بازیکن Counter Strike 2 برای پایان‌نامه خود یک سیستم شناسایی متقلبان طراحی کرد

کریستوفر بی. دیدریکسن، دانشجوی دانشگاه علم و فناوری نروژ، برای پایان‌نامه کارشناسی ارشد خود سراغ یکی از مشکلات قدیمی بازی‌های رقابتی، یعنی بازیکنان متقلب و حساب‌های جایگزین آن‌ها، رفته است. او سیستمی طراحی کرده که با بررسی نحوه استفاده بازیکنان از ماوس و کیبورد، می‌تواند هویت احتمالی آن‌ها را در مسابقات مختلف تشخیص دهد؛ حتی اگر با حساب کاربری دیگری وارد بازی شده باشند.

این سیستم از روشی شبیه اثر انگشت رفتاری استفاده می‌کند. دیدریکسن با تحلیل فایل‌های ضبط‌شده مسابقات رقابتی Counter-Strike 2 متوجه شده است که الگوی حرکت ماوس و استفاده از کیبورد هر بازیکن می‌تواند تا حد زیادی ثابت باقی بماند؛ حتی در نقشه‌های مختلف، جلسات جداگانه و با تغییر تنظیمات حساسیت ماوس.

در مجموعه داده‌ای شامل بیش از هزار بازیکن، تحلیل حرکات ماوس توانست افراد را با دقت بالایی شناسایی کند، هرچند در بعضی موارد اختلاف میان نتیجه درست و گزینه‌های دیگر بسیار کم بود. تحلیل الگوی کیبورد هم در ۹۸ درصد موارد بازیکن درست را تشخیص داد. ترکیب این دو شاخص می‌تواند دقت شناسایی را افزایش دهد.

هدف این روش آن است که سیستم‌های ضدتقلب بتوانند تشخیص دهند آیا یک حساب تازه متعلق به همان فردی است که پیش‌تر به‌دلیل تقلب مسدود شده یا از حساب دیگری برای بازی در سطحی پایین‌تر استفاده می‌کند. این موضوع به‌ویژه درباره بازیکنانی اهمیت دارد که با حساب‌های جایگزین، معروف به Smurf، وارد مسابقات می‌شوند.

البته این روش محدودیت‌هایی هم دارد. استفاده مشترک از یک حساب توسط چند نفر می‌تواند نتایج را مختل کند و شناسایی رفتاری به‌تنهایی اثبات قطعی تقلب نیست. با این حال، دیدریکسن معتقد است چنین سیستمی می‌تواند در کنار ابزارهای فعلی Valve، از جمله VAC و Trust Factor، به شناسایی حساب‌های مرتبط کمک کند.

دیدریکسن اعلام کرده پایان‌نامه‌اش را با نمره A به پایان رسانده و از بازیکنانی که برای جمع‌آوری داده‌ها در پژوهش او شرکت کردند، تشکر کرده است.