KR20200038153A - 컴퓨팅 장치에서 게임의 이미지를 처리하는 방법 및 컴퓨팅 장치 - Google Patents

컴퓨팅 장치에서 게임의 이미지를 처리하는 방법 및 컴퓨팅 장치 Download PDF

Info

Publication number
KR20200038153A
KR20200038153A KR1020180117886A KR20180117886A KR20200038153A KR 20200038153 A KR20200038153 A KR 20200038153A KR 1020180117886 A KR1020180117886 A KR 1020180117886A KR 20180117886 A KR20180117886 A KR 20180117886A KR 20200038153 A KR20200038153 A KR 20200038153A
Authority
KR
South Korea
Prior art keywords
image
unit block
predetermined
nuclear
information
Prior art date
Application number
KR1020180117886A
Other languages
English (en)
Inventor
황준식
이준범
Original Assignee
주식회사 넥슨코리아
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 주식회사 넥슨코리아 filed Critical 주식회사 넥슨코리아
Priority to KR1020180117886A priority Critical patent/KR20200038153A/ko
Publication of KR20200038153A publication Critical patent/KR20200038153A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • A63F2300/55—Details of game data or player data management
    • A63F2300/5586—Details of game data or player data management for enforcing rights or rules, e.g. to prevent foul play
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Image Analysis (AREA)

Abstract

제1 게임의 제1 이미지를 획득하는 단계; 상기 제1 이미지를 상기 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델에 적용하여, 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하는 단계; 및 상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 제공하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법이 제공된다.

Description

컴퓨팅 장치에서 게임의 이미지를 처리하는 방법 및 컴퓨팅 장치{Method for processing image of game on computing devices and computing devices}
컴퓨팅 장치에서 게임의 이미지를 처리하는 방법, 및 컴퓨팅 장치에 관한 것이다.
온라인게임 서비스 제공자들은 게임 사용자들이 게임 핵 프로그램을 사용하지 못하도록 하기 위하여 보안프로그램을 실행하도록 하고 있다. 그러나 보안프로그램에 의해서도 게임 내에서 게임 핵 프로그램 사용이 검출되지 못하는 경우도 있다.
게임 내에서 게임 핵 프로그램이 사용되면, 게임 사용자들 사이에서 공평한 게임이 이루어지지 않고, 온라인게임 서비스 제공자들에게도 피해를 주게 된다.
따라서, 게임 내에서 게임 핵 프로그램을 사용하는 어뷰징을 검출하는 기술이 요구된다.
컴퓨팅 장치에서 게임 내에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하고자 한다.
또한, 소정 게임의 이미지에서 게임 내에서 허가되지 않은 프로그램을 사용한 어뷰징이 검출되면, 어뷰징으로 의심되는 핵 사용 영역을 정확하게 식별하고자 한다.
일측에 따르면, 제1 게임의 제1 이미지를 획득하는 단계; 상기 제1 이미지를 상기 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델에 적용하여, 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하는 단계; 및 상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 제공하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법이 제공된다.
상기 제1 이미지를 상기 핵 사용 판별 모델에 적용하여, 상기 제1 트릭 정보를 획득하는 단계는, 상기 제1 이미지를 적어도 하나의 단위블록 이미지로 분할하는 단계; 상기 적어도 하나의 단위블록 이미지 별로 상기 핵 사용 판별 모델에 적용하여, 상기 소정의 어뷰징이 존재할 확률을 예측하는 단계; 및 상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 획득하는 단계를 포함할 수 있다.
상기 제1 이미지를 적어도 하나의 단위블록 이미지로 분할하는 단계는, 상기 적어도 하나의 단위블록 이미지 중 서로 인접한 단위블록 이미지들이 상기 제1 이미지 내의 소정 영역을 공통 영역으로 갖도록, 상기 제1 이미지를 적어도 하나의 단위블록 이미지로 분할하는 단계를 포함할 수 있다.
상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 제1 트릭 정보를 획득하는 단계는, 상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 핵 사용 영역의 정보를 나타내는 상기 제1 이미지에 대응되는 제1 히트맵을 생성하는 단계; 및 상기 제1 히트맵으로부터 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 상기 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하는 단계를 포함할 수 있다.
상기 제1 이미지에 대응되는 제1 히트맵을 생성하는 단계는, 상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 핵 사용 영역의 정보를 나타내는 적어도 하나의 단위 히트맵을 생성하는 단계; 및 상기 적어도 하나의 단위 히트맵을 결합하고, 상기 적어도 하나의 단위 히트맵 중 서로 인접한 단위 히트맵들에서 겹치는 소정의 공통 영역에 대해 높은 확률로 판단된 단위 히트맵을 선택하여, 상기 제1 이미지에 대응되는 전체 히트맵을 생성하는 단계를 포함할 수 있다.
상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 제공하는 단계는, 상기 제1 이미지 내에서 상기 소정의 어뷰징이 존재할 확률 정보를 표시하는 단계; 및 상기 소정의 어뷰징으로 의심되는 적어도 하나의 핵 사용 영역을 상기 제1 이미지 상에 표시하는 단계 중 적어도 하나의 단계를 포함할 수 있다.
상기 방법은, 상기 제1 게임의 복수의 이미지들로부터 분할된 복수의 단위블록 이미지 및 상기 복수의 단위블록 이미지에 상기 어뷰징이 있는지를 나타내는 핵 사용 정보에 기초하여, 상기 핵 사용 판별 모델을 학습하는 단계를 더 포함할 수 있다.
상기 핵 사용 판별 모델을 학습하는 단계는, 상기 복수의 단위블록 이미지 및 상기 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 소정의 이미지에서 소정의 핵 사용 영역의 위치를 검출하는 동작을 학습하는 단계를 포함할 수 있다.
상기 소정의 이미지에서 소정의 핵 사용 영역의 위치를 검출하는 동작을 학습하는 단계는, 상기 복수의 단위블록 이미지 및 상기 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 상기 제1 게임 내에서 소정 객체가 원본 화면에 표시되는 상기 소정 객체와 다르게 표시된 영역을 포함하는 상기 소정의 핵 사용 영역을 검출하는 단계; 및 상기 핵 사용 영역과 상기 핵 사용 영역에 대응되는 상기 원본 화면에서의 영역에 기초하여, 상기 소정의 핵 사용의 위치를 검출하는 동작을 학습하는 단계를 포함할 수 있다.
상기 핵 사용 판별 모델을 학습하는 단계는, 상기 핵 사용 판별 모델에 의해 제2 이미지에서 핵 사용이 있다고 판단된 영역을 포함하는 제2 단위블록 이미지, 및 상기 제2 단위블록 이미지에 실제로 핵 사용이 있는지에 대한 정보에 기초하여, 상기 핵 사용 판별 모델을 재학습하는 단계를 더 포함할 수 있다.
다른 일측에 따르면, 통신 장치; 사용자 인터페이스 장치; 스토리지; 프로세서; 및 상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고, 상기 프로세서는, 상기 명령어들을 실행함으로써, 제1 게임의 제1 이미지를 획득하고, 상기 제1 이미지를 상기 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델에 적용하여, 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하고, 상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 상기 사용자 인터페이스 장치를 통해 제공하는, 컴퓨팅 장치가 제공된다.
또 다른 일측에 따르면, 제1 게임의 제1 이미지를 획득하는 단계; 상기 제1 이미지를 상기 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델에 적용하여, 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하는 단계; 및 상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 제공하는 단계를 포함하는, 방법을 하드웨어와 결합되어 실행시키기 위해 매체에 저장된 컴퓨터 프로그램이 제공된다.
컴퓨팅 장치에서 게임 내에서 허가되지 않은 프로그램을 사용한 어뷰징을 실시간으로 검출할 수 있다.
또한, 소정 게임의 이미지에서 게임 내에서 허가되지 않은 프로그램을 사용한 어뷰징이 검출되면, 컴퓨팅 장치는 어뷰징으로 의심되는 핵 사용 영역을 검출할 수 있다.
본 개시는, 다음의 자세한 설명과 그에 수반되는 도면들의 결합으로 쉽게 이해될 수 있으며, 참조 번호(reference numerals)들은 구조적 구성요소(structural elements)를 의미한다.
도 1은 일실시예에 따라, 서버 및 클라이언트를 포함하는 온라인 게임 제공 시스템을 도시한다.
도 2는 일실시예에 따라, 게임의 이미지에서 어뷰징을 검출하는 컴퓨팅 장치의 동작 방법을 설명하기 위한 흐름도이다.
도 3은 일실시예에 따라, 컴퓨팅 장치에서 게임의 이미지를 단위블록 이미지로 분할하여, 어뷰징을 검출하는 동작을 설명하기 위한 도면이다.
도 4는 일실시예에 따라, 컴퓨팅 장치에서 히트맵을 이용하여 어뷰징을 검출하는 동작을 설명하기 위한 도면이다.
도 5는 일실시예에 따라, 컴퓨팅 장치에서 어뷰징으로 의심되는 핵 사용을 나타내는 트릭 정보를 표시하는 동작을 설명하기 위한 도면이다.
도 6은 일실시예에 따라, 컴퓨팅 장치에서 핵 사용 판별 모델을 이용하여, 어뷰징으로 의심되는 핵 사용을 검출하고, 검출 결과를 표시하는 동작을 설명하기 위한 도면이다.
도 7은 일실시예에 따라, 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델을 학습하는 컴퓨팅 장치의 동작 방법을 설명하기 위한 도면이다.
도 8은 일실시예에 따라, 컴퓨팅 장치가 핵 사용 판별 모델을 학습 할 때 이용하는, 복수 개의 계층 구조를 갖는 인공 신경망을 개략적으로 도시한 도면이다.
도 9는 일실시예에 따라, 컴퓨팅 장치에서 핵 사용 판별 모델을 학습하고, 소정 이미지가 입력되면, 어뷰징을 검출하는 동작을 설명하기 위한 도면이다.
도 10은 일실시예에 따라, 컴퓨팅 장치에서 핵 사용 판별 모델을 업데이트 하는 과정을 설명하기 위한 도면이다.
도 11은 일실시예에 따른 컴퓨팅 장치의 구성을 도시한 블록도이다.
이하에서는 도면을 참조하여 다양한 실시예들을 상세히 설명한다. 이하에서 설명되는 실시예들은 여러 가지 상이한 형태로 변형되어 실시될 수도 있다. 실시예들의 특징을 보다 명확히 설명하기 위하여 이하의 실시예들이 속하는 기술분야에서 통상의 지식을 가진 자에게 널리 알려져 있는 사항들에 관해서 자세한 설명은 생략한다.
한편, 본 명세서에서 어떤 구성이 다른 구성과 "연결"되어 있다고 할 때, 이는 '직접적으로 연결'되어 있는 경우뿐 아니라, '그 중간에 다른 구성을 사이에 두고 연결'되어 있는 경우도 포함한다. 또한, 어떤 구성이 다른 구성을 "포함"한다고 할 때, 이는 특별히 반대되는 기재가 없는 한, 그 외 다른 구성을 제외하는 것이 아니라 다른 구성들 더 포함할 수도 있다는 것을 의미한다.
또한, 본 명세서에서 사용되는 '제 1' 또는 '제 2' 등과 같이 서수를 포함하는 용어는 다양한 구성 요소들을 설명하는데 사용할 수 있지만, 상기 구성 요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성 요소를 다른 구성 요소로부터 구별하는 목적으로만 사용된다.
명세서 전체에서, "컴퓨팅 장치"는 게임의 이미지, 데이터 또는 정보를 입력, 제어, 기억, 연산, 출력하는 기능을 수행하는 장치를 의미할 수 있다. 예를 들면, "컴퓨팅 장치"는 특수 목적 컴퓨터(Special-purpose Computer), 범용 컴퓨터(General-purpose Computer), 슈퍼 컴퓨터(Supercomputer), 대형 컴퓨터(Mainframe Computer), 개인용 컴퓨터(Personal Computer) 등에 해당될 수 있고, 이에 제한되지 않는다.
명세서 전체에서, "핵 사용 판별 모델"은 소정 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 모델일 수 있다.
명세서 전체에서, "어뷰징"은 소정 게임에서 허가되지 않은 방법으로 불법적인 이익 또는 부당한 이득을 취하는 행위를 의미할 수 있다.
명세서 전체에서, "트릭 정보"는 소정 이미지가 핵 사용 판별 모델에 의해 판단된 정보를 의미할 수 있다. 예를 들면, 트릭 정보는, 소정 이미지 내에서 어뷰징의 존재 여부의 정보 및 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함할 수 있고, 이에 한정되지 않는다.
명세서 전체에서, "단위블록 이미지"는 컴퓨팅 장치가 핵 사용 판별 모델을 이용하여, 어뷰징을 검출하는 동작을 학습하는 과정에서 사용되는 기본 이미지일 수 있다. 여기서, 단위블록 이미지는 미리 설정된 크기의 이미지일 수 있다.
명세서 전체에서, "히트맵"은 색상으로 표현할 수 있는 정보를 소정의 이미지 상에 열분포 형태의 그래픽으로 출력한 지도 이미지를 의미할 수 있다.
도 1은 일실시예에 따라, 서버 및 클라이언트를 포함하는 온라인 게임 제공 시스템을 도시한다.
일 실시예에 따른 온라인 게임 제공 시스템은 도 1 에 도시된 바와 같이 서버 (4000) 와 복수의 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 를 포함할 수 있다. 서버 (4000) 는 네트워크를 통해 콘텐츠를 서비스함으로써, 복수의 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 에게 콘텐츠를 제공할 수 있다.
도 1 은 사용자에 의해 사용되는 클라이언트의 예들로서, 데스크톱 컴퓨터 (2000a), 태블릿 (2000b), 휴대폰 (2000c), 노트북 (2000d), 스마트폰 (2000e), 및 텔레비전 (2000f) 을 도시하지만, 클라이언트는 이에 제한되지 않고 PDA (Personal Digital Assistants), PMP (Portable Multimedia Player), 네비게이션, MP3 플레이어, 디지털 카메라, 냉장고, 세탁기, 청소기 등의 다양한 전자 디바이스를 포함할 수 있다.
복수의 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 에서 콘텐츠가(예를 들면, 온라인 게임) 실행될 수 있다. 콘텐츠를 실행하기 위해, 프로그램, 예를 들어, 애플리케이션, 또는 런처 (launcher) 가 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 에 설치될 수 있으나, 이에 제한되지 않는다. 사용자들은 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 에 설치된 프로그램을 실행하여, 서버 (4000) 에 의해 제공되는 콘텐츠를 즐길 수 있다. 후술하는 본 개시의 다양한 실시예들은 콘텐츠를 실행시키기 위한 프로그램 내에서 구현되거나, 그 프로그램과는 별도의 프로그램을 통해 구현될 수 있다.
서버 (4000) 는 콘텐츠 제공업자에 의해 운영될 수 있고, 서버 (4000) 는 단일 서버, 서버의 집합체, 및 클라우드 서버를 포함할 수 있으나, 이에 제한되지 않는다. 서버 (4000) 는 사용자들에게 콘텐츠를 제공하고, 사용자들의 데이터를 저장하는 데이터 베이스를 포함할 수 있다. 또한, 서버 (4000) 는 결제 이벤트를 생성 및 처리하는 결제 서버 또는 지불 서버를 더 포함할 수 있다. 결제 서버 또는 지불 서버는 서버 (4000) 와 별개의 서버일 수 있고, 서버 (4000) 및 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 간의 결제나 지불을 매개할 수도 있다. 서버 (4000) 는 사용자 데이터를 저장하고 관리하는 데이터베이스 (database: DB) 서버를 더 포함할 수 있고, DB 서버는 서버 (4000) 와 별개의 서버일 수 있다.
서버 (4000) 에서는 콘텐츠를 서비스하기 위한 프로그램이 구동될 수 있다. 후술하는 본 개시의 다양한 실시예들은 콘텐츠를 서비스하기 위한 프로그램 내에서 구현되거나, 그 프로그램과는 별도의 프로그램을 통해 구현될 수 있다.
네트워크는 소정의 통신 방식을 이용하여 설립 (또는 형성) 된 연결을 의미하고, 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 사이 또는 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 과 서버 (4000) 사이에서 데이터를 전달하는 소정의 통신 수단을 통해 연결된 통신망을 의미할 수 있다.
통신 수단은 소정의 통신 규격, 소정의 주파수 대역, 소정의 프로토콜 또는 소정의 채널을 통한 통신, 근거리 통신, 원거리 통신, 무선 통신 및 유선 통신을 포함한다. 예를 들어, 통신 수단은 블루투스, BLE, Wi-Fi, Zigbee, 3G, LTE, 초음파를 통한 통신 수단 등을 포함할 수 있으나, 이에 제한되지 않는다.
근거리 통신 수단은, 통신을 수행하는 디바이스들이 소정의 범위 내에 있을 때에만 서로 통신이 가능한 통신 수단을 의미할 수 있고, 예를 들어, 블루투스 및 NFC 를 포함할 수 있으나, 이에 제한되지 않는다.
원거리 통신 수단은, 통신을 수행하는 디바이스들이 거리와 관계 없이 서로 통신이 가능한 통신 수단을 의미할 수 있다. 예를 들어, 원거리 통신 수단은 AP와 같은 중계기를 통해 통신을 수행하는 두 디바이스가 소정의 거리 이상일 때에도 통신할 수 있는 수단, 및 문자 전송과 전화 통화에 사용되는 셀룰러 네트워크 (3G, LTE) 를 이용한 통신 수단을 포함할 수 있으나, 이에 제한되지 않는다.
서버 (4000) 가 네트워크를 이용하여 온라인 게임을 서비스하는 과정에서, 임의의 통신 수단을 통해 서버 (4000) 와 클라이언트들 (2000a, 2000b, 2000c, 2000d, 2000e, 및 2000f) 간의 통신이 수행될 수 있다.
온라인 게임은 RPG (Role Playing Game), TRPG (Tabletop RPG), MMORPG (Massively Multiplayer Online RPG), MOBA (Multiplayer Online Battle Arena), AOS (Aeon of Strife), RTS (Real Time Strategy), FPS (First-person shooter), TCG (Trading Card Game), CCG (Collectible Card Game), 스포츠, 대전격투 등 다양한 장르의 게임일 수 있으나, 이에 제한되지 않는다. 온라인 게임은 사용자들 간의 대전 또는 사용자와 컴퓨터 (예를 들면, 인공지능) 과의 대전으로 진행될 수 있으나, 이에 제한되지 않고, 다양한 형태로 구현될 수 있다.
도 1 에 도시된 온라인 게임 제공 시스템은 온라인 플랫폼 제공 시스템으로서도 기능할 수 있다. 한편, 도 1에 도시된 서버(4000)는 도 2 내지 도 11에서 설명하는 컴퓨팅 장치(10)와 대응될 수 있다.
도 2는 일실시예에 따라, 게임의 이미지에서 어뷰징을 검출하는 컴퓨팅 장치의 동작 방법을 설명하기 위한 흐름도이다.
도 2를 참고하면, 단계 S210에서, 컴퓨팅 장치(10)는 제1 게임의 이미지를 획득할 수 있다.
컴퓨팅 장치(10)는 제1 게임을 플레이 하는 복수의 사용자의 플레이 화면을 모니터링 하는 과정에서, 소정의 어뷰징으로 의심되는 소정 실행 화면을 제1 이미지로 획득할 수 있다. 또한, 컴퓨팅 장치(10)는 제1 게임을 플레이 하는 소정 사용자의 단말기로부터 제1 이미지를 수신할 수 있다. 또한, 컴퓨팅 장치(10)는 제1 게임을 플레이 하는 소정 사용자의 단말기로부터 소정의 어뷰징으로 의심되는 제1 사용자의 핵 사용 신고를 수신할 수 있다. 그리고 나서, 컴퓨팅 장치(10)는 제1 사용자가 제1 게임을 실행하는 플레이 화면을 모니터링 하여, 제1 게임의 제1 이미지를 획득할 수 있다.
단계 S220에서, 컴퓨팅 장치(10)는 제1 이미지를 핵 사용 판별 모델에 적용하여, 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득할 수 있다. 여기서, 핵 사용 판별 모델은, 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 데이터 인식 모델일 수 있다. 데이터 인식 모델은, 인공 신경망(ANN: artificial Neural Network)을 기반으로 구축된 딥 러닝(deep learning)을 통해 획득된 모델일 수 있다. 예를 들면, 학습 모델은 DNN(Deep Neural Network), RNN(Recurrent Neural Network), BRDNN(Bidirectional Recurrent Deep Neural Network)과 같은 모델이 데이터 인식 모델로서 사용될 수 있으나, 이에 한정되지 않는다.
컴퓨팅 장치(10)는 제1 이미지를 적어도 하나의 단위블록 이미지로 분할할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 적어도 하나의 단위블록 이미지 중 서로 인접한 단위블록 이미지들이 제1 이미지 내의 소정 영역을 공통 영역으로 갖도록, 제1 이미지를 적어도 하나의 단위블록 이미지로 분할할 수 있다.
컴퓨팅 장치(10)는 적어도 하나의 단위블록 이미지 별로 핵 사용 판별 모델에 적용하여, 소정의 어뷰징이 존재할 확률을 예측할 수 있다. 컴퓨팅 장치(10)는 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 제1 이미지에 대응되는 제1 트릭 정보를 획득할 수 있다.
컴퓨팅 장치(10)는 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 핵 사용 영역의 정보를 나타내는 제1 이미지에 대응되는 제1 히트맵을 생성할 수 있다. 컴퓨팅 장치(10)는 제1 히트맵으로부터 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득할 수 있다.
제1 히트맵 생성과 관련하여, 컴퓨팅 장치(10)는 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 핵 사용 영역의 정보를 나타내는 적어도 하나의 단위 히트맵을 생성할 수 있다. 컴퓨팅 장치(10)는 적어도 하나의 단위 히트맵을 결합할 수 있다. 컴퓨팅 장치(10)는 적어도 하나의 단위 히트맵을 결합하면서, 적어도 하나의 단위 히트맵 중 서로 인접한 단위 히트맵에서 겹치는 소정의 공통 영역에 대해 높은 확률로 판단된 단위 히트맵을 선택하여, 제1 이미지에 대응되는 전체 히트맵을 생성할 수 있다.
단계 S230에서, 컴퓨팅 장치(10)는 제1 이미지에 대응되는 제1 트릭 정보를 제공할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 제1 이미지 내에서 소정의 어뷰징이 존재할 확률 정보를 표시할 수 있다. 또한, 컴퓨팅 장치(10)는 소정의 어뷰징으로 의심되는 적어도 하나의 핵 사용 영역을 제1 이미지 상에 표시할 수 있다.
도 3은 일실시예에 따라, 컴퓨팅 장치에서 게임의 이미지를 단위블록 이미지로 분할하여, 어뷰징을 검출하는 동작을 설명하기 위한 도면이다.
도 3의 이미지(310)을 참고하면, 컴퓨팅 장치(10)는 제1 게임의 제1 이미지를 획득할 수 있다. 여기서, 제1 게임의 제1 이미지는, 제1 게임의 소정 실행 화면일 수 있다.
도 3의 이미지(310)을 참고하면, 제1 이미지에는 제1 사용자가 1인칭 시점으로 게임을 플레이 하는 슈팅 게임이 표시될 수 있다. 제1 이미지에는 벽을 통해 제2 사용자가 플레이 하는 제2 캐릭터(311), 및 제3 사용자가 플레이 하는 제3 캐릭터(312)가 표시될 수 있다. 제1 사용자는 제1 이미지에 표시된 제2 캐릭터(311) 및 제3 캐릭터(312)의 위치를 비정상적으로 파악하고, 제1 사용자가 플레이 하는 제1 캐릭터로 제2 캐릭터(311) 및 제3 캐릭터(312)를 공격할 수 있다. 즉, 제1 사용자가 제1 게임에서 플레이 하는 행위는, 제1 게임에서 허가되지 않은 프로그램을 사용하여 불법적인 이익을 취하는 행위일 수 있다.
도 3의 이미지(320)을 참고하면, 컴퓨팅 장치(10)는 제1 이미지를 핵 사용 판별 모델에 적용하여, 제1 이미지에 대응되는 제1 트릭 정보를 획득할 수 있다. 여기서, 제1 트릭 정보는, 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함할 수 있고, 상기 예시에 제한되지 않는다.
컴퓨팅 장치(10)는 제1 이미지를 핵 사용 판별 모델에 적용하여, 제1 이미지 내에서 어뷰징을 검출하기 위해 제1 이미지를 복수 개의 이미지로 분할하고, 복수 개의 이미지 별로 어뷰징이 있는지를 판단할 수 있다. 구체적으로, 컴퓨팅 장치(10)는 단위블록 이미지(321)의 크기로 제1 이미지를 분할하여, 복수 개의 단위블록 이미지(324)를 획득할 수 있다. 컴퓨팅 장치(10)는 제1 이미지가 분할된 9개의 단위블록 이미지(324)를 획득할 수 있다. 여기서, 단위블록 이미지(321)는, 컴퓨팅 장치(10)가 핵 사용 판별 모델을 이용하여, 어뷰징을 검출하는 동작을 학습하는 과정에서 사용되는 기본 이미지일 수 있다. 단위블록 이미지는 미리 설정된 크기의 이미지일 수 있다.
또한, 도 3의 이미지(320)에 도시된 바와 같이, 컴퓨팅 장치(10)는 서로 인접한 단위블록 이미지들(321, 322)이 제1 이미지 내의 소정 영역(323)을 공통 영역으로 갖도록, 제1 이미지를 복수의 단위블록 이미지(324)로 분할할 수 있다.
한편, 컴퓨팅 장치(10)는 제1 이미지의 전체 영역에 대하여, 제1 이미지를 단위블록 이미지로 분할할 수 있다. 또한, 컴퓨팅 장치(10)는 제1 이미지의 전체 영역 중 일부 영역에 대하여, 제1 이미지를 단위블록 이미지로 분할할 수 있다. 여기서, 일부 영역은, 제1 이미지에서 제1 게임의 지표 정보, 제1 사용자의 제1 캐릭터 정보가 표시되는 영역이 제외되고, 제1 사용자의 제1 캐릭터가 플레이 하는 영역일 수 있다.
컴퓨팅 장치(10)는 제1 이미지가 분할된 복수의 단위블록 이미지(324) 별로 핵 사용 판별 모델에 적용하여, 소정의 어뷰징이 존재할 확률을 예측할 수 있다.
도 4는 일실시예에 따라, 컴퓨팅 장치에서 히트맵을 이용하여 어뷰징을 검출하는 동작을 설명하기 위한 도면이다.
도 4의 이미지(410)을 참고하면, 도 4의 9개의 단위블록 이미지(401, 402, 403, 404, 405, 406, 407, 408, 409)는 도 3의 9개의 단위블록 이미지(324)와 대응될 수 있다.
도 3의 이미지(320) 및 도 4의 이미지(410)을 참고하면, 제1 캐릭터(311)은 제4 단위블록 이미지(404) 및 제5 단위블록 이미지(405)에 포함될 수 있다. 제2 캐릭터(312)는 제7 단위블록 이미지(407), 제8 단위블록 이미지(408) 및 제9 단위블록 이미지(409)에 포함될 수 있다.
컴퓨팅 장치(10)가 9개의 단위블록 이미지(401, 402, 403, 404, 405, 406, 407, 408, 409)에 대하여 어뷰징이 존재할 확률을 예측하는 경우, 컴퓨팅 장치(10)는 소정의 캐릭터가 없는 단위블록 이미지(401, 402, 403, 406)에 대한 어뷰징이 존재할 확률을 0으로 예측할 수 있다. 또한, 컴퓨팅 장치(10)는 소정의 캐릭터가 포함된 단위블록 이미지(404, 405, 407, 408, 409)에 대한 어뷰징이 존재할 확률(P, 0< P ≤1)을 예측할 수 있다.
도 4의 이미지(410)을 참고하면, 컴퓨팅 장치(10)는 9개의 단위블록 이미지(401, 402, 403, 404, 405, 406, 407, 408, 409) 별로 예측된 어뷰징이 존재할 확률에 기초하여, 핵 사용 영역의 정보를 나타내는 단위 히트맵을 생성할 수 있다.
한편, 히트맵은, 색상으로 표현할 수 있는 정보를 소정의 이미지 상에 열분포 형태의 그래픽으로 출력한 지도 이미지를 의미할 수 있다.
구체적으로, 소정의 캐릭터가 없는 단위블록 이미지(401, 402, 403, 406)에 대한 어뷰징이 존재할 확률이 0이므로, 컴퓨팅 장치(10)는 단위블록 이미지(401, 402, 403, 406)에 대해, 소정의 캐릭터의 위치 정보가 포함되지 않은 단위 히트맵(411)을 생성할 수 있다.
반면에, 컴퓨팅 장치(10)는 소정의 캐릭터가 포함된 단위블록 이미지(404, 405, 407, 408, 409)에 대한 어뷰징이 존재할 확률(P, 0< P ≤1)에 기초하여, 어뷰징으로 의심되는 핵 사용 영역을 나타내는 단위 히트맵(414, 415, 417, 418, 419)을 생성할 수 있다.
예를 들면, 컴퓨팅 장치(10)는 제4 단위블록 이미지(404)에 대응되는 단위 히트맵(414), 및 제5 단위블록 이미지(405)에 대응되는 단위 히트맵(415)을 생성할 수 있다. 컴퓨팅 장치(10)는 단위 히트맵(414, 415)에 월핵 사용으로 의심되는 영역으로 제1 캐릭터(311)의 위치(424, 425)를 표시할 수 있다.
다른 예를 들면, 컴퓨팅 장치(10)는 제7 단위블록 이미지(407)에 대응되는 단위 히트맵(417), 제8 단위블록 이미지(408)에 대응되는 단위 히트맵(418), 및 제9 단위블록 이미지(409)에 대응되는 단위 히트맵(419)을 생성할 수 있다. 컴퓨팅 장치(10)는 단위 히트맵(417, 418, 419)에 월핵 사용으로 의심되는 영역으로 제2 캐릭터(312)의 위치(427, 428, 429)를 표시할 수 있다.
도 4의 이미지(430)을 참고하면, 컴퓨팅 장치(10)는 단위블록 이미지(401, 402, 403, 404, 405, 406, 407, 408, 409)에 대응되는 단위 히트맵(411, 414, 415, 417, 418, 419)을 결합하여 전체 히트맵을 생성할 수 있다. 전체 히트맵을 생성하는 과정에서, 컴퓨팅 장치(10)는 복수의 단위 히트맵 중에서 서로 인접한 단위 히트맵에서 겹치는 소정의 공통 영역에 대해 높은 확률로 판단된 단위 히트맵을 선택하여, 제1 이미지에 대응되는 전체 히트맵을 생성할 수 있다.
도 4의 이미지(430)에 도시된 바와 같이, 전체 히트맵에는 월핵 사용으로 의심되는 영역으로 제1 캐릭터(311)의 위치(431) 및 제2 캐릭터(312)의 위치(432)가 표시될 수 있다.
도 5는 일실시예에 따라, 컴퓨팅 장치에서 어뷰징으로 의심되는 핵 사용을 나타내는 트릭 정보를 표시하는 동작을 설명하기 위한 도면이다.
도 5의 이미지(510)을 참고하면, 컴퓨팅 장치(10)는 제1 이미지에 대응되는 제1 히트맵으로부터 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득할 수 있다. 컴퓨팅 장치(10)는 제1 트릭 정보를 제1 이미지 상에 표시할 수 있다.
예를 들면, 제1 히트맵에서, 소정의 어뷰징으로 의심되는 핵 사용의 영역은 다른 영역에 비하여 붉은색으로 표현될 수 있다. 제1 히트맵에서 핵 사용의 영역은 붉은색 이외의 다른 색으로 표현될 수도 있다. 도 4의 이미지(430)을 참고하면, 컴퓨팅 장치(10)는 제1 히트맵에서 소정의 어뷰징으로 의심되는 핵 사용 영역(431, 432)을 검출할 수 있다. 도 5의 이미지(510)에 도시된 바와 같이, 컴퓨팅 장치(10)는 제1 히트맵에서 검출된 핵 사용 영역(431, 432)에 대응되는 영역(511, 512)을 제1 이미지 상에 표시할 수 있다. 컴퓨팅 장치(10)는 제1 이미지 상에서 핵 사용 영역(431, 432)에 대응되는 영역(511, 512)을 실선 또는 점선으로 표시할 수 있다.
또한, 컴퓨팅 장치(10)는 제1 이미지 내에서 어뷰징으로 의심되는 핵 사용의 확률을 표시할 수 있다.
도 6은 일실시예에 따라, 컴퓨팅 장치에서 핵 사용 판별 모델을 이용하여, 어뷰징으로 의심되는 핵 사용을 검출하고, 검출 결과를 표시하는 동작을 설명하기 위한 도면이다.
도 6의 이미지(610)을 참고하면, 컴퓨팅 장치(10)에서 핵 사용 판별 모델을 이용하는 핵 사용 탐지기가 실행될 수 있다. 컴퓨팅 장치(10)는 핵 사용 탐지기를 통해 제1 게임을 플레이 하는 복수의 사용자의 플레이 화면을 모니터링 할 수 있다. 컴퓨팅 장치(10)는 랜덤으로 제1 게임을 플레이 하는 복수의 사용자 중 적어도 하나의 사용자를 선택하고, 선택된 적어도 하나의 사용자의 플레이 화면을 모니터링 할 수 있다. 또한, 컴퓨팅 장치(10)는 제1 게임을 플레이 하는 소정 사용자의 단말기로부터 소정의 어뷰징으로 의심되는 제1 사용자의 핵 사용 신고를 수신하고, 제1 사용자의 플레이 화면을 모니터링 할 수 있다. 모니터 하는 과정에서, 컴퓨팅 장치(10)는 소정의 어뷰징으로 의심되는 적어도 하나의 실행 화면에 대응되는 제1 이미지(620), 제2 이미지(630), 및 제3 이미지(640)을 검출할 수 있다.
컴퓨팅 장치(10)는 제1 이미지(620), 제2 이미지(630), 및 제3 이미지(640) 각각에 대하여, 어뷰징으로 의심되는 핵 사용 영역(621, 631, 632, 641)을 표시할 수 있다. 또한, 컴퓨팅 장치(10)는 각 이미지(620, 630, 640) 별로 예측된 핵 사용 확률을 표시할 수 있다.
한편, 도 6의 이미지(610)에 도시된 바와 같이, 핵 사용 탐지기의 실행 화면에는, 핵 사용을 실시간으로 검색 및 검색 결과에서 핵 의심 이미지만 표시하는 것을 선택할 수 있는 사용자 인터페이스(611)가 표시될 수 있다. 또한, 핵 사용 탐지기의 실행 화면에는, 핵 사용 확률에 따라 핵 사용으로 분류되는 기준을 설정하는 사용자 인터페이스(621)가 표시될 수 있다. 예를 들면, 핵 사용 탐지 분류 기준이 70으로 설정된 경우, 컴퓨팅 장치(10)는 핵 사용 확률이 70% 확률 이상인 이미지에 대해서만 검출하여 표시할 수 있다.
도 7은 일실시예에 따라, 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델을 학습하는 컴퓨팅 장치의 동작 방법을 설명하기 위한 도면이다.
도 7을 참고하면, 단계 S710에서, 컴퓨팅 장치(10)는 제1 게임의 복수의 이미지들로부터 분할된 복수의 단위블록 이미지 및 복수의 단위블록 이미지에 어뷰징이 있는지를 나타내는 핵 사용 정보를 획득할 수 있다.
예를 들면, 컴퓨팅 장치(10)는 핵 사용이 없는 복수의 정상 단위블록 이미지 및 핵 사용이 있는 복수의 핵 사용 단위블록 이미지를 획득할 수 있다. 이 경우, 컴퓨팅 장치(10)는 복수의 단위블록 이미지 별로 핵 사용이 있는지 여부에 대한 정보도 획득할 수 있다.
예를 들면, 핵 사용 단위블록 이미지에는, 이미지 내에 표시된 벽이 투명하여, 벽 건너편에 있는 소정 객체가 식별될 수 있도록 표시될 수 있다. 핵 사용 단위블록 이미지는, 핵 사용 단위블록 이미지에 대응되는 원본 단위블록 이미지와 다르게 표시될 수 있다.
단계 S720에서, 컴퓨팅 장치(10)는 인공 신경망을 통해, 복수의 단위블록 이미지 및 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델을 학습할 수 있다.
핵 사용 판별 모델을 학습하는 것은, 소정 이미지 내에서 허가되지 않은 프로그램을 사용한 어뷰징이 있는지를 검출하는 동작, 및 어뷰징이 있는 소정 이미지 내에서 어뷰징으로 의심 되는 핵 사용 영역을 검출하는 동작 중 적어도 하나의 동작을 학습하는 것일 수 있다.
컴퓨팅 장치(10)는 복수의 단위블록 이미지 및 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 소정의 이미지에서 소정의 핵 사용 영역의 위치를 검출하는 동작을 학습할 수 있다.
구체적으로, 컴퓨팅 장치(10)는 복수의 단위블록 이미지 및 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 제1 게임 내에서 소정 객체가 원본 화면에 표시되는 소정 객체와 다르게 표시된 영역을 포함하는 소정의 핵 사용 영역을 검출할 수 있다. 컴퓨팅 장치(10)는 핵 사용 영역과 핵 사용 영역에 대응되는 원본 화면에서의 영역에 기초하여, 소정의 핵 사용의 위치를 검출하는 동작을 학습할 수 있다.
컴퓨팅 장치(10)는 인공 신경망을 통한 연산을 수행하여, 제1 단위블록 이미지에 어뷰징이 있는지를 나타내는 제1 핵 사용 정보를 참조하고, 제1 단위블록 이미지와 제1 핵 사용 정보의 관계를 학습할 수 있다. 컴퓨팅 장치(10)는 인공 신경망을 훈련하여, 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델을 생성할 수 있다.
예를 들면, 제1 단위블록 이미지에 어뷰징이 있으면, 컴퓨팅 장치(10)는 제1 단위블록 이미지 내에서 표시되는 객체들의 관계를 학습하고, 객체들의 관계에 기초하여, 제1 단위블록 이미지 중에서 어느 영역에 어뷰징이 있는지를 학습할 수 있다. 또한, 컴퓨팅 장치(10)는 어뷰징이 있는 제1 단위블록 이미지와 제1 단위블록 이미지에 대응되는 원본 단위블록 이미지의 관계에 기초하여, 제1 단위블록 이미지에서 어뷰징이 있는 영역을 검출하는 동작을 학습할 수 있다.
다른 예를 들면, 제2 단위블록 이미지에 어뷰징이 없으면, 컴퓨팅 장치(10)는 제2 단위블록 이미지를 원본 단위블록 이미지로 인식하고, 원본 단위블록 이미지 내에서 표시되는 객체들의 관계를 학습할 수 있다.
한편, 컴퓨팅 장치(10)는 인공 신경망을 통해 학습한 결과에 기초하여, 핵 사용 판별 모델을 생성 및 업데이트 할 수 있다.
단계 S730에서, 컴퓨팅 장치(10)는 핵 사용 판별 모델에 따라 어뷰징이 검출된 소정 이미지 및 소정 이미지에서 실제로 핵 사용 여부에 대한 정보에 기초하여, 핵 사용 판별 모델을 재학습할 수 있다.
예를 들면, 컴퓨팅 장치(10)는 핵 사용 판별 모델에 의해, 소정의 어뷰징으로 의심되는 핵 사용이 있다고 판단된 제2 이미지를 획득할 수 있다. 컴퓨팅 장치(10)는 제2 이미지에서 핵 사용 영역에 대응되는 제3 단위블록 이미지를 획득할 수 있다. 컴퓨팅 장치(10)가 제3 단위블록 이미지에서 핵 사용이 있다고 판단하여도, 실제로 제3 단위블록 이미지에서 핵 사용이 없을 수 있다. 이 경우, 제3 단위블록 이미지에 대한 컴퓨팅 장치(10)의 어뷰징 검출은 오류에 해당된다. 따라서, 컴퓨팅 장치(10)는 제3 단위블록 이미지 및 제3 단위블록 이미지에 핵 사용이 없다는 정보에 기초하여, 핵 사용 판별 모델을 재학습할 수 있다.
도 8은 일실시예에 따라, 컴퓨팅 장치가 핵 사용 판별 모델을 학습 할 때 이용하는, 복수 개의 계층 구조를 갖는 인공 신경망을 개략적으로 도시한 도면이다.
도 8을 참고하면, 컴퓨팅 장치(10)는 인공 신경망에 기반하여, 핵 사용 판별 모델을 학습할 수 있다.
인공 신경망은 입력 레이어(810), 적어도 하나의 히든 레이어(820, 830) 및 출력 레이어(840)를 포함할 수 있다. 또한, 인공 신경망을 통한 연산은 컴퓨팅 장치(10) 내의 프로세서에서 수행될 수 있다.
또한, 히든 레이어(820, 830)에서 수행된 학습 및 훈련을 통해 각 레이어와 노드 사이의 가중치가 학습될 수 있다. 예를 들면, 컴퓨팅 장치(10) 내의 프로세서는 반복적인 학습을 통하여, 소정 이미지에서 어뷰징으로 의심되는 핵 사용 영역을 검출하는 데에 이용되는, 소정 이미지가 분할된 단위블록 이미지들의 가중치의 값들을 획득할 수 있다.
도 9는 일실시예에 따라, 컴퓨팅 장치에서 핵 사용 판별 모델을 학습하고, 소정 이미지가 입력되면, 어뷰징을 검출하는 동작을 설명하기 위한 도면이다.
도 9를 참고하면, 컴퓨팅 장치(10)는 복수의 단위블록 이미지 및 복수의 단위블록 이미지에 어뷰징이 있는지를 나타내는 핵 사용 정보를 획득할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 핵 사용이 없는 복수의 정상 단위블록 이미지(910) 및 핵 사용이 있는 복수의 핵 사용 단위블록 이미지(920)를 획득할 수 있다. 획득된 복수의 단위블록 이미지(910, 920)는 핵 사용 판별 모델을 학습하는 데에 이용될 수 있다. 컴퓨팅 장치(10)는 핵 사용 판별 모델을 학습할 때, 미리 설정된 크기에 해당되는 단위블록 이미지를 이용할 수 있다. 소정 크기 이상의 이미지로 핵 사용 판별 모델을 학습하는 경우, 컴퓨팅 장치(10)에서 이미지 내에 표시된 핵 사용 영역의 검출이 효율적으로 수행되지 않을 수 있다. 컴퓨팅 장치(10)는 단위블록 이미지로 핵 사용 판별 모델을 학습함으로써, 이미지 내의 표시된 핵 사용 영역을 보다 정확하고 빠르게 검출할 수 있다.
컴퓨팅 장치(10)는 복수의 단위블록 이미지 및 복수의 단위블록에 대한 핵 사용 정보의 관계를 학습할 수 있다. 예를 들면, 컴퓨팅 장치(10)는 복수의 정상 단위블록 이미지(910)를 원본 단위블록 이미지로 인식하고, 원본 단위블록 이미지 내에서 표시되는 객체들의 관계를 학습할 수 있다. 다른 예를 들면, 컴퓨팅 장치(10)는 복수의 핵 사용 단위블록 이미지(920) 내에서 표시되는 객체들의 관계를 학습하고, 객체들의 관계에 기초하여, 어뷰징이 있는 영역을 검출하는 동작을 학습할 수 있다.
컴퓨팅 장치(10)는 학습 결과에 기초하여, 핵 사용 판별 모델을 생성할 수 있다. 컴퓨팅 장치(10)는 제1 이미지(931) 및 제2 이미지(932)를 수신할 수 있다. 컴퓨팅 장치(10)는 핵 사용 판별 모델을 이용하여, 제1 이미지(931) 및 제2 이미지(932)에 어뷰징으로 의심되는 핵 사용이 있는지를 판단할 수 있다.
예를 들면, 컴퓨팅 장치(10)는 제1 이미지(931)를 핵 사용 판단 모델에 적용한 결과, 제1 이미지(931)에는 어뷰징이 있는 것으로 결정할 수 있다. 컴퓨팅 장치(10)는 어뷰징으로 있는 것으로 결정된 핵 사용 영역(951, 952)의 위치 및 핵 사용 확률을 표시한 제1 이미지(941)를 표시할 수 있다.
다른 예를 들면, 컴퓨팅 장치(10)는 제2 이미지(932)를 핵 사용 판단 모델에 적용한 결과, 제2 이미지(932)에는 어뷰징이 없는 것으로 결정할 수 있다. 컴퓨팅 장치(10)는 핵 사용 확률이 0임을 표시한 제2 이미지(942)를 표시할 수 있다.
도 10은 일실시예에 따라, 컴퓨팅 장치에서 핵 사용 판별 모델을 업데이트 하는 과정을 설명하기 위한 도면이다.
도 10의 이미지(1010)을 참고하면, 컴퓨팅 장치(10)는 제1 게임의 이미지들을 획득할 수 있다. 도 10의 이미지(1020)을 참고하면, 컴퓨팅 장치(10)는 제1 게임의 이미지들을 핵 사용 판별 모델에 적용할 수 있다. 도 10의 이미지(1030)을 참고하면, 컴퓨팅 장치(10)는 제1 게임의 이미지들을 핵 사용 판별 모델에 적용한 결과, 제1 게임의 이미지들에 어뷰징으로 의심되는 핵 사용 영역이 있는지를 판단할 수 있다.
도 10의 이미지(1040)을 참고하면, 컴퓨팅 장치(10)는 제1 게임의 이미지들 중 핵 사용 영역이 있다고 판단된 핵 사용 이미지들을 획득할 수 있다. 컴퓨팅 장치(10)는 핵 사용 이미지들 각각에서 핵 사용 영역을 포함하는 단위블록 이미지(1041, 1042, 1043, 1044)를 추출할 수 있다.
도 10의 이미지(1050)을 참고하면, 컴퓨팅 장치(10)는 단위블록 이미지들(1041, 1042, 1043, 1044) 각각에서 실제로 핵을 사용하였는지를 판단된 정보를 획득할 수 있다. 여기서, 단위블록 이미지들(1041, 1042, 1043, 1044) 각각에서 실제로 핵을 사용하였는지 여부는, 핵 사용 판별 모델을 관리하는 관리자에 의해 결정될 수 있다. 예를 들면, 단위블록 이미지들(1041, 1042)에서는 실제로 핵이 사용되어 컴퓨팅 장치(10)의 판단에 오류가 없다. 그러나, 단위블록 이미지들(1043, 1044)에서는 실제로 핵이 사용되지 않아서, 컴퓨팅 장치(10)의 판단에 오류가 있다.
컴퓨팅 장치(10)는 단위블록 이미지들(1043, 1044) 및 단위블록 이미지들(1043, 1044)에서는 핵 사용이 없다는 정보에 기초하여, 핵 사용 판별 모델을 재학습할 수 있다.
또한, 컴퓨팅 장치(10)는 단위블록 이미지들(1043, 1044), 단위블록 이미지들(1043, 1044)에서는 핵 사용이 없다는 정보, 단위블록 이미지들(1041, 1042) 및 단위블록 이미지들(1041, 1042)에서는 핵 사용이 있다는 정보에 기초하여, 핵 사용 판별 모델을 재학습할 수 있다.
컴퓨팅 장치(10)는 핵 사용 판별 모델의 오류 정보에 기초하여, 핵 사용 판별 모델을 재학습함으로써, 핵 사용 판별 모델을 개선할 수 있다.
도 11은 일실시예에 따른 컴퓨팅 장치의 구성을 도시한 블록도이다.
도 11에 도시된 컴퓨팅 장치(10)는, 통신 장치(1110), 사용자 인터페이스 장치(1120), 스토리지(1130), 메모리(1140) 및 프로세서(1150)를 포함할 수 있다. 그러나, 도시된 구성 요소 모드가 필수 구성 요소인 것은 아니다. 도시된 구성 요소보다 많은 구성 요소에 의해 컴퓨팅 장치(10)가 구현될 수 있고, 그보다 적은 구성 요소에 의해서도 컴퓨팅 장치(10)가 구현될 수 있다. 이하 상기 구성 요소들에 대해 살펴본다. 도 11에 도시된 컴퓨팅 장치(10)는 도 1에서 설명한 서버(4000)와 동일하게 대응될 수 있다.
통신 장치(1110)는 외부 장치와 통신을 수행할 수 있다. 구체적으로, 통신 장치(1110)는 유선 또는 무선으로 네트워크와 연결되어 외부 장치와 통신을 수행할 수 있다. 여기서, 외부 장치는 서버, 스마트폰, 태블릿, PC 등일 수 있다. 통신 장치(1110)는 다양한 유무선 통신 방법 중 하나를 지원하는 통신 모듈을 포함할 수 있다. 예를 들면, 통신 모듈은 칩셋(chipset)의 형태일 수도 있고, 또는 통신에 필요한 정보를 포함하는 스티커/바코드(e.g. NFC tag를 포함하는 스티커)등일 수도 있다. 또한, 통신 모듈은 근거리 통신 모듈, 유선 통신 모듈일 수 있다.
예를 들면, 통신 장치(1110)는 무선 랜(Wireless LAN), Wi-Fi(Wireless Fidelity), WFD(Wi-Fi Direct), 블루투스(Bluetooth), BLE(Bluetooth Low Energy), Wired Lan, NFC(Near Field Communication), 지그비(Zigbee) 적외선(IrDA, infrared Data Association), 3G, 4G, 및 5G 중 적어도 하나를 지원할 수 있다.
사용자 인터페이스 장치(1120)는 사용자로부터 컴퓨팅 장치(10)를 제어하기 위해 데이터를 입력 받는 장치를 의미할 수 있다. 프로세서(1150)는 사용자로부터 소정 명령 또는 데이터를 입력 받기 위한 사용자 인터페이스 화면을 생성 및 출력하도록 사용자 인터페이스 장치(1120)를 제어할 수 있다. 사용자 인터페이스 장치(1120)는 컴퓨팅 장치(10)의 동작을 제어하는 입력 등을 수신하기 위한 입력부와 컴퓨팅 장치(10)의 동작에 따른 결과 또는 컴퓨팅 장치(10)의 상태 등의 정보를 표시하기 위한 출력부를 포함할 수 있다. 예를 들면, 사용자 인터페이스 장치(1120)는 사용자 입력을 수신하는 조작 패널, 화면을 표시하는 디스플레이 패널 등을 포함할 수 있다.
구체적으로, 입력부는, 예를 들어, 키보드, 물리 버튼, 터치 스크린, 카메라 또는 마이크 등과 같이 다양한 형태의 사용자 입력을 수신할 수 있는 장치들을 포함할 수 있다. 또한, 출력부는, 예를 들어, 디스플레이 패널 또는 스피커 등을 포함할 수 있다. 다만, 이에 한정되지 않고 사용자 인터페이스 장치(1120)는 다양한 입출력을 지원하는 장치를 포함할 수 있다.
사용자 인터페이스 장치(1120)는 소정 이미지 내에서 어뷰징의 존재 여부의 정보 및 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 트릭 정보를 표시할 수 있다. 예를 들면, 사용자 인터페이스 장치(1120)는 소정 이미지 내에서 어뷰징이 존재할 확률 정보를 표시할 수 있다. 또한, 사용자 인터페이스 장치(1120)는 어뷰징으로 의심되는 적어도 하나의 핵 사용 영역을 소정 이미지 상에 표시할 수 있다.
스토리지(1130)는 컴퓨팅 장치(10)가 소정 이미지에서 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 데에 이용되는 프로그램, 애플리케이션 등과 관련된 정보를 저장할 수 있다. 스토리지(1130)는 컴퓨팅 장치(10)에서 실행되는 프로그램, 애플리케이션, 및 플랫폼 상에서 이용되는 각종 데이터를 저장할 수 있다.
스토리지(1130)는 컴퓨팅 장치(10)에서 복수의 단위블록 이미지와 복수의 단위블록 이미지의 핵 사용 정보의 관계를 학습한 결과를 저장할 수 있다.
메모리(1140)는 소프트웨어 또는 프로그램을 저장할 수 있다. 메모리(1140)는 컴퓨팅 장치(10)에서 핵 사용 판별 모델을 학습하여, 소정 이미지에서 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 방법을 실행시키기 위한 적어도 하나의 프로그램을 저장할 수 있다. 메모리(1140)에 저장된 적어도 하나의 프로그램은 기능에 따라 복수 개의 모듈들로 분류될 수 있다.
프로세서(1150)는 컴퓨팅 장치(10)의 전체적인 동작을 제어하며, CPU 등과 같은 적어도 하나의 프로세서를 포함할 수 있다. 프로세서(1150)는 각 기능에 대응되는 특화된 프로세서를 적어도 하나 포함하거나, 하나로 통합된 형태의 프로세서일 수 있다.
프로세서(1150)는 메모리(1140)에 저장된 프로그램을 실행시키거나, 메모리(1140)에 저장된 데이터 또는 파일을 읽어오거나, 새로운 파일을 메모리(1140)에 저장할 수 있다. 프로세서(1150)는 메모리(1140)에 저장된 명령어들을 실행할 수 있다.
프로세서(1150)는 제1 게임의 이미지를 획득할 수 있다. 프로세서(1150)는 제1 게임을 플레이 하는 복수의 사용자의 플레이 화면을 모니터링 하는 과정에서, 소정의 어뷰징으로 의심되는 소정 실행 화면을 제1 이미지로 획득할 수 있다. 또한, 프로세서(1150)는 제1 게임을 플레이 하는 소정 사용자의 단말기로부터 제1 이미지를 통신 장치(1110)를 통해 수신할 수 있다. 또한, 프로세서(1150)는 제1 게임을 플레이 하는 소정 사용자의 단말기로부터 소정의 어뷰징으로 의심되는 제1 사용자의 핵 사용 신고를 통신 장치(1110)를 통해 수신할 수 있다. 그리고 나서, 프로세서(1150)는 제1 사용자가 제1 게임을 실행하는 플레이 화면을 모니터링 하여, 제1 게임의 제1 이미지를 획득할 수 있다.
프로세서(1150)는 제1 이미지를 핵 사용 판별 모델에 적용하여, 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득할 수 있다. 여기서, 핵 사용 판별 모델은, 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 모델일 수 있다.
프로세서(1150)는 제1 이미지를 적어도 하나의 단위블록 이미지로 분할할 수 있다. 예를 들면, 프로세서(1150)는 적어도 하나의 단위블록 이미지 중 서로 인접한 단위블록 이미지들이 제1 이미지 내의 소정 영역을 공통 영역으로 갖도록, 제1 이미지를 적어도 하나의 단위블록 이미지로 분할할 수 있다.
프로세서(1150)는 적어도 하나의 단위블록 이미지 별로 핵 사용 판별 모델에 적용하여, 소정의 어뷰징이 존재할 확률을 예측할 수 있다. 프로세서(1150)는 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 제1 이미지에 대응되는 제1 트릭 정보를 획득할 수 있다.
프로세서(1150)는 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 핵 사용 영역의 정보를 나타내는 제1 이미지에 대응되는 제1 히트맵을 생성할 수 있다. 프로세서(1150)는 제1 히트맵으로부터 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득할 수 있다.
제1 히트맵 생성과 관련하여, 프로세서(1150)는 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 핵 사용 영역의 정보를 나타내는 적어도 하나의 단위 히트맵을 생성할 수 있다. 프로세서(1150)는 적어도 하나의 단위 히트맵을 결합할 수 있다. 프로세서(1150)는 적어도 하나의 단위 히트맵을 결합하면서, 적어도 하나의 단위 히트맵 중 서로 인접한 단위 히트맵에서 겹치는 소정의 공통 영역에 대해 높은 확률로 판단된 단위 히트맵을 선택하여, 제1 이미지에 대응되는 전체 히트맵을 생성할 수 있다.
프로세서(1150)는 제1 이미지에 대응되는 제1 트릭 정보를 제공할 수 있다. 예를 들면, 프로세서(1150)는 제1 이미지 내에서 소정의 어뷰징이 존재할 확률 정보가 사용자 인터페이스 장치(1120)에 표시되도록 사용자 인터페이스 장치(1120)를 제어할 수 있다. 또한, 프로세서(1150)는 소정의 어뷰징으로 의심되는 적어도 하나의 핵 사용 영역이 제1 이미지 상에 표시되도록 사용자 인터페이스 장치(1120)를 제어할 수 있다.
프로세서(1150)는 제1 게임의 복수의 이미지들로부터 분할된 복수의 단위블록 이미지 및 복수의 단위블록 이미지에 어뷰징이 있는지를 나타내는 핵 사용 정보를 획득할 수 있다.
예를 들면, 프로세서(1150)는 핵 사용이 없는 복수의 정상 단위블록 이미지 및 핵 사용이 있는 복수의 핵 사용 단위블록 이미지를 획득할 수 있다. 이 경우, 컴퓨팅 장치는 복수의 단위블록 이미지 별로 핵 사용이 있는지 여부에 대한 정보도 획득할 수 있다.
예를 들면, 핵 사용 단위블록 이미지에는, 이미지 내에 표시된 벽이 투명하여, 벽 건너편에 있는 소정 객체가 식별될 수 있도록 표시될 수 있다. 핵 사용 단위블록 이미지는, 핵 사용 단위블록 이미지에 대응되는 원본 단위블록 이미지와 다르게 표시될 수 있다.
프로세서(1150)는 복수의 단위블록 이미지 및 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델을 학습할 수 있다.
핵 사용 판별 모델을 학습하는 것은, 소정 이미지 내에서 허가되지 않은 프로그램을 사용한 어뷰징이 있는지를 검출하는 동작, 및 어뷰징이 있는 소정 이미지 내에서 어뷰징으로 의심 되는 핵 사용 영역을 검출하는 동작 중 적어도 하나의 동작을 학습하는 것일 수 있다.
프로세서(1150)는 복수의 단위블록 이미지 및 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 소정의 이미지에서 소정의 핵 사용 영역의 위치를 검출하는 동작을 학습할 수 있다.
구체적으로, 프로세서(1150)는 복수의 단위블록 이미지 및 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 제1 게임 내에서 소정 객체가 원본 화면에 표시되는 소정 객체와 다르게 표시된 영역을 포함하는 소정의 핵 사용 영역을 검출할 수 있다. 프로세서(1150)는 핵 사용 영역과 핵 사용 영역에 대응되는 원본 화면에서의 영역에 기초하여, 소정의 핵 사용의 위치를 검출하는 동작을 학습할 수 있다.
프로세서(1150)는 제1 단위블록 이미지에 어뷰징이 있는지를 나타내는 제1 핵 사용 정보를 참조하여, 제1 단위블록 이미지와 제1 핵 사용 정보의 관계를 학습할 수 있다.
예를 들면, 제1 단위블록 이미지에 어뷰징이 있으면, 프로세서(1150)는 제1 단위블록 이미지 내에서 표시되는 객체들의 관계를 학습하고, 객체들의 관계에 기초하여, 제1 단위블록 이미지 중에서 어느 영역에 어뷰징이 있는지를 학습할 수 있다. 또한, 프로세서(1150)는 어뷰징이 있는 제1 단위블록 이미지와 제1 단위블록 이미지에 대응되는 원본 단위블록 이미지의 관계에 기초하여, 제1 단위블록 이미지에서 어뷰징이 있는 영역을 검출하는 동작을 학습할 수 있다.
다른 예를 들면, 제2 단위블록 이미지에 어뷰징이 없으면, 프로세서(1150)는 제2 단위블록 이미지를 원본 단위블록 이미지로 인식하고, 원본 단위블록 이미지 내에서 표시되는 객체들의 관계를 학습할 수 있다.
한편, 프로세서(1150)는 학습한 결과에 기초하여, 핵 사용 판별 모델을 생성 및 업데이트 할 수 있다.
프로세서(1150)는 핵 사용 판별 모델에 따라 어뷰징이 검출된 소정 이미지 및 소정 이미지에서 실제로 핵 사용 여부에 대한 정보에 기초하여, 핵 사용 판별 모델을 재학습할 수 있다.
예를 들면, 프로세서(1150)는 핵 사용 판별 모델에 의해, 소정의 어뷰징으로 의심되는 핵 사용이 있다고 판단된 제2 이미지를 획득할 수 있다. 프로세서(1150)는 제2 이미지에서 핵 사용 영역에 대응되는 제3 단위블록 이미지를 획득할 수 있다. 컴퓨팅 장치가 제3 단위블록 이미지에서 핵 사용이 있다고 판단하여도, 실제로 제3 단위블록 이미지에서 핵 사용이 없을 수 있다. 이 경우, 제3 단위블록 이미지에 대한 컴퓨팅 장치의 어뷰징 검출은 오류에 해당된다. 따라서, 프로세서(1150)는 제3 단위블록 이미지 및 제3 단위블록 이미지에 핵 사용이 없다는 정보에 기초하여, 핵 사용 판별 모델을 재학습할 수 있다.
이상에서 설명된 컴퓨팅 장치(10)는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 어플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
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.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 기록 매체에 기록될 수 있다. 컴퓨터 판독 가능 기록 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 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.
이상과 같이 실시예들이 비록 한정된 실시예와 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 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 청구범위와 균등한 것들도 후술하는 청구범위의 범위에 속한다.

Claims (20)

  1. 제1 게임의 제1 이미지를 획득하는 단계;
    상기 제1 이미지를 상기 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델에 적용하여, 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하는 단계; 및
    상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 제공하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  2. 제1항에 있어서,
    상기 제1 이미지를 상기 핵 사용 판별 모델에 적용하여, 상기 제1 트릭 정보를 획득하는 단계는,
    상기 제1 이미지를 적어도 하나의 단위블록 이미지로 분할하는 단계;
    상기 적어도 하나의 단위블록 이미지 별로 상기 핵 사용 판별 모델에 적용하여, 상기 소정의 어뷰징이 존재할 확률을 예측하는 단계; 및
    상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 획득하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  3. 제2항에 있어서,
    상기 제1 이미지를 적어도 하나의 단위블록 이미지로 분할하는 단계는,
    상기 적어도 하나의 단위블록 이미지 중 서로 인접한 단위블록 이미지들이 상기 제1 이미지 내의 소정 영역을 공통 영역으로 갖도록, 상기 제1 이미지를 적어도 하나의 단위블록 이미지로 분할하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  4. 제2항에 있어서,
    상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 제1 트릭 정보를 획득하는 단계는,
    상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 핵 사용 영역의 정보를 나타내는 상기 제1 이미지에 대응되는 제1 히트맵을 생성하는 단계; 및
    상기 제1 히트맵으로부터 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 상기 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  5. 제4항에 있어서,
    상기 제1 이미지에 대응되는 제1 히트맵을 생성하는 단계는,
    상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 핵 사용 영역의 정보를 나타내는 적어도 하나의 단위 히트맵을 생성하는 단계; 및
    상기 적어도 하나의 단위 히트맵을 결합하고, 상기 적어도 하나의 단위 히트맵 중 서로 인접한 단위 히트맵들에서 겹치는 소정의 공통 영역에 대해 높은 확률로 판단된 단위 히트맵을 선택하여, 상기 제1 이미지에 대응되는 전체 히트맵을 생성하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  6. 제1항에 있어서,
    상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 제공하는 단계는,
    상기 제1 이미지 내에서 상기 소정의 어뷰징이 존재할 확률 정보를 표시하는 단계; 및
    상기 소정의 어뷰징으로 의심되는 적어도 하나의 핵 사용 영역을 상기 제1 이미지 상에 표시하는 단계 중 적어도 하나의 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  7. 제1항에 있어서,
    상기 제1 게임의 복수의 이미지들로부터 분할된 복수의 단위블록 이미지 및 상기 복수의 단위블록 이미지에 상기 어뷰징이 있는지를 나타내는 핵 사용 정보에 기초하여, 상기 핵 사용 판별 모델을 학습하는 단계를 더 포함하는, 컴퓨팅 장치의 동작 방법.
  8. 제7항에 있어서,
    상기 핵 사용 판별 모델을 학습하는 단계는,
    상기 복수의 단위블록 이미지 및 상기 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 소정의 이미지에서 소정의 핵 사용 영역의 위치를 검출하는 동작을 학습하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  9. 제8항에 있어서,
    상기 소정의 이미지에서 소정의 핵 사용 영역의 위치를 검출하는 동작을 학습하는 단계는,
    상기 복수의 단위블록 이미지 및 상기 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 상기 제1 게임 내에서 소정 객체가 원본 화면에 표시되는 상기 소정 객체와 다르게 표시된 영역을 포함하는 상기 소정의 핵 사용 영역을 검출하는 단계; 및
    상기 핵 사용 영역과 상기 핵 사용 영역에 대응되는 상기 원본 화면에서의 영역에 기초하여, 상기 소정의 핵 사용의 위치를 검출하는 동작을 학습하는 단계를 포함하는, 컴퓨팅 장치의 동작 방법.
  10. 제7항에 있어서,
    상기 핵 사용 판별 모델을 학습하는 단계는,
    상기 핵 사용 판별 모델에 의해 제2 이미지에서 핵 사용이 있다고 판단된 영역을 포함하는 제2 단위블록 이미지, 및 상기 제2 단위블록 이미지에 실제로 핵 사용이 있는지에 대한 정보에 기초하여, 상기 핵 사용 판별 모델을 재학습하는 단계를 더 포함하는, 컴퓨팅 장치의 동작 방법.
  11. 통신 장치;
    사용자 인터페이스 장치;
    스토리지;
    프로세서; 및
    상기 프로세서에 의해 실행 가능한 명령어들을 저장하는 메모리를 포함하고,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    제1 게임의 제1 이미지를 획득하고,
    상기 제1 이미지를 상기 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델에 적용하여, 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하고,
    상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 상기 사용자 인터페이스 장치를 통해 제공하는, 컴퓨팅 장치.
  12. 제11항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 제1 이미지를 적어도 하나의 단위블록 이미지로 분할하고,
    상기 적어도 하나의 단위블록 이미지 별로 상기 핵 사용 판별 모델에 적용하여, 상기 소정의 어뷰징이 존재할 확률을 예측하고,
    상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 획득하는, 컴퓨팅 장치.
  13. 제12항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 적어도 하나의 단위블록 이미지 중 서로 인접한 단위블록 이미지들이 상기 제1 이미지 내의 소정 영역을 공통 영역으로 갖도록, 상기 제1 이미지를 적어도 하나의 단위블록 이미지로 분할하는, 컴퓨팅 장치.
  14. 제12항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 핵 사용 영역의 정보를 나타내는 상기 제1 이미지에 대응되는 제1 히트맵을 생성하고,
    상기 제1 히트맵으로부터 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 상기 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하는, 컴퓨팅 장치.
  15. 제14항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 적어도 하나의 단위블록 이미지 별로 예측된 확률에 기초하여, 상기 핵 사용 영역의 정보를 나타내는 적어도 하나의 단위 히트맵을 생성하고,
    상기 적어도 하나의 단위 히트맵을 결합하고, 상기 적어도 하나의 단위 히트맵 중 서로 인접한 단위 히트맵들에서 겹치는 소정의 공통 영역에 대해 높은 확률로 판단된 단위 히트맵을 선택하여, 상기 제1 이미지에 대응되는 전체 히트맵을 생성하는, 컴퓨팅 장치.
  16. 제11항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써, 상기 사용자 인터페이스 장치를 통해,
    상기 제1 이미지 내에서 상기 소정의 어뷰징이 존재할 확률 정보를 표시하는 동작
    상기 소정의 어뷰징으로 의심되는 적어도 하나의 핵 사용 영역을 상기 제1 이미지 상에 표시하는 동작 중 적어도 하나의 동작을 수행하는, 컴퓨팅 장치.
  17. 제11항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 제1 게임의 복수의 이미지들로부터 분할된 복수의 단위블록 이미지 및 상기 복수의 단위블록 이미지에 상기 어뷰징이 있는지를 나타내는 핵 사용 정보에 기초하여, 상기 핵 사용 판별 모델을 학습하는, 컴퓨팅 장치.
  18. 제17항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 복수의 단위블록 이미지 및 상기 복수의 단위블록 이미지의 핵 사용 정보에 기초하여, 소정의 이미지에서 소정의 핵 사용 영역의 위치를 검출하는 동작을 학습하는, 컴퓨팅 장치.
  19. 제17항에 있어서,
    상기 프로세서는, 상기 명령어들을 실행함으로써,
    상기 핵 사용 판별 모델에 의해 제2 이미지에서 핵 사용이 있다고 판단된 영역을 포함하는 제2 단위블록 이미지, 및 상기 제2 단위블록 이미지에 실제로 핵 사용이 있는지에 대한 정보에 기초하여, 상기 핵 사용 판별 모델을 재학습하는, 컴퓨팅 장치.
  20. 제1 게임의 제1 이미지를 획득하는 단계;
    상기 제1 이미지를 상기 제1 게임에서 허가되지 않은 프로그램을 사용한 어뷰징을 검출하는 핵 사용 판별 모델에 적용하여, 상기 제1 이미지 내에서 소정의 어뷰징의 존재 여부의 정보 및 상기 소정의 어뷰징으로 의심되는 핵 사용 영역의 정보 중 적어도 하나를 포함하는 제1 트릭 정보를 획득하는 단계; 및
    상기 제1 이미지에 대응되는 상기 제1 트릭 정보를 제공하는 단계를 포함하는, 방법을 하드웨어와 결합되어 실행시키기 위해 매체에 저장된 컴퓨터 프로그램.
KR1020180117886A 2018-10-02 2018-10-02 컴퓨팅 장치에서 게임의 이미지를 처리하는 방법 및 컴퓨팅 장치 KR20200038153A (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020180117886A KR20200038153A (ko) 2018-10-02 2018-10-02 컴퓨팅 장치에서 게임의 이미지를 처리하는 방법 및 컴퓨팅 장치

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020180117886A KR20200038153A (ko) 2018-10-02 2018-10-02 컴퓨팅 장치에서 게임의 이미지를 처리하는 방법 및 컴퓨팅 장치

Publications (1)

Publication Number Publication Date
KR20200038153A true KR20200038153A (ko) 2020-04-10

Family

ID=70292072

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020180117886A KR20200038153A (ko) 2018-10-02 2018-10-02 컴퓨팅 장치에서 게임의 이미지를 처리하는 방법 및 컴퓨팅 장치

Country Status (1)

Country Link
KR (1) KR20200038153A (ko)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102185909B1 (ko) * 2020-09-11 2020-12-02 엘아이지넥스원 주식회사 다중 파장 대역 시각적 관심 지도를 이용한 딥러닝 기반 적응적 초해상도 방법

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102185909B1 (ko) * 2020-09-11 2020-12-02 엘아이지넥스원 주식회사 다중 파장 대역 시각적 관심 지도를 이용한 딥러닝 기반 적응적 초해상도 방법

Similar Documents

Publication Publication Date Title
CN106964153B (zh) 基于云的游戏切片生成和即玩型无障碍社交共享
CN109445662B (zh) 虚拟对象的操作控制方法、装置、电子设备及存储介质
JP7224715B2 (ja) 人工知能（ａｉ）制御のカメラパースペクティブジェネレータ及びａｉブロードキャスタ
JP2022548331A (ja) 人工知能（ａｉ）制御のカメラパースペクティブジェネレータ及びａｉブロードキャスタ
WO2021093452A1 (zh) 基于人工智能的博弈业务执行方法、装置、设备及介质
US11887224B2 (en) Method, apparatus, and computer program for completing painting of image, and method, apparatus, and computer program for training artificial neural network
US11786823B2 (en) System and method for creating personalized game experiences
US10881965B2 (en) Detecting and identifying unauthorized accounts in online environments
KR20200056876A (ko) 게임 가이드 정보 제공 방법 및 장치
KR102641885B1 (ko) 게임 제공 장치에서 결제 분석 정보를 제공하는 방법 및 게임 제공 장치
KR20200038153A (ko) 컴퓨팅 장치에서 게임의 이미지를 처리하는 방법 및 컴퓨팅 장치
JP7131905B2 (ja) 情報処理方法、サーバ装置、プログラム、及び情報端末
KR20200082378A (ko) 전자 장치에서 게임의 플레이 환경을 설정하는 설정 파일에 대한 거래 서비스를 제공하는 방법
KR20200082377A (ko) 전자 장치에서 게임과 관련된 통계 정보를 제공하는 방법
KR20210003627A (ko) 전자 장치 및 전자 장치에서 게임의 관심 영역을 표시하는 방법
KR102647904B1 (ko) 딥러닝 기반으로 장소 리뷰 이미지를 분류하는 방법, 시스템, 및 컴퓨터 프로그램
KR102271849B1 (ko) 입력 장치의 감도를 조절하는 전자 장치의 동작 방법 및 전자 장치
JP7464336B2 (ja) ビデオゲームにおけるサーバベースのビデオヘルプ
KR102530298B1 (ko) 악성 게임의 탐지
US20170026785A1 (en) Item managing server, item managing method, and item managing non-transitory computer readable media
KR101459194B1 (ko) 온라인 게임의 소리 제어장치 및 제어방법
KR102275320B1 (ko) 공유 서비스 방법 및 이를 수행하기 위한 컴퓨팅 장치
KR20200029916A (ko) 컴퓨팅 장치에서 게임에 대한 사용자의 데이터를 처리하는 방법, 및 컴퓨팅 장치
KR20220132297A (ko) 설정된 구매 금액 내에서 상품 정보를 제공하는 게임 제공 장치 및 게임 제공 장치의 동작 방법
KR20220081769A (ko) 게임 아이템의 정보를 제공하는 전자 장치 및 전자 장치의 동작 방법

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E601 Decision to refuse application