로세서(334)는 복수의 사용자 단말(210) 및/또는 복수의 외부 시스템으로부터 수신된 정보 및/또는 데이터를 관리, 처리 및/또는 저장하도록 구성될 수 있다. 프로세서(334)에 의해 처리된 정보 및/또는 데이터는 통신 모듈(336) 및 네트워크(220)를 통해 사용자 단말(210)에 제공할 수 있다.

도 4는 본 개시의 일 실시예에 따른, 매크로봇 탐지를 위해서 구성된 기계학습 모델(460)의 학습 방법에 대한 예시를 나타내는 도면이다. 도 4에 예시된 바와 같이, 복수의 로그 데이터(410_1 내지 410_n)가 수집되거나 임의로 생성될 수 있다. 예컨대, 각 로그 데이터(410_1 내지 410_n)는 실제로 사용자 단말에서 입력된 복수의 데이터를 포함할 수 있다. 다른 예로서, 각 로그 데이터(410_1 내지 410_n)는 정보 처리 시스템 또는 다른 시스템에 의해서 임의적으로 생성된 입력 데이터를 포함할 수 있다. 여기서, 하나의 로그 데이터(410_1 내지 410_n)에는 단위 시간 동안에 사용자 단말에서 입력된 복수의 입력 데이터가 포함될 수 있다. 단위 시간은 미리 결정된 시간일 수 있으며, 입력 데이터는 수집 시각, 터치 좌표 값 및 터치 압력 값을 포함할 수 있다.

복수의 로그 데이터(410_1 내지 410_n)가 전처리되어 복수의 학습용 입력 데이터를 포함하는 제1 트레이닝셋(420)이 생성될 수 있다. 학습용 입력 데이터는 로그 데이터 개수와 상응되는 개수로 생성되어 제1 트레이닝셋(420)에 포함될 수 있다. 일 실시예에 따르면, 정보 처리 시스템은 로그 데이터(410_1 내지 410_n)에 포함된 복수의 입력 데이터를 전처리하여, 각 로그 데이터(410_1 내지 410_n)에 대한 입력 패턴 특징을 추출할 수 있다. 또한, 정보 처리 시스템은 각 로그 데이터(410_1 내지 410_n)에 대한 입력 패턴 특징을 포함하는 복수의 학습용 데이터를 생성하고, 복수의 학습용 데이터를 제1 트레이닝셋(420)에 포함시킬 수 있다.

일 실시예에 따르면, 입력 패턴 특징은 터치 위치와 연관된 제1 특징 값, 터치 압력과 관련된 제2 특징 값 또는 터치 면적과 관련된 제3 특징 값 중 적어도 하나를 포함할 수 있다. 터치 면적은 전체 화면에서 일정한 주기 동안에 터치된 화면의 일부 크기일 수 있다. 일 실시예에 따르면, 정보 처리 시스템은 복수의 입력 데이터의 각각에 포함된 터치 좌표 값에 기초하여, 시간 흐름에 따른 터치 위치와 연관된 제1 특징 값을 산출할 수 있다. 또한, 정보 처리 시스템은 복수의 입력 데이터의 각각에 포함된 터치 압력 값에 기초하여, 시간 흐름에 따른 터치 압력 값과 연관된 제2 특징 값을 산출할 수 있다. 또한, 정보 처리 시스템은 복수의 입력 데이터의 각각에 포함된 수집 시각에 기초하여, 미리 결정된 시간 간격으로 입력 데이터를 군집화할 수 있다. 가령, 로그 데이터의 수집 간격이 n 초(여기서, n은 자연수)인 경우, 정보 처리 시스템은 n/m 초(여기서, m은 자연수) 간격으로 복수의 입력 데이터를 m 개의 그룹으로 군집화할 수 있다. 아울러, 정보 처리 시스템은 군집화된 입력 데이터들의 각각에 포함된 터치 좌표를 기초로, 그룹별 터치 면적을 산출하고, 그룹별 터치 면적이 포함된 제3 특징 값을 산출할 수 있다. 여기서, 그룹별 터치 면적은 시간 흐름에 따른 터치 면적과 관련될 수 있다.

일 실시예에 따르면, 제1 특징 값, 제2 특징 값 및 제3 특징 값이 다차원 변환되어, 제1 특징 값, 제2 특징 값 및 제3 특징 값에 기초한 다차원 특징 벡터가 생성될 수 있다.

제1 트레이닝셋(420)에 포함된 복수의 학습용 데이터가 제1 기계학습 모델(430)에 입력되면, 제1 기계학습 모델(430)은 복수의 학습용 데이터를 제1 그룹과 제2 그룹(440)으로 군집화할 수 있다. 가령, 제1 기계학습 모델(430)은 학습용 데이터에 포함된 제1 특징 값, 제2 특징 값 또는 제3 특징 값 중 적어도 하나에 기초하여, 제1 형태의 입력 특징 패턴을 가지는 복수의 학습용 데이터를 제1 그룹으로 군집화하고, 제2 형태의 입력 특징 패턴을 가지는 복수의 학습용 데이터를 제2 그룹으로 군집화할 수 있다. 제1 기계학습 모델(430)에 K-평균 군집화(K-Means Clustering) 알고리즘, 평균 이동 군집화(Mean- Shift Clustering) 알고리즘, GMM(Gaussian Mixture Model), BSCAN(Density-Based Spatial Clustering of Applications with Noise) 등 중에서 적어도 하나가 적용되어, 학습용 데이터에 대한 군집화가 진행될 수 있다.

군집화가 완료된 후, 제1 그룹 또는 제2 그룹 중에 하나가 매크로봇에 의한 입력 데이터와 관련된 것으로 결정될 수 있다. 매크로봇에 의해 생성된 적어도 하나의 샘플 데이터가 미리 저장되고, 샘플 데이터와 일치 또는 유사한 데이터를 더 많이 포함하는 그룹이 매크로봇에 의해 입력된 데이터인 것으로 결정될 수 있다. 가령, 제1 그룹이 매크로봇에 의해 입력된 데이터를 포함한 것으로 결정되면, 제2 그룹이 사용자에 의해 입력된 데이터한 것으로 결정될 수 있다. 이하에서는 제1 그룹이 매크로봇에 의해 입력된 데이터를 포함하는 것으로 가정된다.

제1 그룹으로 해당하는 복수의 학습용 데이터 및 제2 그룹에 해당하는 복수의 학습용 데이터를 포함하는 제2 트레이닝셋(450)이 생성될 수 있다. 그 후, 제2 트레이닝셋(450)에 포함된 학습용 데이터가 순차적으로 제2 기계학습 모델(460)에 입력되어, 제2 기계학습 모델(460)이 학습될 수 있다. 제2 기계학습 모델(460)은 학습용 데이터를 분석하여, 매크로봇 탐지 결과를 포함하는 출력 데이터(470)를 출력할 수 있다. 여기서, 탐지 결과는 매크로봇 탐지, 매크로봇 미탐지 또는 매크로봇 탐지 가능성과 연관된 수치를 포함할 수 있다. 학습용 데이터에 포함된 제1 특징 값, 제2 특징 값 또는 제3 특징 값 중 적어도 하나가, 출력 결과를 변동시키는 주요한 인자(factor)로서 작용되어, 출력 데이터(470)에 포함된 탐지 결과에 영향을 줄 수 있다.

출력 데이터(470)와 정답 값(480) 간의 손실값(loss)이 산출되어, 산출된 결과가 제2 기계학습 모델(460)에 반영(feedback)되어, 제2 기계학습 모델(460)에 포함된 적어도 하나의 노드의 가중치가 조정될 수 있다. 여기서, 정답 값(480)은 매크로봇에 의한 입력/미입력과 관련된 값을 포함할 수 있다. 가령, 제2 기계학습 모델(460)에 입력된 학습용 데이터가 제1 그룹에 포함된 경우, 정답 값은 '매크로봇 입력'과 관련된 값을 수 있다. 반대로, 제2 기계학습 모델(460)에 입력된 학습용 데이터가 제2 그룹에 포함된 경우, 정답 값은 '매크로봇 미입력'과 연관된 값을 포함할 수 있다.

제2 기계학습 모델(460)로부터 출력된 출력 데이터(470)에 포함된 탐지 결과와 정답 값(480)에 포함된 매크로봇 입력 유무 간의 손실 값(loss)이 산출될 수 있다. 평균 제곱 오차(MSE: Mean Squared Error), 루트 평균 제곱 오차(RMSE: Root Mean Squared Error), 교차 엔트로피 오차(CEE: Cross Entropy Error), 바이너리 교차 엔트로피 오차(BCEE: Binary Cross Entropy Error) 등과 같은 다양한 손실 함수가 이용되어 손실 값이 산출될 수 있다. 산출된 손실 값이 제2 기계학습 모델(460)로 반영되어, 제2 기계학습 모델(460)에 포함된 적어도 하나의 노드의 가중치가 조정될 수 있다.

복수의 학습 데이터를 이용한 학습이 반복적으로 수행되면, 제2 기계학습 모델(460)에 포함된 적어도 하나의 노드이 가중치가 최적의 값으로 수렴될 수 있다. 일부 실시예에 따르면, 제2 기계학습 모델(460)에 포함된 적어도 하나의 노드의 가중치는, 제1 특징 값, 제2 특징 값 또는 제3 특징 값 중 적어도 하나의 값과 연관될 수 있다. 이러한 경우, 제2 기계학습 모델(460)과 연관된 탐지 알고리즘은 매크로봇 탐지 결과를 산출하기 위한 수학식을 포함할 수 있다. 후술하는 수학식 1이 제2 기계학습 모델(460)과 연관된 탐지 알고리즘에서 사용되는 수학식의 일 예시일 수 있다. 도 7을 참조하여, 탐지 알고리즘과 연관된 수학식에 대해서 자세하게 설명하기로 한다.

도 5는 본 개시의 일 실시예에 따른 인공신경망 모델(500)을 나타내는 예시도이다. 인공신경망 모델(500)은, 기계학습 모델의 일 예로서, 기계학습(Machine Learning) 기술과 인지과학에서, 생물학적 신경망의 구조에 기초하여 구현된 통계학적 학습 알고리즘 또는 그 알고리즘을 실행하는 구조일 수 있다.

일 실시예에 따르면, 인공신경망 모델(500)은, 생물학적 신경망에서와 같이 시냅스의 결합으로 네트워크를 형성한 인공 뉴런인 노드(Node)들이 시냅스의 가중치를 반복적으로 조정하여, 특정 입력에 대응한 올바른 출력과 추론된 출력 사이의 오차가 감소되도록 학습함으로써, 문제 해결 능력을 가지는 기계학습 모델을 나타낼 수 있다. 예를 들어, 인공신경망 모델(500)은 기계학습, 딥러닝 등의 인공지능 학습법에 사용되는 임의의 확률 모델, 뉴럴 네트워크 모델 등을 포함할 수 있다.

일 실시예에 따르면, 인공신경망 모델(500)은 도 4에서 예시된 제1 기계학습 모델 및/또는 제2 기계학습 모델과 연관될 수 있다. 인경신경망 모델(500)은 사용자 단말에서 발생하는 입력 데이터가 매크로봇에 의해서 입력된 것인지 여부를 판정하도록 구성된 인공신경망 모델을 포함할 수 있다.

인공신경망 모델(500)은 다층의 노드들과 이들 사이의 연결로 구성된 다층 퍼셉트론(MLP: multilayer perceptron)으로 구현될 수 있다. 본 실시예에 따른 인공신경망 모델(500)은 MLP를 포함하는 다양한 인공신경망 모델 구조들 중의 하나를 이용하여 구현될 수 있다. 도 5에 도시된 바와 같이, 인공신경망 모델(500)은, 외부로부터 입력 신호 또는 데이터(510)를 수신하는 입력층(520), 입력 데이터에 대응한 출력 신호 또는 데이터(550)를 출력하는 출력층(540), 입력층(520)과 출력층(540) 사이에 위치하며 입력층(520)으로부터 신호를 받아 특성을 추출하여 출력층(540)으로 전달하는 n개(여기서, n은 양의 정수)의 은닉층(530_1 내지 530_n)으로 구성될 수 있다. 여기서, 출력층(540)은 은닉층(530_1 내지 530_n)으로부터 신호를 받아 외부로 데이터를 출력할 수 있다.

인공신경망 모델(500)의 학습 방법에는, 교사 신호(정답)의 입력에 의해서 문제의 해결에 최적화되도록 학습하는 지도 학습(Supervised Learning) 방법과, 교사 신호를 필요로 하지 않는 비지도 학습(Unsupervised Learning) 방법이 있다. 일 실시예에서, 인공신경망 모델(500)은 입력 특징 패턴에 기초하여 데이터를 제1 그룹과 제2 그룹으로 군집화하도록 비지도 학습될 수 있다. 추가적으로 또는 이와 달리, 인공신경망 모델(500)은 입력 데이터가 매크로봇에 의해서 입력된 데이터인지 여부를 추론하도록 지도 학습될 수 있다. 이렇게 학습된 인공신경망 모델(500)의 동작과 연관된 코드가 탐지 코드에 포함될 수 있다.

이와 같이, 인공신경망 모델(500)의 입력층(520)과 출력층(540)에 복수의 입력 데이터와 대응되는 복수의 출력 데이터가 각각 매칭되고, 입력층(520), 은닉층(530_1 내지 530_n) 및 출력층(540)에 포함된 노드들 사이의 시냅스 값이 조정됨으로써, 특정 입력에 대응한 올바른 출력이 추출될 수 있도록 학습될 수 있다. 이러한 학습 과정을 통해, 인공신경망 모델(500)의 입력 데이터에 숨겨져 있는 특성이 파악될 수 있고, 입력 데이터에 기초하여 계산된 출력 데이터와 목표 출력 간의 오차가 줄어들도록 인공신경망 모델(500)의 노드들 사이의 시냅스 값(또는 가중치)이 조정될 수 있다. 이렇게 학습된 인공신경망 모델(500)은 입력된 데이터에 응답하여, 입력 데이터에 대한 매크로봇 탐지 결과를 출력할 수 있다.

도 6은 본 개시의 일 실시예에 따른, 탐지 모듈이 탑재된 애플리케이션이 사용자 단말(620)에서 설치되는 방법을 설명하는 흐름도이다. 정보 처리 시스템(680)은 고객 시스템(660)으로부터 애플리케이션 코드가 포함된 애플리케이션 파일(662)을 수신할 수 있다. 여기서, 애플리케이션 파일은 온라인 게임, 인터넷 뱅킹, 티켓 예매, 온라인 쇼핑 등과 관련된 파일일 수 있다. 여기서, 정보 처리 시스템(680)은 도 2 및 3의 정보 처리 시스템(230)에 대응될 수 있다. 또한, 고객 시스템(660)은 도 2의 고객 시스템(240)에 대응될 수 있다.

그 후, 정보 처리 시스템(680)은 애플리케이션 코드에 탐지 코드 또는 보안 코드 중 적어도 하나를 탑재할 수 있다(682). 탐지 코드가 애플리케이션 코드에 탑재되는 경우, 애플리케이션 파일에 탐지 모듈이 탑재될 수 있다. 사전에 학습된 기계학습 모델과 연관된 매크로봇 탐지 알고리즘이 탐지 모듈에 포함될 수 있다. 또한, 보안 코드가 애플리케이션 코드에 탑재되는 경우, 애플리케이션 파일에 보안 모듈이 탑재될 수 있다.

일 실시예에 따르면, 정보 처리 시스템(680)은 매크로봇에 의한 입력을 탐지할 수 있는 탐지 모듈이 애플리케이션 파일에 탑재되도록, 탐지 모듈을 실행시키기 위한 탐지 코드를 애플리케이션 코드에 탑재할 수 있다. 예를 들어, 애플리케이션 코드가 컴파일된 코드인 경우, 정보 처리 시스템(680)은 애플리케이션 코드를 디컴파일하여 애플리케이션과 연관된 제1 소스 코드를 획득한 후, 제1 소스 코드에 탐지 코드와 관련된 제2 소스 코드를 삽입할 수 있다. 정보 처리 시스템(680)은 제1 소스 코드의 전체 영역에서, 입력과 연관된 함수/코딩문을 포함하는 위치를 식별하고, 식별된 위치에 기초하여 제2 코드가 삽입되는 타깃 위치를 결정할 수 있다. 예컨대, 정보 처리 시스템(680)은 결정된 타깃 위치에 제2 소스 코드의 일부 또는 전부를 삽입할 수 있다. 다른 예로서, 정보 처리 시스템(680)은 식별된 위치에 제2 소스 코드와 연관된 함수를 호출할 수 있는 호출 명령을 삽입할 수 있다. 제2 소스 코드의 삽입이 완료되면, 정보 처리 시스템(680)은 제2 소스 코드가 삽입된 제1 소스 코드를 컴파일함으로써, 탐지 코드를 애플리케이션 코드에 탑재할 수 있다.

다른 예로서, 애플리케이션 코드가 기계어(assembly language)와 연관된 코드인 경우, 정보 처리 시스템(680)은 애플리케이션 코드를 어셈블리 언어를 통해 분석하여, 애플리케이션 코드의 전체 영역에서 탐지 코드가 삽입되는 타깃 위치를 결정할 수 있다. 그 후, 정보 처리 시스템(680)은 결정된 타깃 위치에 탐지 코드를 삽입함으로써, 탐지 모듈을 실행시키기 위한 탐지 코드를 애플리케이션 코드에 탑재할 수 있다. 여기서, 탐지 코드는 기계어 코드 또는 바이너리 코드일 수 있다. 정보 처리 시스템(680)은 애플리케이션 코드의 전체 영역에서, 입력과 연관된 코드를 포함하는 위치를 식별하고, 식별된 위치에 기초하여 타깃 위치를 결정할 수 있다. 예컨대, 정보 처리 시스템(680)은 식별된 위치에 탐지 코드의 일부 또는 전부를 삽입할 수 있다. 다른 예로서, 정보 처리 시스템(680)은 식별된 위치에 탐지 코드와 연관된 함수를 호출할 수 있는 호출 명령을 삽입할 수 있다. 정보 처리 시스템(680)은 바이너리 기반의 탐지 코드를 기계어 기반의 애플리케이션 코드에 삽입할 수 있다. 다른 예로서, 정보 처리 시스템(680)은 기계어와 연관된 애플리케이션 코드를 디컴파일한 후에, 디컴파일된 소스 코드에 탐지코드를 삽입한 후에, 탐지코드가 삽입된 애플리케이션 코드를 컴파일할 수 있다.

또 다른 예로서, 애플리케이션 코드가 스크립트 코드일 수 있다. 여기서, 스크립트 코드는 자바 스크립트(java script), 파이선(python) 등을 포함할 수 있다. 이 경우, 정보 처리 시스템(680)은 애플리케이션 코드를 스크립트 언어를 통해 분석하여, 애플리케이션 코드의 전체 영역에서 탐지 코드가 삽입되는 타깃 위치를 결정할 수 있다. 그 후, 정보 처리 시스템(680)은 결정된 타깃 위치에 탐지 코드를 삽입함으로써, 탐지 모듈을 실행시키기 위한 탐지 코드를 애플리케이션 코드에 탑재할 수 있다. 여기서, 탐지 코드는 스크립트 기반의 코드일 수 있다.

추가적으로 또는 이와 달리, 정보 처리 시스템(680)은 해킹을 차단하기 제1 기능, 안티 디버깅을 수행하는 제2 기능, 데이터 무결성 체크를 수행하는 제3 기능, 에뮬레이터를 차단하기 위한 제4 기능 또는 가상 오퍼레이팅 시스템 환경을 차단하기 위한 제5 기능 중 적어도 하나를 실행하기 위한 보안 모듈이 애플리케이션 파일에 탑재되도록, 보안 모듈을 실행시키기 위한 보안 코드를 애플리케이션 코드에 탑재할 수 있다. 예를 들어, 애플리케이션 코드가 바이너리 코드인 경우, 정보 처리 시스템(680)은 애플리케이션 코드를 디컴파일하여 애플리케이션과 연관된 제1 소스 코드를 획득한 후, 획득된 제1 소스 코드에 보안 코드와 관련된 제3 소스 코드를 삽입할 수 있다. 제3 소스 코드의 삽입이 완료되면, 정보 처리 시스템(680)은 제3 소스 코드가 삽입된 제1 소스 코드를 컴파일함으로써, 보안 코드를 애플리케이션 코드에 탑재할 수 있다. 다른 예로서, 애플리케이션 코드가 바이너리 코드인 경우, 정보 처리 시스템(680)은 애플리케이션 코드를 어셈블리 언어를 통해 분석하여, 애플리케이션 코드의 전체 영역에서 보안 코드가 삽입되는 타깃 위치를 결정할 수 있다. 그 후, 정보 처리 시스템(680)은 결정된 타깃 위치에 보안 코드를 삽입함으로써, 보안 모듈을 실행시키기 위한 보안 코드를 애플리케이션 코드에 탑재할 수 있다.

일 실시예에 따르면, 탐지 코드는 기계학습 모델의 동작과 연관된 코드를 포함할 수 있다. 여기서, 기계학습 모델은 매크로봇에 의한 입력을 탐지하도록 구성될 수 있다.

그 후, 정보 처리 시스템(680)은 탐지 모듈 및/또는 보안 모듈이 탑재된 애플리케이션 파일(684)을 고객 시스템(660)으로 전송할 수 있다. 이어서, 고객 시스템(660)은 앱 스토어(640)에 탐지 모듈 및/또는 보안 모듈이 탑재된 애플리케이션 파일(664)을 업로드할 수 있다.

사용자 단말(620)은 애플리케이션 다운로드 요청(622)을 앱 스토어(640)로 요청하여, 탐지 모듈 및/또는 보안 모듈이 탑재된 애플리케이션 파일(642)을 다운로드할 수 있다. 이어서, 사용자 단말(620)은 탐지 모듈 및/또는 보안 모듈이 탑재된 애플리케이션 파일을 설치할 수 있다(624). 탐지 모듈이 탑재된 애플리케이션이 사용자 단말(620)에 설치된 후에, 애플리케이션이 실행되는 경우 탐지 모듈도 활성화되어 동작될 수 있다. 활성화된 탐지 모듈은 매크로봇을 통한 입력이 탐지되는지를 모니터링할 수 있다. 가령, 탐지 모듈은 미리 학습된 기계학습 모델과 연관된 매크로봇 탐지 알고리즘에 기초하여, 매크로봇을 통한 입력이 탐지되는지를 모니터링할 수 있다. 또한, 보안 모듈이 탑재된 애플리케이션이 사용자 단말(620)에 설치된 후에, 애플리케이션이 실행되는 경우 보안 모듈도 활성화되어 동작될 수 있다. 활성화된 보안 모듈은 해킹을 차단하기 제1 기능, 안티 디버깅을 수행하는 제2 기능, 데이터 무결성 체크를 수행하는 제3 기능, 에뮬레이터를 차단하기 위한 제4 기능 또는 가상 오퍼레이팅 시스템 환경을 차단하기 위한 제5 기능 중 적어도 하나를 수행할 수 있다.

도 7은 본 개시의 일 실시예에 따른, 사용자 단말(720)에서 수집된 로그 데이터에 기초하여 기계학습 모델이 학습되는 방법을 설명하는 흐름도이다. 도 7에서는 로그 데이터에 기초하여 기계학습 모델이 추가 학습된 것으로 가정될 수 있다.

사용자 단말(720)에 애플리케이션이 실행되면, 탐지 모듈이 활성화되어 동작할 수 있다. 그 후, 활성화된 탐지 모듈은 사용자 단말(720)에서 입력된 복수의 입력 데이터를 포함하는 로그 데이터를 수집할 수 있다(722). 이때, 탐지 모듈은 미리 결정된 주기 동안에 수집된 복수의 입력 데이터를 로그 데이터에 포함시킬 수 있다.

일 실시예에 따르면, 입력 데이터에는 터치 좌표, 터치 압력 값 및 수집 시각이 포함될 수 있다. 복수의 입력 데이터에 포함된 터치 좌표에 기초하여, 터치 궤적(터치 제스처)이 식별될 수 있다. 또한, 로그 데이터에는 매크로봇 탐지 결과가 포함될 수 있다. 매크로봇 탐지 결과는 탐지 모듈에 의해서 판정될 수 있다. 즉, 탐지 모듈은 로그 데이터에 포함된 복수의 입력 데이터에 기초하여, 매크로봇이 탐지 여부를 판정할 수 있다. 예컨대, 탐지 모듈은 복수의 입력 데이터의 각각에 복수의 터치 좌표 값에 기초하여, 시간 흐름에 따른 터치 위치와 연관된 제1 특징 값을 산출할 수 있다. 또한, 탐지 모듈은 복수의 입력 데이터의 각각에 포함된 각각의 터치 압력 값에 기초하여, 시간 흐름에 따른 터치 압력 값과 연관된 제2 특징 값을 산출할 수 있다. 또한, 탐지 모듈은 복수의 입력 데이터의 각각에 포함된 수집 시각에 기초하여, 미리 결정된 시간 간격으로 입력 데이터를 군집화할 수 있다. 아울러, 탐지 모듈은 군집화된 입력 데이터들의 각각에 포함된 터치 좌표를 기초로, 그룹별 터치 면적을 산출하고, 그룹별 터치 면적이 포함된 제3 특징 값을 산출할 수 있다. 또한, 탐지 모듈은 제1 특징 값, 제2 특징 값 또는 제3 특징 값 중 적어도 하나에 기초하여, 로그 데이터에 포함된 입력 데이터들이 매크로봇에 의해 생성된 데이터인지 여부를 판정하고, 판정 결과를 로그 데이터에 포함시킬 수 있다.

일부 실시예에 따르면, 제1 특징 값, 제2 특징 값 및 제3 특징 값의 각각에는 가중치가 적용될 수 있다. 가중치가 적용된 제1 특징 값, 제2 특징 값 및 제3 특징 값이 합산하여 로그 데이터에 대한 결과 값이 산출될 수 있다. 로그 데이터에 대한 결과 값은 수학식 1을 통해서 산출될 수 있다.

여기서, Vout은 로그 데이터(즉, 모니터링된 복수의 입력 데이터)에 대한 결과값이고, C1은 제1 특징 값이고, C2는 제2 특징 값이고, C3는 제3 특징 값일 수 있다. 가령, 제1 특징 값은 터치 위치에 대한 값이고, 제2 특징 값은 터치 압력에 대한 값이고, 제3 특징 값은 터치 면적에 대한 값일 수 있다. C1, C2 또는 C3은 벡터 값으로서 표현될 수 있다. 또한, 'a'는 제1 특징 값에 대한 제1 가중치이고, 'b'는 제2 특징 값에 대한 제2 가중치이고, 'c'는 제3 특징 값에 대한 제3 가중치일 수 있다. 이러한 제1 가중치(a), 제2 가중치(b) 또는 제3 가중치(c) 중 적어도 하나는, 기계학습 모델의 학습을 통해서 결정될 수 있다. 또한, 제1 가중치(a), 제2 가중치(b) 또는 제3 가중치(c) 중 적어도 하나는 기계학습 모델의 추가 학습을 통해서 업데이트될 수 있다.

탐지 모듈은 로그 데이터에 대한 결과 값과 미리 결정된 기준 값을 비교하여, 매크로봇을 통한 입력 여부를 판정할 수 있다. 예를 들어, 탐지 모듈은 로그 데이터에 대한 결과 값이 미리 결정된 기준 값에서 임계범위 이내로 일치하면, 매크로봇에 의한 입력이 발생한 것으로 판정할 수 있다.

이어서, 사용자 단말(720)은 수집된 로그 데이터(724)를 정보 처리 시스템(740)으로 전송할 수 있다. 예컨대, 사용자 단말(720)은 로그 데이터의 생성이 완료되면, 정보 처리 시스템(740)으로 로그 데이터를 즉시 전송할 수 있다. 다른 예로서, 사용자 단말(720)은 복수의 로그 데이터를 수집하여 로컬 저장소에 추적하여 저장하고, 보고 시점에 로컬 저장소에 저장중인 복수의 로그 데이터를 정보 처리 시스템(740)으로 전송할 수 있다. 여기서, 정보 처리 시스템(740)은 도 2 및 3의 정보 처리 시스템(230)에 대응될 수 있다.

정보 처리 시스템(740)은 수신된 적어도 하나의 로그 데이터를 로그 데이터베이스에 저장할 수 있다(742). 여기서, 로그 데이터베이스는 로그 데이터가 저장되는 데이터베이스일 수 있다.

미리 결정된 데이터 전처리 시점이 도래하면, 정보 처리 시스템(740)은 로그 데이터베이스에 포함된 적어도 하나의 로그 데이터를 전처리하여, 학습용 데이터를 생성할 수 있다(744). 도 4의 사전 학습(pre-training) 과정과 유사하게, 정보 처리 시스템(740)은 로그 데이터에 포함된 복수의 입력 데이터의 각각에 복수의 터치 좌표 값에 기초하여, 시간 흐름에 따른 터치 위치와 연관된 제1 특징 값을 산출할 수 있다. 또한, 정보 처리 시스템(740)은 복수의 입력 데이터의 각각에 포함된 각각의 터치 압력 값에 기초하여, 시간 흐름에 따른 터치 압력 값과 연관된 제2 특징 값을 산출할 수 있다. 또한, 정보 처리 시스템(740)은 복수의 입력 데이터의 각각에 포함된 수집 시각에 기초하여, 미리 결정된 시간 간격으로 입력 데이터를 군집화할 수 있다. 아울러, 정보 처리 시스템(740)은 군집화된 입력 데이터들의 각각에 포함된 터치 좌표를 기초로, 그룹별 터치 면적을 산출하고, 그룹별 터치 면적이 포함된 제3 특징 값을 산출할 수 있다.

정보 처리 시스템(740)은 제1 특징 값, 제2 특징 값 또는 제3 특징 값 중 적어도 하나를 포함하는 학습용 데이터를 제2 기계학습 모델에 적용하여, 제2 기계학습 모델을 추가적으로 학습시킬 수 있다(746). 이때, 로그 데이터에 포함된 매크로봇 탐지 결과가 정답 값으로서 이용되어, 제2 기계학습 모델이 지도 학습될 수 있다. 로그 데이터를 이용한 추가 학습이 종료되면, 정보 처리 시스템(740)은 추가 학습된 제2 기계학습 모델에 기초하여, 제2 기계학습 모델을 업데이트할 수 있다(748). 추가적으로 또는 이와 달리, 정보 처리 시스템(740)은 추가 학습에 따라 갱신된 제2 기계학습 모델의 알고리즘이 반영되도록, 탐지 코드를 업데이트할 수 있다. 일 실시예에 따르면, 정보 처리 시스템(740)은 제2 기계학습 모델에 포함된 노드의 가중치가 변동되는지 여부를 판정하여, 노드의 가중치가 변동된 것으로 판정되는 경우, 변동된 노드의 가중치가 반영되도록 탐지 코드를 업데이트할 수 있다. 예컨대, 정보 처리 시스템(740)은 수학식 1에서 적용되는 가중치들 중에서 적어도 하나가 변동되는지 여부를 판정하여 변동되는 경우에, 변동된 가중치가 반영되도록 탐지 코드를 업데이트할 수 있다.

이어서, 정보 처리 시스템(740)은 배포된 기계학습 모델 또는 탐지 코드 중 적어도 하나를 업데이트하기 위한 업데이트 데이터를 생성하고, 업데이트 데이터(750)를 사용자 단말(720)로 전송할 수 있다. 그 후, 사용자 단말(720)은 업데이트 데이터(750)에 기초하여, 저장중인 기계학습 모델과 연관된 데이터 또는 탐지 코드 중 적어도 하나를 업데이트할 수 있다. 기계학습 모델과 연관된 데이터를 통해서 기계학습 모델이 최신 버전으로 업데이트될 수 있고, 탐지 코드의 업데이트를 통해서 탐지 모듈 또는 애플리케이션 파일도 업데이트될 수 있다. 한편, 수학식 1이 탐지 모듈에서 이용되는 경우, 수학식 1에 적용되는 가중치가 업데이트될 수 있다.

추가적으로 또는 이와 달리, 업데이트 데이터(752)를 고객 시스템(760)으로 전송할 수 있다. 그 후, 고객 시스템(760)은 업데이트 데이터(752)가 적용된 애플리케이션 앱 스토어에 업로드할 수 있다. 이 경우 사용자 단말(720)은 앱 스토어로부터 업데이트 데이터(752)가 적용된 애플리케이션 파일을 다운로드하여, 다운로드된 애플리케이션 파일을 기초로 기계학습 모델 또는 탐지 코드 중 적어도 하나에 대한 업데이트를 진행할 수 있다. 여기서, 고객 시스템(760)은 도 2의 고객 시스템(240)에 대응될 수 있다.

도 8은 본 개시의 일 실시예에 따른, 매크로봇이 탐지된 후에 애플리케이션이 제어되는 방법을 설명하기 위한 흐름도이다. 사용자 단말(820)에 탑재된 탐지 모듈은 매크로봇에 의한 입력을 탐지할 수 있다(822). 매크로봇에 의해 탐지 방법은 도 7을 참조한 설명에서 자세하게 기재하였으므로, 매크로봇 탐지 방법에 대한 구체적인 설명은 생략하기로 한다. 일 실시예에 따르면, 탐지 모듈은 사용자 단말(820)에서 매크로 프로그램(매크로봇)을 통한 입력이 검출되는 것에 응답하여, 애플리케이션의 실행이 차단하도록 구성될 수 있다.

그 후, 사용자 단말(820)에 탑재된 탐지 모듈은 매크로봇 탐지 결과(824)를 고객 시스템(840)으로 전송할 수 있다. 여기서, 탐지 매크로봇 탐지 결과(824)는 매크로봇에 의한 입력이 검출되었음을 나타내는 알림 정보와 사용자 계정을 포함할 수 있다. 여기서, 고객 시스템(840)은 도 2의 고객 시스템(240)에 대응될 수 있다.

이어서, 정보 처리 시스템(860)은 매크로봇 탐지 결과에 포함된 사용자 계정 또는 디바이스를 식별할 수 있다(842). 여기서, 정보 처리 시스템(860)은 도 2 및 3의 정보 처리 시스템(230)에 대응될 수 있다. 그 후, 정보 처리 시스템(860)은 미리 결정된 매크로봇 대응 정책을 수행할 수 있다(844). 가령, 정보 처리 시스템(860)은 사용자 계정 또는 디바이스에 대한 접속을 일정 시간동안 차단할 수 있다. 다른 예로서, 정보 처리 시스템(860)은 사용자의 단말로 경고 메시지를 전송할 수 있다. 또 다른 예로서, 정보 처리 시스템(860)은 캡차 인증을 수행한 후에, 캡차 인증에 실패한 경우 사용자 계정 또는 디바이스로 접속된 애플리케이션의 실행을 중단하고, 캡차 인증에 성공한 경우에만 애플리케이션의 계속적인 실행을 허락할 수 있다.

또한, 사용자 단말(820)에 탑재된 탐지 모듈은 매크로봇 탐지 결과(826)를 정보 처리 시스템(860)으로 전송할 수 있다.

그 후, 정보 처리 시스템(860)은 매크로봇 탐지 결과를 저장할 수 있다(862). 이어서, 정보 처리 시스템(860)은 저장된 적어도 하나의 매크로봇 탐지 결과에 기초하여 보고서를 생성할 수 있다(864). 보고서에는 애플리케이션 유형별 매크로봇 탐지 비율, 시간대/요일대별 매크로봇 탐지 비율 등이 포함될 수 있다.

도 9는 본 개시의 일 실시예에 따른, 매크로봇 탐지 서비스 제공 방법(900)을 설명하기 위한 흐름도이다. 도 9에 도시된 방법은, 본 개시의 목적을 달성하기 위한 일 실시예일 뿐이며, 필요에 따라 일부 단계가 추가되거나 삭제될 수 있음은 물론이다. 또한, 도 9에 도시된 방법은, 정보 처리 시스템에 포함된 적어도 하나의 프로세서에 의해서 수행될 수 있다. 설명의 편의를 위해서 도 3에 도시된 정보 처리 시스템에 포함된 프로세서에 의해서, 도 9에 도시된 각 단계가 수행되는 것으로 설명하기로 한다.

프로세서는 통신 모듈을 통하여, 고객 시스템으로부터 제공된 애플리케이션 코드를 획득할 수 있다(S910). 일 실시예에 따르면, 프로세서는 통신 모듈을 통하여, 애플리케이션 코드가 포함된 애플리케이션 파일을 고객 시스템으로부터 수신할 수 있다.

그 후, 프로세서는 매크로 프로그램을 통한 입력을 검출하기 위한 탐지 코드를 애플리케이션 코드에 탑재할 수 있다(S920). 애플리케이션 코드는 컴파일 코드일 수 있다. 예컨대, 컴파일 코드는 자바(java) 등과 같은 프로그래밍 언어가 컴파일된 중간 코드(예컨대, Dex 파일 등)일 수 있다. 이 경우, 프로세서는 애플리케이션 코드를 디컴파일하여 애플리케이션과 연관된 제1 소스 코드를 획득하고, 획득된 제1 소스 코드에 탐지 코드와 관련된 제2 소스 코드를 삽입할 수 있다. 그리고 프로세서는 제2 소스 코드가 삽입된 제1 소스 코드를 컴파일함으로써, 탐지 코드를 애플리케이션 코드에 탑재할 수 있다. 다른 예로서, 애플리케이션 코드는, 스크립트 코드일 수 있으며, 이 경우 프로세서는 애플리케이션 코드의 전체 영역에서 탐지 코드가 삽입되는 타깃 위치를 결정한 후, 결정된 타깃 위치에 스크립트 기반의 탐지 코드를 삽입할 수 있다. 또 다른 예로서, 애플리케이션 코드는 기계어와 연관된 코드일 수 있고, 이 경우 프로세서는 애플리케이션 코드의 전체 영역에서 탐지 코드가 삽입되는 타깃 위치를 결정하고, 결정된 타깃 위치에 탐지 코드를 삽입함으로써, 탐지 코드를 애플리케이션 코드에 탑재할 수 있다. 여기서, 탐지 코드는 기계어 코드 또는 바이너리 코드일 수 있다. 프로세서는 애플리케이션 코드의 전체 영역에서, 터치 입력과 연관된 코드를 포함하는 위치를 식별하고, 식별된 위치에 기초하여 타깃 위치를 결정할 수 있다.

다음으로, 프로세서는 통신 모듈을 통하여, 탐지 코드가 탑재된 애플리케이션 코드를 고객 시스템에 제공할 수 있다(S930).

그 후, 프로세서는 통신 모듈을 통해, 애플리케이션 코드가 실행된 복수의 사용자 단말로부터 입력과 연관된 복수의 로그 데이터를 수신할 수 있다. 이어서, 프로세서는 수신된 복수의 로그 데이터에 기초하여 트레이닝셋을 생성하고, 매크로 프로그램을 통한 입력을 검출하도록 구성된 기계학습 모델에 트레이닝셋을 적용하여, 기계학습 모델을 학습시킬 수 있다. 그 후, 프로세서는 학습된 기계학습 모델에 기초하여, 기계학습 모델과 연관된 데이터 또는 탐지 코드 중 적어도 하나를 업데이트하고, 기계학습 모델과 연관된 데이터 또는 탐지 코드 중 적어도 하나를 업데이트하기 위한 데이터를 고객 시스템으로 전송할 수 있다.

또한, 프로세서는 해킹을 차단하기 제1 기능, 안티 디버깅을 수행하는 제2 기능, 데이터 무결성 체크를 수행하는 제3 기능, 에뮬레이터를 차단하기 위한 제4 기능 또는 가상 오퍼레이팅 시스템 환경을 차단하기 위한 제5 기능 중 적어도 하나를 실행하기 위한 보안 코드를 애플리케이션 코드에 더 탑재할 수 있다. 이 경우, 프로세서는 통신 모듈을 통하여, 보안 코드 및 탐지 코드가 탑재된 애플리케이션 코드를 고객 시스템에 제공할 수 있다.

일 실시예에 따르면, 탐지 코드를 삽입한 애플리케이션 코드가 고객 시스템 또는 고객 시스템과 연관된 사용자 단말에서 실행되는 것에 응답하여, 탐지 코드와 관련된 탐지 모듈이 사용자 단말에서 탑재되고, 탐지 모듈은 고객 시스템 또는 고객 시스템과 연관된 사용자 단말에서 매크로 프로그램을 통한 입력이 검출되는지 여부를 모니터링하도록 구성될 수 있다. 탐지 모듈은 사용자 단말에서 매크로 프로그램을 통한 입력이 감지되는 것에 응답하여, 애플리케이션의 실행이 차단되도록 제어할 수 있다.

상술한 흐름도 및 상술한 설명은 일 예시일 뿐이며, 일부 실시예에서는 다르게 구현될 수 있다. 예를 들어, 일부 실시예에서는 각 단계의 순서가 바뀌거나, 일부 단계가 반복 수행되거나, 일부 단계가 생략되거나, 일부 단계가 추가될 수 있다.

상술한 방법은 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램으로 제공될 수 있다. 매체는 컴퓨터로 실행 가능한 프로그램을 계속 저장하거나, 실행 또는 다운로드를 위해 임시 저장하는 것일수도 있다. 또한, 매체는 단일 또는 수개 하드웨어가 결합된 형태의 다양한 기록 수단 또는 저장수단일 수 있는데, 어떤 컴퓨터 시스템에 직접 접속되는 매체에 한정되지 않고, 네트워크 상에 분산 존재하는 것일 수도 있다. 매체의 예시로는, 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체, CD-ROM 및 DVD 와 같은 광기록 매체, 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto optical medium), 및 ROM, RAM, 플래시 메모리 등을 포함하여 프로그램 명령어가 저장되도록 구성된 것이 있을 수 있다. 또한, 다른 매체의 예시로, 애플리케이션을 유통하는 앱 스토어나 기타 다양한 소프트웨어를 공급 내지 유통하는 사이트, 서버 등에서 관리하는 기록매체 내지 저장매체도 들 수 있다.

본 개시의 방법, 동작 또는 기법들은 다양한 수단에 의해 구현될 수도 있다. 예를 들어, 이러한 기법들은 하드웨어, 펌웨어, 소프트웨어, 또는 이들의 조합으로 구현될 수도 있다. 본원의 개시와 연계하여 설명된 다양한 예시적인 논리적 블록들, 모듈들, 회로들, 및 알고리즘 단계들은 전자 하드웨어, 컴퓨터 소프트웨어, 또는 양자의 조합들로 구현될 수도 있음을 통상의 기술자들은 이해할 것이다. 하드웨어 및 소프트웨어의 이러한 상호 대체를 명확하게 설명하기 위해, 다양한 예시적인 구성요소들, 블록들, 모듈들, 회로들, 및 단계들이 그들의 기능적 관점에서 일반적으로 위에서 설명되었다. 그러한 기능이 하드웨어로서 구현되는지 또는 소프트웨어로서 구현되는 지의 여부는, 특정 애플리케이션 및 전체 시스템에 부과되는 설계 요구사항들에 따라 달라진다. 통상의 기술자들은 각각의 특정 애플리케이션을 위해 다양한 방식들로 설명된 기능을 구현할 수도 있으나, 그러한 구현들은 본 개시의 범위로부터 벗어나게 하는 것으로 해석되어서는 안 된다.

하드웨어 구현에서, 기법들을 수행하는 데 이용되는 프로세싱 유닛들은, 하나 이상의 ASIC들, DSP들, 디지털 신호 프로세싱 디바이스들(digital signal processing devices; DSPD들), 프로그램가능 논리 디바이스들(programmable logic devices; PLD들), 필드 프로그램가능 게이트 어레이들(field programmable gate arrays; FPGA들), 프로세서들, 제어기들, 마이크로제어기들, 마이크로프로세서들, 전자 디바이스들, 본 개시에 설명된 기능들을 수행하도록 설계된 다른 전자 유닛들, 컴퓨터, 또는 이들의 조합 내에서 구현될 수도 있다.

따라서, 본 개시와 연계하여 설명된 다양한 예시적인 논리 블록들, 모듈들, 및 회로들은 범용 프로세서, DSP, ASIC, FPGA나 다른 프로그램 가능 논리 디바이스, 이산 게이트나 트랜지스터 로직, 이산 하드웨어 컴포넌트들, 또는 본원에 설명된 기능들을 수행하도록 설계된 것들의 임의의 조합으로 구현되거나 수행될 수도 있다. 범용 프로세서는 마이크로프로세서일 수도 있지만, 대안으로, 프로세서는 임의의 종래의 프로세서, 제어기, 마이크로제어기, 또는 상태 머신일 수도 있다. 프로세서는 또한, 컴퓨팅 디바이스들의 조합, 예를 들면, DSP와 마이크로프로세서, 복수의 마이크로프로세서들, DSP 코어와 연계한 하나 이상의 마이크로프로세서들, 또는 임의의 다른 구성의 조합으로서 구현될 수도 있다.

펌웨어 및/또는 소프트웨어 구현에 있어서, 기법들은 랜덤 액세스 메모리(random access memory; RAM), 판독 전용 메모리(read-only memory; ROM), 비휘발성 RAM(non-volatile random access memory; NVRAM), PROM(programmable read-only memory), EPROM(erasable programmable read-only memory), EEPROM(electrically erasable PROM), 플래시 메모리, 컴팩트 디스크(compact disc; CD), 자기 또는 마킹 데이터 스토리지 디바이스 등과 같은 컴퓨터 판독가능 매체 상에 저장된 명령들로서 구현될 수도 있다. 명령들은 하나 이상의 프로세서들에 의해 실행 가능할 수도 있고, 프로세서(들)로 하여금 본 개시에 설명된 기능의 특정 양태들을 수행하게 할 수도 있다.

소프트웨어로 구현되는 경우, 상술된 기법들은 하나 이상의 명령들 또는 코드로서 컴퓨터 판독 가능한 매체 상에 저장되거나 또는 컴퓨터 판독 가능한 매체를 통해 전송될 수도 있다. 컴퓨터 판독가능 매체들은 한 장소에서 다른 장소로 컴퓨터 프로그램의 전송을 용이하게 하는 임의의 매체를 포함하여 컴퓨터 저장 매체들 및 통신 매체들 양자를 포함한다. 저장 매체들은 컴퓨터에 의해 액세스될 수 있는 임의의 이용 가능한 매체들일 수도 있다. 비제한적인 예로서, 이러한 컴퓨터 판독가능 매체는 RAM, ROM, EEPROM, CD-ROM 또는 다른 광학 디스크 스토리지, 자기 디스크 스토리지 또는 다른 자기 스토리지 디바이스들, 또는 소망의 프로그램 코드를 명령들 또는 데이터 구조들의 형태로 이송 또는 저장하기 위해 사용될 수 있으며 컴퓨터에 의해 액세스될 수 있는 임의의 다른 매체를 포함할 수 있다. 또한, 임의의 접속이 컴퓨터 판독가능 매체로 적절히 칭해진다.

예를 들어, 소프트웨어가 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선 (DSL), 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들을 사용하여 웹사이트, 서버, 또는 다른 원격 소스로부터 전송되면, 동축 케이블, 광섬유 케이블, 연선, 디지털 가입자 회선, 또는 적외선, 무선, 및 마이크로파와 같은 무선 기술들은 매체의 정의 내에 포함된다. 본원에서 사용된 디스크(disk) 와 디스크(disc)는, CD, 레이저 디스크, 광 디스크, DVD(digital versatile disc), 플로피디스크, 및 블루레이 디스크를 포함하며, 여기서 디스크들(disks)은 보통 자기적으로 데이터를 재생하고, 반면 디스크들(discs)은 레이저를 이용하여 광학적으로 데이터를 재생한다. 위의 조합들도 컴퓨터 판독가능 매체들의 범위 내에 포함되어야 한다.

소프트웨어 모듈은, RAM 메모리, 플래시 메모리, ROM 메모리, EPROM 메모리, EEPROM 메모리, 레지스터들, 하드 디스크, 이동식 디스크, CD-ROM, 또는 공지된 임의의 다른 형태의 저장 매체 내에 상주할 수도 있다. 예시적인 저장 매체는, 프로세가 저장 매체로부터 정보를 판독하거나 저장 매체에 정보를 기록할 수 있도록, 프로세서에 연결될 수 있다. 대안으로, 저장 매체는 프로세서에 통합될 수도 있다. 프로세서와 저장 매체는 ASIC 내에 존재할 수도 있다. ASIC은 유저 단말 내에 존재할 수도 있다. 대안으로, 프로세서와 저장 매체는 유저 단말에서 개별 구성요소들로서 존재할 수도 있다.

이상 설명된 실시예들이 하나 이상의 독립형 컴퓨터 시스템에서 현재 개시된 주제의 양태들을 활용하는 것으로 기술되었으나, 본 개시는 이에 한정되지 않고, 네트워크나 분산 컴퓨팅 환경과 같은 임의의 컴퓨팅 환경과 연계하여 구현될 수도 있다. 또 나아가, 본 개시에서 주제의 양상들은 복수의 프로세싱 칩들이나 장치들에서 구현될 수도 있고, 스토리지는 복수의 장치들에 걸쳐 유사하게 영향을 받게 될 수도 있다. 이러한 장치들은 PC들, 네트워크 서버들, 및 휴대용 장치들을 포함할 수도 있다.

본 명세서에서는 본 개시가 일부 실시예들과 관련하여 설명되었지만, 본 개시의 발명이 속하는 기술분야의 통상의 기술자가 이해할 수 있는 본 개시의 범위를 벗어나지 않는 범위에서 다양한 변형 및 변경이 이루어질 수 있다. 또한, 그러한 변형 및 변경은 본 명세서에 첨부된 특허청구의 범위 내에 속하는 것으로 생각되어야 한다.

10 : 애플리케이션 파일
20 : 탐지 모듈
100 : 정보 처리 시스템

Claims (13)

1. 적어도 하나의 프로세서에 의해서 수행되는, 매크로봇 탐지 서비스 제공 방법에 있어서,
   고객 시스템으로부터 제공된 애플리케이션 코드를 획득하는 단계;
   매크로 프로그램을 통한 입력을 검출하기 위한 탐지 코드를 상기 애플리케이션 코드에 탑재하는 단계 - 매크로 프로그램을 통한 입력을 검출하도록 사전에 학습된 기계학습 모델에 기초하여, 상기 탐지 코드가 생성됨 - ;
   상기 탐지 코드가 탑재된 애플리케이션 코드를 상기 고객 시스템에 제공하는 단계;
   상기 애플리케이션 코드가 실행된 복수의 사용자 단말로부터 입력과 연관된 복수의 로그 데이터를 수신하는 단계;
   상기 수신된 복수의 로그 데이터에 기초하여 생성된 추가 학습용 데이터 세트(data set)를 상기 기계학습 모델에 적용하여, 상기 기계학습 모델을 추가 학습시키는 단계; 및
   상기 추가 학습된 기계학습 모델에 기초하여, 상기 기계학습 모델과 연관된 데이터 또는 상기 탐지 코드 중 적어도 하나를 업데이트하는 단계
   를 포함하는, 매크로봇 탐지 서비스 제공 방법.
   
2. 제1항에 있어서,
   상기 애플리케이션 코드는 컴파일된 코드이고,
   상기 애플리케이션 코드를 획득하는 단계는,
   상기 애플리케이션 코드를 디컴파일하여 상기 애플리케이션과 연관된 제1 소스 코드를 획득하는 단계를 포함하고,
   상기 탐지 코드를 상기 애플리케이션 코드에 탑재하는 단계는,
   상기 획득된 제1 소스 코드에 상기 탐지 코드와 관련된 제2 소스 코드를 삽입하는 단계; 및
   상기 제2 소스 코드가 삽입된 제1 소스 코드를 컴파일하는 단계
   를 포함하는, 매크로봇 탐지 서비스 제공 방법.
   
3. 제1항에 있어서,
   상기 애플리케이션 코드는, 스크립트 코드이고,
   상기 탐지 코드를 상기 애플리케이션 코드에 탑재하는 단계는,
   상기 애플리케이션 코드의 전체 영역에서 탐지 코드가 삽입되는 타깃 위치를 결정하는 단계; 및
   상기 결정된 타깃 위치에 스크립트 기반의 탐지 코드를 삽입하는 단계
   를 포함하는, 매크로봇 탐지 서비스 제공 방법.
   
4. 제1항에 있어서,
   상기 애플리케이션 코드는, 기계어와 연관된 코드이고,
   상기 탐지 코드를 상기 애플리케이션 코드에 탑재하는 단계는,
   상기 애플리케이션 코드의 전체 영역에서 상기 탐지 코드가 삽입되는 타깃 위치를 결정하는 단계; 및
   상기 결정된 타깃 위치에 상기 탐지 코드를 삽입하는 단계를 포함하는,
   매크로봇 탐지 서비스 제공 방법.
   
5. 제4항에 있어서,
   상기 탐지 코드가 삽입되는 타깃 위치를 결정하는 단계는,
   상기 애플리케이션 코드의 전체 영역에서, 입력과 연관된 코드를 포함하는 위치를 식별하는 단계; 및
   상기 식별된 위치에 기초하여 상기 타깃 위치를 결정하는 단계
   를 포함하는, 매크로봇 탐지 서비스 제공 방법.
   
6. 제1항에 있어서,
   상기 애플리케이션 코드를 획득하는 단계 이전에,
   복수의 학습용 입력 데이터를 포함하는 데이터 세트를 상기 기계학습 모델에 적용하여, 상기 기계학습 모델이 매크로 프로그램을 통한 입력을 검출하기 위해 구성되도록 상기 기계학습 모델을 사전에 학습시키는 단계; 및
   상기 사전에 학습된 기계학습 모델에 기초하여, 상기 탐지 코드를 생성하는 단계
   를 더 포함하는, 매크로봇 탐지 서비스 제공 방법.
   
7. 삭제
8. 제1항에 있어서,
   상기 기계학습 모델과 연관된 데이터 또는 상기 탐지 코드 중 적어도 하나를 업데이트하는 단계 이후에,
   상기 기계학습 모델과 연관된 데이터 또는 상기 탐지 코드 중 적어도 하나를 업데이트하기 위한 데이터를 상기 고객 시스템으로 전송하는 단계
   를 더 포함하는, 매크로봇 탐지 서비스 제공 방법.
   
9. 제1항에 있어서,
   상기 탐지 코드를 상기 애플리케이션 코드에 탑재하는 단계는,
   해킹을 차단하기 제1 기능, 안티 디버깅을 수행하는 제2 기능, 데이터 무결성 체크를 수행하는 제3 기능, 에뮬레이터를 차단하기 위한 제4 기능 또는 가상 오퍼레이팅 시스템 환경을 차단하기 위한 제5 기능 중 적어도 하나를 실행하기 위한 보안 코드를 상기 애플리케이션 코드에 탑재하는 단계
   를 포함하고,
   상기 애플리케이션 코드를 상기 고객 시스템에 제공하는 단계는,
   상기 보안 코드 및 상기 탐지 코드가 탑재된 상기 애플리케이션 코드를 상기 고객 시스템에 제공하는 단계
   를 포함하는, 매크로봇 탐지 서비스 제공 방법.
   
10. 제1항에 있어서,
    상기 탐지 코드를 삽입한 상기 애플리케이션 코드가 상기 고객 시스템 또는 상기 고객 시스템과 연관된 사용자 단말에서 실행되는 것에 응답하여, 상기 탐지 코드와 관련된 탐지 모듈이 사용자 단말에서 탑재되고, 상기 탐지 모듈은 상기 고객 시스템 또는 상기 고객 시스템과 연관된 사용자 단말에서 매크로 프로그램을 통한 입력이 검출되는지 여부를 모니터링하도록 구성된, 매크로봇 탐지 서비스 제공 방법.
    
11. 제10항에 있어서,
    상기 탐지 모듈은 상기 사용자 단말에서 매크로 프로그램을 통한 입력이 감지되는 것에 응답하여, 상기 애플리케이션의 실행이 차단되도록 제어하도록 더 구성되는, 매크로봇 탐지 서비스 제공 방법.
    
12. 제1항 내지 제6항 및 제8항 내지 제11항 중 어느 한 항에 따른 방법을 컴퓨터에서 실행하기 위해 컴퓨터 판독 가능한 기록 매체에 저장된 컴퓨터 프로그램.
    
13. 정보 처리 시스템으로서,
    메모리; 및
    상기 메모리와 연결되고, 상기 메모리에 포함된 컴퓨터 판독 가능한 적어도 하나의 프로그램을 실행하도록 구성된 적어도 하나의 프로세서
    를 포함하고,
    상기 적어도 하나의 프로그램은,
    고객 시스템으로부터 제공된 애플리케이션 코드를 획득하고,
    매크로 프로그램을 통한 입력을 검출하기 위한 탐지 코드를 상기 애플리케이션 코드에 탑재하고 - 매크로 프로그램을 통한 입력을 검출하도록 사전에 학습된 기계학습 모델에 기초하여, 상기 탐지 코드가 생성됨 -,
    상기 탐지 코드가 탑재된 애플리케이션 코드를 상기 고객 시스템에 제공하고,
    상기 애플리케이션 코드가 실행된 복수의 사용자 단말로부터 입력과 연관된 복수의 로그 데이터를 수신하고,
    상기 수신된 복수의 로그 데이터에 기초하여 생성된 추가 학습용 데이터 세트를 상기 기계학습 모델에 적용하여, 상기 기계학습 모델을 추가 학습시키고,
    상기 추가 학습된 기계학습 모델에 기초하여, 상기 기계학습 모델과 연관된 데이터 또는 상기 탐지 코드 중 적어도 하나를 업데이트하기 위한 명령어들을 포함하는, 정보 처리 시스템.

Images