چکيده
با پيشرفت بازي¬هاي رايانه¬اي و تبديل شدن توسعه بازي¬هاي رايانه¬اي به يك صنعت جدي و درآمدزا، چالش-هاي گوناگوني مانند تقلب، تعادل و غيره، نيز مطرح شده ¬است كه هر كدام از اين چالش¬ها به تنهايي مي¬تواند باعث شكست يك پروژه ساخت بازي (كه ممكن است هزينه بسيار زيادي براي آن شده باشد) شود. بازي¬هاي برخط اين روزها يكي از موفق¬ترين كسب و كار¬هاي مبتني بر اينترنت هستند. با توجه به گسترش و محبوبيت بازي¬هاي برخط چندنفره در دنياي امروز، رفتارهاي مخرب كاربران در بازي¬ها نيز به سرعت افزايش يافته است. با توجه به سرمايه¬گذاري¬هاي بزرگ در صنعت بازي¬سازي، بررسي رفتار بازيكنان و تشخيص افراد متخلف و جلوگيري از فعاليت آسيب¬زننده آن¬ها بسيار مهم و حياتي است، زيرا عدم تشخيص و جلوگيري از فعاليت بازيكناني كه رفتارهاي مخرب و خلاف قاعده در بازي¬ها انجام مي¬دهند، ممكن است باعث كاهش قابل توجه مشتريان واقعي بازي¬هاي آن شركت شود كه در نتيجه اين موضوع باعث صدمه خوردن به اعتبار شركت و ضرر مالي سنگين شركت سرمايه¬گذار مي¬شود. تحليل و بررسي داده¬هايي كه از رفتار كاربر به دست مي¬آيد، باعث طبقه¬بندي كردن بازيكنان به دسته¬هاي مختلف (مانند متخلف و بازيكن عادي) و يافتن الگو براي قرار دادن كاربر جديد، در يكي از اين دسته¬ها مي¬شود و از اين طريق كاربران متخلف شناسايي مي¬شوند.
در اين سمينار به بررسي روش¬هاي تشخيص و جلوگيري از تقلب در بازي¬هاي رايانه¬اي پرداخته شده است. در ابتدا مفاهيم مبنايي مورد نياز اين حوزه به طور خلاصه ذكر شده است و در ادامه 8 تحقيق علمي كه در سال¬هاي اخير در اين حوزه انجام شده است، بررسي شده است. در انتها اين تحقيقات با يكديگر مقايسه شده و پيشنهادهايي شامل استفاده از روش¬هاي يادگيري ماشين، براي تشخيص تقلب در بازي¬هاي رايانه¬اي ارائه شده است. بعد از بررسي تحقيقات مختلف، مبحثي به نام «تعادل در بازي¬هاي رايانه¬اي» نيز در حوزه «بازي¬هاي رايانه¬اي» مشاهده شد. در برخي از بازي¬هاي رايانه¬اي عدم تعادل ممكن است باعث تصور تقلب شود. به همين دليل بسيار مهم است كه بازي¬هاي رايانه¬اي از نظر تعادل نيز ايده¬آل باشند. براي كار¬هاي آينده، موضوعاتي پيشنهاد شده است كه با استفاده از روش¬هاي يادگيري ماشين، چارچوبي طراحي شود كه با استفاده از آن طراح بازي بتواند تعادل را در بازي رعايت كند.
