토렌트 기어

ML 기반 게임 화의 사기 방지 및 안티 봇

1) 게임 화를위한 별도의 사기 방지 시스템 인 이유

게임 화는 활동 (미션, 토큰, 화장품) 을 자극하므로 다음을 유발합니다

봇 (미션 스크립트, 팜 토큰/등급);

다중 계정/충돌 (팀 부정 행위, "던지기" 상);
에뮬레이터/루트 장치 (클라이언트 조작);

임무 악용 (진행이 실제 게임없이 진행되는주기).

사기 방지의 목표는 UX를 과열시키지 않고 정직을 유지하고 개인 정보 보호/규제를 유지하며 프로모션 경제를 지속 가능하게하는 것입니다.

2) 신호 및 기능 (계산 대상)

장치 및 환경

클라이언트 무결성 인증 (모바일/웹), 에뮬레이터/루트 기능, 비표준 WebGL/Canvas 프로필.

장치 지문 (PII 제외): 사용자 에이전트, 글꼴, 그래픽, 렌더링 시간의 조합.

행동 생체 인식

클릭/누출 속도, 곡선의 부드러움, 마이크로 일시 정지, 궤도의 변동성.

"인간" 소음: 커서 쉐이크, 스크롤 마이크로 드래프, 인터벌 분포 (로그 노멀).

게임 및 미션 패턴

"완벽한" 길이의 반복주기, 비정상적으로 안정적인 속도 (스핀/분).

활동의 좁은 창 (예: 정확히 10 분마다), 다단계 퀘스트의 즉각적인 완료.

그래프 신호 및 네트워크

IP/AS는 공통 결제 소스 (집계), 우정/초대 클러스터와 일치합니다.

"함께 연주" (이상한 결과의 상관 관계) 와 토너먼트에 공동 참여하십시오.

경제/프로모션

토큰으로 미션에 대한 불균형 수익 창출, 제약 후 가혹한 결론.

RG/컨텍스트

마이크로 일시 정지 (봇 사인), 야간 "컨베이어" 가없는 추가 세션.

💡 모든 기능이 집계되고 익명화됩니다. PII - 규제 기관 요구 사항의 범위에서만.

3) 모델 스택 (잡는 방법)

1. 변칙적 탐지기 (감독되지 않음):

격리 숲, 원 클래스 SVM, 행동 및 장치를위한 자동 인코더.
사용: "유죄" 라는 레이블이없는 초기 "점수 의심".

2. 그래프 분석 및 GNN:

지역 사회 탐지 (Louvain/Leiden) + 중심성 징후 (약점, 정도).
노드/에지 분류 (혼합, 계정 농장) 를위한 GNN (GraphSAGE/GAT).

3. 감독:

과거 조사 태그에 대한 그라디언트 부스팅/Tabular Transformers.
교정 가능성 → 의사 결정에 대한 확신.

4. 행동 임베딩:

일련의 이벤트에 의하여 User2Vec; 거리 → 봇 클러스터.

5. 보호 조치를위한 상황에 맞는 도적:

위험 × UX의 맥락에 대한 최소 장벽 (쉬운 점검 대 어려운 검증) 을 선택합니다.

4) 정책 엔진

아이디어: ML은 위험 _ 점수를 제공하고 정책은 경제와 UX를 고려하여 "무엇을해야할지" 결정합니다.

레벨의 예:

R0 (녹색): 무제한; 수동 모니터링.
R1 (노란색): 부드러운 "인류 문제" (미세 상호 작용), 미션 캡 감소.
R2 (오렌지): 장치 점검, 추가 템포 제어, 토큰 발행 감소.
R3 (빨간색): 논란의 여지가있는 미션, 수동 조정/임시 수상 동결에 대한 진행 차단.
R4 (검정): 금지/CCR 검토 (규제 및 정당화 된 경우).

전환 드라이버: 집계 된 위험, 담합 플래그, 불만, 공급자의 신호.

5) 불필요한 마찰이없는 공정한 장벽

보이지 않는 점검: 배경 행동 생체 인식, 환경 증명.

captcha 대신 인간 행동: 미니 제스처 (랜덤 드래그 패턴, 즉석 슬라이더), 마이크로 일시 정지가있는 시간 창.

"고가의" 활동을위한 WebAuthn/Passkeys: 암호없이 보안 장치/신원 확인.

반응성 장벽: 모든 사람을위한 것이 아니라 이상 일 때만 켜십시오.

6) 미션 방지 패턴 ("농장" 방지 방법)

요구 사항의 변동성: 다른 공급자/시간/속도의 일련의 작업.

냉각 및 내용 변경: 동일한 유형의주기를 연속으로 금지합니다.

랜덤 컨트롤 이벤트: 긴 임무 중간에 작은 "인간" 점검.

병행 진행 제한: 농장이 동시에 수십 개의 임무를 폐쇄하지 않도록.

7) 준수, 개인 정보 보호, 투명성

데이터 최소화: 필요한 기능 만, 익명 집계 저장.

설명 가능성: 논란의 여지가있는 행동에 대한 이유 코드 (예: "비정상 속도 + 그래프 클러스터").

항소 절차: 이해할 수있는 형태의 항소; 빠른 개정.

RG 정책: 피로의 징후로 플레이어를 "푸시" 하지 않고 부하를 줄입니다.

8) 경제의 성공 지표 및 보호자

Bot/Collusion 캐치 속도.

허위 긍정적 비율 (임계 값 <대상; 교정이 중요합니다).

행동에 걸렸다.

GGR 및 Prize ROI 로의 배출: 보호 비용이 지불됩니다.

불만/항소 율은 항소 전복 율입니다.

UX에 대한 영향: 미션 변환, 개인화의 음소거/옵트 아웃, 정직을위한 NPS.

9) A/B 및 오프라인 검증

1. 소비 방지 임무: 변동성 대 기본.

2. 인류 점검: 보이지 않는 제스처 vs 클래식 캡차.

3. 위험 _ 점수 임계 값: 소프트/하드 (다른 TPR/FPR).

4. 그래프 필터: GNN/없이 그래프 규칙 만 있습니다.

5. 배리어 오케 스트레이터: 정적 대 맥락 적 산적.

10) 의사 코드 (채점 → 정책 → 조치)

파이썬 데프 점수 _ 요청 (사용자, 이벤트):
x = build _ features (사용자, 이벤트) # 장치, 동작, 그래프 특성 r _ unsup = oc _ svm. 점수 (x) # idamal r _ sup = gbdt. (PHP 3 = 3.0.6, PHP 4) 노드 _ id) # graph risk = 교정 (r _ unsup, r _ sup, r _ graph) # isotropic 교정 반환 위험

(PHP 3 = 3.0.6, PHP 4)
문맥: 행동 중요성, 보상 값, 위험 <0 인 경우 UX 요소. 25: "ALLOW" 반환
위험 <0 인 경우. 45: "SOFT _ CHECK" # 인류 제스처, 위험 <0이면 마이크로 일시 정지. 65: "DEVICE _ ATTEST" 를 반환하십시오. 위험 <0 인 경우 캡 임무. 85: 반품 "HOLD _ REWARDS" # 동결 "BAN _ OR _ REVIEW" 반품 검토

def 시행 (행동, 사용자):
작업 = = "SOFT _ CHECK" 인 경우 최소 요구 장벽: trike _ humanity _ challenge (사용자)
(PHP 3 = 3.0.6, PHP 4) 장치)
(PHP 3 = 3.0.6, PHP 4)
elif action = = "BAN _ OR _ REVIEW": Open _ case _ to _ fraw _ ops (사용자)

11) JSON 템플릿 (규칙 및 로그)

위험 수준 정책:

json
{
"policy _ id": "anti _ fraw _ s1", "tiers": [
{"이름": "R0", "risk _ lt": 0. 25, "동작": "허용"}, {"이름": "R1", "risk _ lt": 0. 45, "동작": "소프트 _ 확인"}, {"이름": "R2", "risk _ lt": 0. 65, "동작": "장치 _ attest _ and _ cap"}, {"이름": "R3", "risk _ lt": 0. 85, "작업": "hold _ rewards _ review"}, {"Name": "R4", "risk _ gte": 0. 85, "작업": "ban _ or _ kyc _ review"}
], "caps": {"missions _ per _ day _ r2": 2, "token _ emission _ multiply _ r2": 0. 5}, "어필": {"지원": 참, "sla _ hour": 48}
}

결정 로그 (감사/항소 용):

json
{
"dection _ id": "dec _ 2025 _ 10 _ 24 _ 1415", "user _ id": "u _ 45219", "risk _ components": {"unsup": 0. 38, "sup": 0. 41, "그래프": 0. 57}, "final _ risk": 0. 51, "동작": "장치 _ attest _ and _ cap", "이유": ["비정상 _ 클릭 _ tempo", "graph _ cluster _ c17"] ", 만료": "2025-10-27T14: 15: 00Z"
}

12) 응답 프로세스 및 레드 타이밍

실시간 모니터링: 위험 스파이크를위한 대시 보드, 그래프 구성 요소.

사건 런북:

1. 이상 감지 → 2) 논란의 여지가있는 상의 배출/동결 감소 → 3) 로그/그래프의 샘플링 → 4) 규칙/모델의 패치 → 5) 정직한 상의 복고풍 재계산.

레드 팀/지하 실험실: 봇 시뮬레이션 (난독 화, 무작위 화), 모델 공격 (적대적 예).

카나리아 출시: 트래픽의 5-10% 에 대한 새로운 장벽을 출시합니다.

13) UX 및 커뮤니케이션

중립적이고 존중하는 톤: "비표준 조치 발견-인간임을 확인하십시오 (30 초)".

옵션: "나중에 반복", "연락처 지원", "항소".

접근성: 모터/비전 제한이있는 사람들을위한 대안.

투명성: 일반적인 원칙으로 무결성 페이지를 보호하는 방법 (남용 처방전 없음).

14) 기술 아키텍처 (간단히)

이벤트 모음: Kafka/Redpanda, 스키마 'mission _ progress', 'ipper _ stream', 'diche _ attest'.

Fichestor: 온라인 (ms-latency) + 오프라인 (batch 1-6 h).

ML 서비스: '위험 점수', '그래프 서비스', '정책 엔진'.

증거 저장: 불변의 로그 (WORM), 휴식 및 채널의 암호화.

보안: 서버의 RNG 보안 시드; 클라이언트-시각화 만.

15) 시험판 점검표

대상 복도의 교정 확률 (Platt/Isotonic), FPR.
그래프 신호와 상관 교차 장치가 연결되어 있습니다.
배리어 오케 스트레이터 구성 (최소 위험 마찰 최소).
내장 RG 경비원 및 항소; 로그 감사 및 이유 코드.
개인 정보 보호 및 스토리지 정책을 준수합니다.
카나리아, 경고 및 복구 런북이 구성되었습니다.

게임 화의 사기 방지/부팅 방지는 필요한 곳에 정확하게 포함 된 ML + 그래프 + 정직한 장벽 계층입니다. 행동 생체 인식 및 이상 감지는 초기 신호를 제공하고, 그래프 분석은 충돌을 나타내며, 오케 스트레이터는 최소 점검을 선택합니다. 투명성, 개인 정보 보호 및 UX에 대한 존중으로 시스템은 경쟁의 무결성을 유지하고 수상 경제를 보호하며 제품을 양심적 인 플레이어에게 "장애물 코스" 로 바꾸지 않습니다.