💛حمایت‌های اخیر

دانشجوی نروژی با پایان‌نامه خود راه تازه‌ای برای شناسایی چیترهای Counter-Strike 2 پیدا کرد

۱۷ مهر ۱۴۰۵۲ دقیقه مطالعه۳ بازدیدکلودی صالحیکلودی صالحیصاحب سایت
دانشجوی نروژی با پایان‌نامه خود راه تازه‌ای برای شناسایی چیترهای Counter-Strike 2 پیدا کرد

یک دانشجوی نروژی برای مقابله با متقلبان بازی Counter-Strike 2 روشی طراحی کرده که می‌تواند بازیکنان را نه بر اساس حساب کاربری، بلکه با توجه به شیوه استفاده آن‌ها از ماوس و کیبورد شناسایی کند. این پژوهش که به‌عنوان پایان‌نامه کارشناسی ارشد انجام شده، در آزمایش‌هایی با بیش از هزار بازیکن نتایج امیدوارکننده‌ای داشته و حتی به شناسایی برخی حساب‌های ناشناخته بازیکنان باتجربه منجر شده است.

کریستوفر بی. دیدریکسن، دانشجوی دانشگاه علم و فناوری نروژ، می‌خواهد با استفاده از این روش مشکل مهم سیستم‌های ضدتقلب را برطرف کند: بازیکن متخلف پس از مسدود شدن حسابش می‌تواند حساب جدیدی بسازد و دوباره وارد مسابقات شود. با این حال، راهکار پیشنهادی او هنوز به سیستم رسمی ضدتقلب بازی اضافه نشده است.

سیستم ضدتقلب جدید Counter-Strike 2 چگونه کار می‌کند؟

روش پیشنهادی دیدریکسن بر پایه مفهومی به نام زیست‌سنجی رفتاری (Behavioral Biometrics) ساخته شده است. این فناوری تلاش می‌کند افراد را از روی الگوهای رفتاری منحصربه‌فردشان شناسایی کند؛ درست همان‌طور که برخی سامانه‌ها از ویژگی‌های زیستی برای تشخیص هویت استفاده می‌کنند.

در این پروژه، پژوهشگر بررسی کرده است که آیا شیوه حرکت دادن ماوس و فشردن کلیدهای کیبورد در جریان مسابقات می‌تواند به شناسایی یک بازیکن کمک کند یا خیر.

برای این کار، او از فایل‌های دمو مسابقات رقابتی Counter-Strike 2 استفاده کرده است. این فایل‌ها اطلاعاتی از جریان بازی، از جمله حرکات بازیکنان و ورودی‌های ثبت‌شده را در اختیار پژوهشگر قرار می‌دهند.

با تحلیل این داده‌ها، سیستم برای هر بازیکن یک نوع اثر انگشت دیجیتال رفتاری ایجاد می‌کند. سپس می‌توان این الگو را با اطلاعات حساب‌های دیگر مقایسه کرد تا مشخص شود آیا احتمال دارد چند حساب متعلق به یک نفر باشند یا خیر.

دقت شناسایی بازیکنان چقدر است؟

نتایج اعلام‌شده از آزمایش این سیستم امیدوارکننده بوده‌اند. طبق گزارش PC Gamer، پژوهشگر مجموعه‌ای شامل بیش از هزار بازیکن را بررسی کرده و به نتایج زیر رسیده است:

روش شناسایینتیجه آزمایش
تحلیل حرکات ماوسشناسایی صحیح بازیکنان در تمام موارد گزارش‌شده
تحلیل الگوی کیبوردشناسایی صحیح در ۹۸ درصد موارد
ترکیب دو روشافزایش اطمینان در تشخیص حساب‌های متعلق به یک بازیکن

با این حال، دیدریکسن اشاره کرده است که تشخیص مبتنی بر حرکت ماوس در برخی موارد با اختلاف اندکی انجام شده است. بنابراین، نتایج نباید به معنای دقت صددرصدی سیستم در تمام شرایط یا برای کل جمعیت بازیکنان بازی تلقی شوند. این آزمایش روی مجموعه‌ای محدودتر از کل کاربران انجام شده و برای ارزیابی عملکرد در مقیاس واقعی به بررسی‌های بیشتری نیاز است.

کلودی صالحی

کلودی صالحی

تأیید شدهصاحب سایت@Cloudy
مشاهده صفحه اصلی

مقالات مرتبط