[論文レビュー] Cheaters in the Steam Community Gaming Social Network

Jeremy Blackburn, Ramanuja Simha+6 more|arXiv (Cornell University)|Dec 21, 2011

Digital Games and Media参考文献 27被引用数 3

ひとこと要約

本研究は、1,200万件以上のユーザーおよび10,000名以上のプレイヤーのゲーム内相互作用データを用いて、Steamコミュニティゲームソーシャルネットワークにおける不正行為者を分析している。不正行為者はソーシャルネットワークにうまく統合されており、友人による影響を通じて不正行為が広がっていることが判明した。また、不正行為者たちは依然としてコミュニティに活動的であるにもかかわらず、友人関係の喪失やプライバシー設定の変更といった社会的罰則を受けることが分かった。

ABSTRACT

Online gaming is a multi-billion dollar industry that entertains a large, global population. One unfortunate phenomenon, however, poisons the competition and the fun: cheating. The costs of cheating span from industry-supported expenditures to detect and limit cheating, to victims' monetary losses due to cyber crime. This paper studies cheaters in the Steam Community, an online social network built on top of the world's dominant digital game delivery platform. We collected information about more than 12 million gamers connected in a global social network, of which more than 700 thousand have their profiles flagged as cheaters. We also collected in-game interaction data of over 10 thousand players from a popular multiplayer gaming server. We show that cheaters are well embedded in the social and interaction networks: their network position is largely undistinguishable from that of fair players. We observe that the cheating behavior appears to spread through a social mechanism: the presence and the number of cheater friends of a fair player is correlated with the likelihood of her becoming a cheater in the future. Also, we observe that there is a social penalty involved with being labeled as a cheater: cheaters are likely to switch to more restrictive privacy settings once they are tagged and they lose more friends than fair players. Finally, we observe that the number of cheaters is not correlated with the geographical, real-world population density, or with the local popularity of the Steam Community. This analysis can ultimately inform the design of mechanisms to deal with anti-social behavior (e.g., spamming, automated collection of data) in generic online social networks.

研究の動機と目的

• Steamコミュニティゲームプラットフォームにおける不正行為者のソーシャルネットワーク上の位置を理解すること。
• プレイヤー間における社会的影響が不正行為の広がりに寄与しているかどうかを調査すること。
• 不正行為者として公にマークされた後の社会的影響を分析すること、特にプライバシーや友人関係の変化を含む。
• 地理的要因や人口密度が不正行為の発生率に相関しているかどうかを調査すること。
• オンラインソーシャルネットワークにおける不正行為検出のためのアンチチートメカニズムや、より広範な反社会的行動検出に寄与すること。

提案手法

• Webクローリングを用いて、1,200万件以上のSteamユーザーのデータを収集し、ソーシャル接続関係とVACバンステータスを取得した。
• 10,000名以上のプレイヤーを対象とした人気マルチプレイヤーサーバーからゲーム内相互作用ログを収集し、行動パターンを分析した。
• Amazon Elastic MapReduce上でのMapReduceを用いて、次数中心性や媒介中心性を含む大規模ネットワークメトリクスを処理した。
• 地理的・社会的メトリクスを適用し、不正行為の空間的クラスタリングおよび地域的パターンを評価した。
• プロファイルおよびネットワーク特徴に基づいてプレイヤーを不正行為者と分類するため、機械学習モデル（ロジスティック回帰、ナイーブベイズ、意思決定木）を訓練した。
• 時間的分析を実施し、プレイヤーの不正行為者フレンドの有無と、将来の不正行為者としての可能性との相関を評価した。

実験結果

リサーチクエスチョン

• RQ1 不正行為者は、Steamコミュニティのソーシャルネットワークおよび相互作用ネットワークにおいて、どのように位置づけられているか？
• RQ2 不正行為者フレンドの存在および数は、健全なプレイヤーが将来不正行為者になる可能性を予測できるか？
• RQ3 不正行為者として公にマークされた後、プレイヤーが直面する社会的影響は何か？
• RQ4 不正行為者の分布は、現実世界の地理的人口密度や地域のSteam人気度と相関しているか？
• RQ5 ネットワークベースの特徴は、オンラインゲーム環境における不正行為者の検出を改善できるか？

主な発見

• 不正行為者は、中心性メトリクスの観点から、健全なプレイヤーとほとんど区別がつかないほど、ソーシャルネットワークにうまく統合されている。
• 不正行為者フレンドの存在および数は、健全なプレイヤーが将来不正行為者になる可能性と強く相関しており、不正行為の社会的拡散が示唆された。
• 不正行為者としてマークされた後、プライベートプロフィール設定に切り替える確率が高くなることが分かった。これは、社会的恥ずかしさや不快感の兆候である。
• 健全なプレイヤーと比較して、不正行為者では時間の経過とともに友人関係の喪失が顕著に増加しており、明確な社会的罰則が存在することが示された。
• 不正行為の発生率は、地理的人口密度や地域のSteam人気度と相関しなかった。これは、文化的要因やコミュニティレベルの要因が不正行為を促進している可能性を示唆している。
• プロファイルおよびネットワーク特徴を用いた機械学習モデルは、65%から74%の精度で不正行為者を分類できた。