게임 내에는 다양한 '악성 행위'가 있다.
게임 봇, 작업장, 소위 '골드 파밍 그룹'이라고 불리는 집단은 게임 안에서 가장 큰 위협 요소다. 이들은 모바일 및 PC 게임에서 자동으로 아이템을 파밍하며, 최종적으로는 현금 거래를 통해 부당한 금전적인 이익을 얻는다. 악성 유저는 과도한 게임 콘텐츠 소모를 통한 게임 수명 단축, 정상적인 유저 이탈 등 게임에 악영향을 미친다.
이런 게임 내 악성 유저들은 어떻게 잡아야 할까? 이를 데이터분석 기반으로 해결할 방안을 설명하기 위해 고려대학교 정보보호대학원 김휘강 교수가 강연했다.
김휘강 박사에 따르면 그간 많은 게임들이 머신러닝과 딥러닝을 통해 봇과 작업장을 탐지했다. 대부분 게임봇의 패턴이 정상 유저의 패턴과 다르다는 점에 착안해 이를 골라내는 연구가 주류를 이루고 있기도 하다. 덕분에 고도화된 알고리즘을 통해 악성 유저와 일반 유저를 식별 가능한 수준에 이르렀다.
문제는 딥러닝 기술을 통한 탐지가 게임봇 및 유저 밴 업무 적용에는 한계를 보인다는 것.
이를 보완하기 위해 'XAI'(Explainable AI)라는 개념이 제시됐다. 이름을 풀어 보면 '설명 가능한 AI'다. 이를 응용하면 왜 유저의 행위가 게임봇으로 식별되었는지 설명할 수 있어, 악의적인 봇 유저가 이의 제기를 하더라도 주요 원인을 설명할 수 있다.
그 외에도 '컨테이전'이라는 현상이 있다. 나의 행위가 다른 사람에게도 전파되는 현상을 말하는데, 여기서는 악성 유저가 악성 행위를 다른 유저에게도 전파하는 것이다. 물론 선한 행위가 전파될 수도 있다.
강연 마무리 단계에서 김휘강 교수는 "게임봇, 사설서버와 같이 게임 내 다양한 악성행위가 있고 이를 탐지하고 막을 수 있는 기술도 점차 고도화되고 있다. 물론 기술적인 방법이 실용적이고 가장 현실적인 솔루션이다."라고 언급했다.
"하지만 지금이야말로 유저들이 장기적으로 게임 내 규범을 올바르게 형성하고 지켜갈 수 있도록 동료, 친구, 커뮤니티 활동에 다시 방점을 두어야 하는 시점이 아닌가 생각된다"고 덧붙였다.