|
|
|
 |
 |
| |
 |
제 목 :
[NDC 2021] 고려대 김휘광 교수, “기술도 좋지만 커뮤니티 활동에 방점 둬야” |
 |
작성자 :
|
등록일 : 2021-06-14 오전 10:10:13 |
|
|
 |
 |
 |
넥슨 개발자 콘퍼런스(Nexon Developers Conference, NDC) 3일 차인 6월 11일, 고려대학교 정보보호대학원 김휘강 교수는 ‘게임 내 악성 행위분석 및 사설 서버 탐지’에 대해 강연을 진행했다.
김휘강 교수는 강연에 앞서 게임봇과 작업장에 대한 정의부터 내렸다. 강연에 따르면 ‘게임봇’은 자동으로 MMORPG를 플레이해 인게임 재화를 수집하는 프로그램으로, 작업장(Gold-Farming Group, GFG)은 게임봇을 사용한 게임 캐릭터의 반복적인 동작을 통해 게임 내 재화를 축적하는 단체다. 한편 RMT(Real Money Trade)를 통해 인게임 재화를 현금으로 거래하는 행위도 발생하는데, 김휘강 교수는 이들에 대해 “과도한 게임 콘텐츠 소모를 통한 게임 수명 단축과 정상적인 이용자들의 이탈을 유발하는 등 많은 문제를 일으키고 있다”라고 설명했다.
게임봇과 작업장은 주로 AI 딥러닝과 머신러닝을 통해 적발한다. 김휘광 교수는 “대부분 게임봇 행동 패턴이 정상적인 유저들 행동 패턴과 다르다는 점에 착안해 classification(분류)하는 연구가 주를 이루고 있다”라며, “예컨대 채팅 패턴, 거래 패턴, 파티플레이 패턴이 정상적인 이용자들과 게임봇 간에 현격한 차이가 나타난다는 점을 이용한 것이 대표적이다”라고 설명했다.
그러나 AI를 통해 악성 행위를 제재할 경우 어떤 사유로 그런 결과를 얻었는지 논리적으로 설명하기 어렵고, 봇으로 탐지돼 제재 받은 유저들이 항의할 경우 설명을 용이하게 하기 위해 시간과 인력을 추가로 투입하거나 설명할 수 없어 제재를 풀어주는 등 약점이 있다.
또한 딥러닝을 활용하는 AI 모델을 악용하는 공격방식인 ‘Adversarial Machine Learning Attack’ 등 머신러닝을 속이는 방향으로 장기적인 행위 변화를 시도한 경우 탐지 모델 신뢰성이 떨어져 구축해둔 시스템이 무용지물이 되는 상황도 발생할 수 있다.
김휘광 교수는 이에 대한 해결책으로 XAI(eXplainable AI)를 제시했다. XAI란 자신이 내린 결정을 사용자가 이해할 수 있는 형태로 설명하는 AI를 의미한다. 게임 내 악성 행위 분석에 투입할 경우 AI가 왜 해당 사용자를 제재했는지 논리적인 해석을 얻을 수 있어 관리자가 오류를 바로잡거나 항의 중인 제재자를 설득할 수 있다.
김휘광 교수는 XAI 도입 전 고려해야 할 사항도 지적했다. 우선 딥러닝 자체도 큰 비용이 요구되는 사업이므로 비용적 측면을 생각해야 한다. 인적 자원이 풍부해 XAI 없이도 로그를 이해하고 설명할 수 있으면 도입 필요성이 떨어진다. 데이터 특성에 따라서는 XAI 없이 전통적인 통계로 충분한 경우도 있다. 반대로 대 고객 응대력을 높여주기 때문에 불필요한 소송이나 환불을 피할 수 있고, 수동 모니터링이 불가능해 분류 시스템에 의존해야 하는 경우에도 도입하면 도움이 된다.
한편 김휘광 교수는 질병 확산 모델(Epidemic Model)을 소개하며 게임봇과 사설 서버 이용자 증가도 비슷하다고 설명했다. 질병 확산 모델을 활용하면 질병뿐만 아니라 정보와 같은 미디어 영향력이 어떤 시기와 규모로 전파(컨테이전)되는지 알 수 있는데, 게임봇 신규 이용자 수나 전 세계 사설 서버 데이터를 대량으로 입수하고 관찰한다면 유저들이 급격하게 게임봇을 쓰기 시작하는 시점이나 사설 서버로 이탈하는 추세를 예측할 수 있다.
김휘광 교수는 “관찰하고자 하는 게임 내 악성 행위를 정의하고 그 숫자들을 지속적으로 모니터링한다면, 그 행위의 확산성을 예측할 수 있다는 점에서 컨테이젼 모델은 상당히 활용성이 높다”라고 말했다.
이 확산을 ‘디퓨전’이라는 용어로 표현하기도 하는데, 대체로 이미 봇이나 사설 서버를 이용하는 친구나 지인을 노드 삼아 확산한다. 확산 노드 역할을 하는 유저가 인플루언서인 경우 영향력이 매우 막강해지는데, 김휘광 교수는 이렇게 악성 행위를 하는 영향력이 높은 유저를 빠르게 식별하고 확산 속도를 예측하는 게 게임 내 건전한 환경을 조성하고 게임봇 확산을 억누르는 데 중요하다고 역설했다.
김휘광 교수는 “게임봇과 같은 악성 행위는 확산성이 매우 높다”라며, “악성 행위가 승부에 영향을 미쳐 공정성을 해치게 되었다면 이는 유저들의 이탈을 일으킬 만큼 높은 불만 요소가 되므로 헬퍼, 치팅툴, 다양한 핵, 욕설 전파 등을 반드시 탐지 및 제재해야 한다”라고 역설했다.
한편 김휘광 교수는 이탈 유저를 줄이는 다른 방법으로 소셜 소사이어티를 제시한다. 데이터를 분석했을 때 게임 내 길드와 같이 소사이어티가 존재하는 유저 이탈률이 확연히 낮고, 길드 간에도 친목 위주인가 비즈니스 위주인가에 따라 후자에 가까울수록 유저 이탈률이 높았다는 것이다.
강연을 마무리하며 김휘광 교수는 “게임봇, 사설 서버와 같이 게임 내 다양한 악성 행위가 있고 이를 탐지하고 막을 수 있는 기술적인 방법도 점차 고도화되어 가고 있다”라며, “물론 기술적인 방법이 실용적이고 현실적인 솔루션이지만, 지금이야말로 유저들이 장기적으로 리텐션하고 게임 소사이어티 내의 규범을 올바르게 형성하고 지켜갈 수 있도록 동료, 친구, 커뮤니티 활동에 다시 방점을 두어야 하는 시점이 아닌가 생각된다”라고 말했다.
겜툰 박현규 수습기자 gamtoon@gamtoon.com
|
|
|
|
| 덧글쓰기 |
 |
|
|
|
|
|
|
|
|
|
|
인터뷰/업체탐방
총 2697의
게시물이 있습니다. 
