モリカトロン株式会社運営「エンターテインメント×AI」の最新情報をお届けするサイトです。

TAG LIST
ディープラーニングCG機械学習CGへの扉安藤幸央GAN月刊エンタメAIニュースニューラルネットワーク強化学習三宅陽一郎音楽OpenAIモリカトロンAIラボインタビュー敵対的生成ネットワーク河合律子QAスクウェア・エニックスNVIDIAシナリオFacebookキャラクターAIルールベースDeepMindデバッグCEDEC2019プロシージャル人工知能学会映画ビヘイビア・ツリーGoogleCEDEC2021CEDEC2020ゲームAISIGGRAPH遺伝的アルゴリズム不完全情報ゲームメタAIナビゲーションAI森川幸人畳み込みニューラルネットワーク自然言語処理深層学習マイクロソフトAIと倫理グーグルStyleGAN自動生成GDC 2021GPT-3GDC 2019マルチエージェントVRボードゲームロボットアートCNNVFXモリカトロンゲームプレイAIファッションHTN階層型タスクネットワークディープフェイクJSAI2020大内孝子TensorFlowMicrosoftイベントレポートテストプレイAIアート水野勇太アニメーションガイスターNPCDALL-ECLIPStyleGAN2NFTtoio吉本幸記JSAI2021スポーツシムピープル汎用人工知能GDC SummerAdobeeスポーツ対話型エージェントeSportsBLUE PROTOCOLシーマン小説UbisoftAlphaZeroカメラ環世界中島秀之懐ゲーから辿るゲームAI技術史研究DARPAドローンシムシティAI美空ひばり手塚治虫Electronic Artsメタデータブロックチェーン通しプレイOpenAI Five本間翔太CM倫理ピクサーイーサリアム作曲中嶋謙互Amadeus CodeMicrosoft AzureデジタルツインアストロノーカキャリアナラティブAmazonサイバーエージェント音声認識ロボティクスPyTorchDQN眞鍋和子バンダイナムコスタジオUnity齊藤陽介マインクラフトお知らせアバターサルでもわかる人工知能VAEUbisoft La ForgeワークショップGenvid Technologies知識表現ウォッチドッグス レギオンIGDAどうぶつしょうぎジェイ・コウガミ音楽ストリーミングマシンラーニングクラウド斎藤由多加リトル・コンピュータ・ピープルコンピューティショナル・フォトグラフィーGPT-2完全情報ゲーム坂本洋典釜屋憲彦ウェイポイントパス検索藤澤仁生物学画像認識DeNA長谷洋平鴫原盛之masumi toyota宮路洋一TextWorldSIGGRAPH ASIAソニーGTC2021CycleGANフェイクニュースエージェントGPUALifeZork人工生命オルタナティヴ・マシンサウンドスケープMCS-AI動的連携モデルASBSマンガぱいどんTEZUKA2020ナビゲーションメッシュ松井俊浩スパーシャルAIマーケティングApex LegendsELIZANinjaコンピュータRPGアップルタウン物語KELDICメロディ言語ゲームTENTUPLAYLEFT 4 DEADMARVEL Future FightAstroタイムラプスEgo4Dバスキアバーチャルヒューマン日経イノベーション・ラボ敵対的強化学習階層型強化学習GOSU Data LabWANNGOSU Voice Assistant竹内将SenpAI.GGMobalytics馬淵浩希Cygames岡島学AWS Sagemaker映像セリア・ホデント形態素解析UXAWS Lambda誤字検出認知科学BERTゲームデザインSentencePieceLUMINOUS ENGINEプラチナエッグLuminous Productionsパターン・ランゲージ竹村也哉ちょまどボエダ・ゴティエビッグデータGOAPAdobe MAX 2021メタバース模倣学習NVIDIA OmniverseOmniverse AvatarFPSNVIDIA Rivaマルコフ決定過程NVIDIA MegatronNVIDIA Merlinスタンフォード大学NVIDIA Metropolisパラメータ設計テニスOmniverse Replicatorバランス調整レコメンドシステムNVIDIA DRIVE Sim協調フィルタリングNVIDIA Isaac Sim人狼知能テキサス大学軍事AlphaDogfight TrialsAI Messenger VoicebotエージェントシミュレーションOpenAI CodexStarCraft IIHyperStyleFuture of Life InstituteRendering with StyleIntelDisneyLAIKADisneyリサーチRotomationGauGANGauGAN2ドラゴンクエストライバルズ画像言語表現モデル不確定ゲームSIGGRAPH ASIA 2021Dota 2モンテカルロ木探索ディズニーリサーチMitsuba2ソーシャルゲームEmbeddingワイツマン科学研究所GTC2020CG衣装NVIDIA MAXINEVRファッション淡路滋ビデオ会議グリムノーツゴティエ・ボエダGautier Boeda階層的クラスタリングaiboJuliusSIETPRGバーチャル・ヒューマン・エージェントtoio SDK for Unityクーガー田中章愛石井敦銭起揚茂谷保伯MinecraftGDMC成沢理恵MITメディアラボ著作権マジック・リープMagic Leap OneMagendaノンファンジブルトークンDDSPサッカー里井大輝KaggleバスケットボールAssassin’s Creed OriginsSea of ThievesGEMS COMPANYmonoAI technology初音ミクOculus転移学習テストBaldur's Gate 3Candy Crush SagaSIGGRAPH ASIA 2020デバッギングBigGANMaterialGANリップシンキングRNNReBeL自動運転車VolvoRival Prakユービーアイソフト北尾まどかHALO将棋メタルギアソリッドVFSMナップサック問題汎用言語モデルSpotifyMITReplica StudioamuseChitrakar巡回セールスマン問題ジョルダン曲線5GMuZeroクラウドゲーミングRival Peak和田洋一リアリティ番組Stadiaジョンソン裕子MILEs対話エンジンインタラクティブ・ストリーミングインタラクティブ・メディアシーマン人工知能研究所Ludoゴブレット・ゴブラーズTransformerSIGGRAPH 2019ArtEmis絵画ARGROVERFAIRAIりんなチート検出オンラインカジノアップルRealFlowiPhoneシミュレーションDeep FluidsMeInGameAIGraphブレイン・コンピュータ・インタフェースBCILearning from Video予期知能ユクスキュルカント哲学ドラゴンクエストエージェントアーキテクチャPAIROCTOPATH TRAVELER西木康智OCTOPATH TRAVELER 大陸の覇者アルスエレクトロニカ2019StyleCLIPStyleRig逆転オセロニア奥村エルネスト純いただきストリート齋藤精一大森田不可止高橋智隆ロボユニザナック泉幸典仁井谷正充ロボコレ2019ぎゅわんぶらあ自己中心派Azure Machine Learning意思決定モデル脱出ゲームHybrid Reward ArchitectureウロチョロスSuper Phoenix理化学研究所Project Malmo教育Project PaidiaProject LookoutWatch ForBingLEFT ALIVE長谷川誠ジミ・ヘンドリックスBaby Xカート・コバーンロバート・ダウニー・Jr.エイミー・ワインハウスMagentaYouTubeダフト・パンクSFGlenn MarshallThe Age of A.I.Story2HallucinationレコメンデーションJukeboxテンセントSIFTDCGANMOBADANNCE人事ハーバード大学研修デューク大学mynet.aiローグライクゲームNetHack人工音声NeurIPS 2021はこだて未来大学プレイ動画ヒップホップサイレント映画NBA環境音現代アート粒子群最適化法進化差分法群知能下川大樹ウィル・ライト高津芳希大石真史BEiTレベルデザインDETRSporeAIボイスアクターデノイズ南カリフォルニア大学画像処理NVIDIA CanvasSentropyCPUDiscordCALMプログラミングソースコード生成GMAIシチズンデベロッパーTRPGGitHubウィザードリィMCN-AI連携モデルAI Dungeon西川善司並木幸介サムライスピリッツ森寅嘉ゼビウスSIGGRAPH 2021ストリートファイター半導体Topaz Video Enhance AI栗原聡DLSS山野辺一記NetEase大里飛鳥DynamixyzモーションキャプチャーU-Net13フェイズ構造アドベンチャーゲームADVXLandAGI手塚眞DEATH STRANDING不気味の谷Eric JohnsonOculus Questコジマプロダクション生体情報デシマエンジンインディーゲーム写真高橋ミレイ照明Maxim PeterJoshua Romoffハイパースケープ山崎陽斗深層強化学習立木創太バンダイナムコ研究所ミライ小町テスラGameGANELYZAパックマンTesla BotTesla AI Dayソサエティ5.0ELYZA DIGESTSIGGRAPH 2020バズグラフニュースタンテキ東芝DIB-R倉田宜典3D音声合成韻律射影広告韻律転移

チートのパターンを学習するチート検出AIの活躍

2021.2.26ゲーム

チートのパターンを学習するチート検出AIの活躍

ゲームのルールやバランスを壊すチート(不正行為)の存在は、ゲームコミュニティを慢性的に悩ませています。こうしたチートの検出に、最近ではAI技術が活用されています。この記事ではチートの歴史を簡単に振り返ってから、AI技術を活用したFPSやオンラインカジノのチート検出事例を紹介します。

進化するチートと最新チート検出手法としてのAI

世界的なサイバーセキュリティ企業NCC Groupは昨年5月、「ゲームのセキュリティ」と題されたチートの歴史とその対策をまとめたブログ記事を公開しました。チートの歴史は古く、昔のチートのなかで特に有名なのがファミコン版『グラディウス』(1985年、コナミ)で発見された「コナミコマンド」です。もともとこのコマンドは、ゲーム開発者が効率よくデバッグするために実装したものを、発売時に削除し忘れたため「裏技」として残ることになったものでした。このように、チートは昔からゲーム開発と切っても切れない関係にあります。

チートの歴史は、オンラインゲームの普及により大きく変わりました。頻繁にアップデートが可能なオンラインゲームではバグを修正してチートを予防できるようになった一方で、チーターはゲームサーバに対して不正行為をしかけるハッカーのようになって、ゲーム運営元といたちごっこを繰り広げるようになりました。

現在行われているチート検出手法には、プレイヤーによる報告、プレイデータの分析によるチートの発見、そして手法としては比較的新しい信頼スコアの活用があります。信頼スコアはプレイデータにもとづいて算出され、過去にチートを犯したプレイヤーには低いスコアが付与されます。対戦型ゲームにおいては信頼スコアがマッチメイキング時に参照され、信頼スコアが低いプレイヤーは同じようなチートを犯す恐れのあるプレイヤーと対戦することになります。

チート検出における最新の手法は機械学習を応用するものです。この手法では、既知のチーターのプレイを学習したAIが、似たようなチート行為を検出します。この手法の利点は、チートの流行や進化に合わせてAIを再訓練できる所です。

そして今後のチートのトレンドとして予想されるのが、トッププレイヤーのプレイを精密に模倣するチートボットの登場です。こうしたボットのプレイがトッププレイヤーのそれと区別がつかなくなった場合、機械学習を活用してもチートを検出できなくなる恐れがあります。未来においては、チートAIとチート検出AIが熾烈な戦いを繰り広げることになるかも知れないのです。

チートツール使用時のデータ通信量に着目

現在のチート検出に関する研究については、2020年11月、アメリカ・テキサス州立大学ダラス校の学内メディアが同校の研究チームの試みを報じています。

従来のオンラインゲームにおけるチートの検出では、プレイヤーからサーバに対して送信された暗号化済みのプレイデータを復号化してから分析していたので、リアルタイムにチートを検出することは極めて困難でした。こうしたなか、研究チームはプレイデータの内容ではなく通信量の変化に着目してチートを検出する実験を行いました。

実験には人気FPSの『カウンターストライク』(1999年、Valve Corporation)が採用され、ダラス校の学生20人が参加しました。参加者には、3種類のチートツールを使用した状態でゲームをプレイしてもらいました。具体的には、自動的に対戦プレイヤーをエイム(狙撃)できるエイムボット、移動スピードが向上するスピードハック、そして壁を透明にできるウォールハックが使われました。

3つのチートツールを使ってプレイしてもらった結果、チートを実行している時に特徴的な通信量の変化が生じることを発見しました。研究チームは、発見した通信量の変化に関する特徴を機械学習モデルに学習させました。こうして開発された機械学習モデルは、チート実行によって生じる通信量の変化をリアルタイムに検出できるようになりました。

以上のような機械学習によるチート検出技術は、多くのオンラインゲームに応用できると考えられています。応用に際しては学習データとなるチート実行時の通信量に関するデータが必要になりますが、チートを続けているプレイヤーに対してリアルタイムにゲームからバンすることも可能となるでしょう。

チートのパターンを見逃さないオンラインカジノ

チートの実行が犯罪につながりかねないオンラインカジノにおいても、チート検出が取り組まれています。そうした取り組みについて、インドのデジタルソリューション企業Zensarが2020年12月に公開した記事でまとめています。

オンラインカジノにおけるチートは決して珍しいことではなく、リアルマネーを支払っている有料プレイヤーの19%(つまり約5人に1人)がチートの被害に遭い、金銭的な損失を被っていると報告されています。Zensarの記事では、オンラインカジノにおいて実行される代表的なチートとして、以下のような3種類が挙げられています。

  1. アカウントの乗っ取り:ゲームにおいて何らかの特典を有している有名プレイヤーのアカウントを乗っ取り、第三者に販売する。販売する相手は、チート実行を疑われにくくするために無名のアマチュアプレイヤーであることが多い。
  2. ボーナスの濫用:初回利用時に提供されるボーナスのような各種ボーナスを何度も取得する。アカウントを大量に作成することによって、このチートを実行する。
  3. チップダンピング:何人かのプレイヤーが共謀して、意図的に任意の1人のプレイヤーをギャンブルで勝たせる。マネーロンダリングの常套手段として知られている。

以上のような代表的なチートに対して、オンラインカジノではチート実行時におけるアカウントのログイン動作や賭け金の動きに認められるパターンを学習した機械学習モデルを使って検出しています。

オンラインゲームとオンラインカジノにおける機械学習モデルを活用したチート検出で共通しているのは、学習データとしてチート実行時のプレイデータを大量に必要とする点です。チート検出に機械学習モデルを導入するためには、プレイデータの管理体制を確立したデータファーストな企業になることが求められるのです。

Writer:吉本幸記、Photo by Alexey Savchenko on Unsplash

RELATED ARTICLE関連記事

大森田不可止氏が語る『いただきストリート』に実装されたキャラクターAI:懐ゲーから辿るゲームAI技術史vol.3

2021.4.28ゲーム

大森田不可止氏が語る『いただきストリート』に実装されたキャラクターAI:懐ゲーか...

【CEDEC2019】人工知能にテストプレイを丸投げできるか?

2019.9.24ゲーム

【CEDEC2019】人工知能にテストプレイを丸投げできるか?

【GDC 2019】ジレンマを生成し人の心を動かすメタAI

2019.4.18ゲーム

【GDC 2019】ジレンマを生成し人の心を動かすメタAI

RANKING注目の記事はこちら