数据分析与机器学习：侦测应用内机器人作弊关键一直以来

一直以来，应用内机器人作弊的问题在游戏、电子商务和其他许多领域都备受关注。如今，机器人作弊正逐渐发展成为一项产业，越来越多欺诈者为那些想要寻求旁门左道的用户提供专业机器人作弊服务。经过精心设计的应用内机器人程序，能够快速有效地执行游戏中的各项任务挑战，以复杂的方式模仿人类行为，解锁游戏奖励并迅速占领排行榜。
游戏中机器人的数量正在不断增加， Adjust研究发现，在美国，超过40%的游戏玩家表示曾经付费使用过机器人，平均支出为65美元。这对那些不作弊的玩家来说，无疑是非常令人沮丧的， 63%的受访者表示认为机器人对游戏及游戏社群会产生非常负面或较为负面的影响。在2021年，如何精准检测并抵御机器人作弊，将成为越来越多应用开发者与营销人员保护业务和改善用户体验的关键。
应用内机器人作弊造成的不良影响
威胁应用变现模式，破坏应用内经济。一些玩家会去黑市购买机器人，以执行重复单调的游戏任务，获取精致且罕见的高级装备，而这往往比直接应用内购买装备便宜。对主要依靠应用内购买变现的游戏开发者而言，这无疑将严重破坏其获利模式。
破坏游戏公平性，长期以往造成用户流失。作弊者会使用外挂机器人进行更高级的游戏操作，在与真实玩家的对抗中获得不正当的优势，从而破坏游戏社区公平竞争的竞技精神，并进一步影响品牌声誉，使玩家有可能永久离开游戏。 Unbotify研究显示，游戏应用中机器人的数量及渗透率会影响真实玩家的游戏体验——如果机器人账号占所有玩家账号的1% ，意味着15%以上的真实玩家会在一周之内遇到机器人作弊的情况。
通过开设虚假账户，应用内机器人作弊还会骗取营销预算，甚至直接骗取高额的游戏奖金。通常，游戏开发者需要花费大量时间和金钱进行营销活动及获客推广，而虚假的机器人账号会影响开发者对推广渠道和推广活动的错误预判，从而骗取营销预算。另外，一些欺诈者会使用大量的虚假机器人账号进行游戏竞赛，直接欺骗开发者设置的高额游戏奖金。
尽管部分游戏开发者已经意识到机器人作弊可能带来的严重后果，并尝试开发自己的防作弊程序，但结果往往不尽人意。最大的挑战是缺乏能够有效识别和区分人类活动与机器人活动的数据。要做到这一点，需要多年的研究、成熟的数据集以及在解决方案中结合使用机器学习。另外，打击机器人作弊需要开发人员投入大量的时间和精力，而这可能会影响游戏真正必需的改进和更新，进一步降低用户体验。
Unbotify解决方案
通过收集并分析人类玩家独有的数据点， Unbotify解决方案可以创建机器学习模型，从而辨别哪些是真实玩家、哪些是机器人。手机上的触摸强度、点击速度和滚动操作等匿名传感器数据，是人类用户特有的，利用这些独特数据点， “Unbotify可以针对不同的游戏应用建立机器学习模型，从而精准打击应用内机器人作弊。 ”Unbotify联合创始人兼副总裁Alon Dayan介绍道。借助Unbotify解决方案，游戏开发商N3TWORK成功将其Tetris游戏的FPR（False Positive Rate）从5%将至0 ，应用内机器人检测成功率高达99.7% 。
Unbotify可以分析其他解决方案无法处理的细粒度数据点（传感器交互）。在移动设备上，这类数据非常丰富，因为有更多可用的传感器能够收集数据（例如触摸压力、加速度计、陀螺仪、光传感器等）。安装SDK后， Unbotify将会开始在后端收集真实的人类交互和传感器数据。利用传感器数据， Unbotify可以在应用内的特定数据流上构建真实用户行为的基线，识别该特定应用的人类用户模式，以检测异常行为，并在出现异于模型的机器人路径时向客户端报告。
文章插图