Journal of the Korea Academia-Industrial cooperation Society Vol. 13, No. 9 pp. 4200-4206, 2012 http://dx.doi.org/10.5762/kais.2012.13.9.4200 온라인게임환경에서사용자행위정보에기반한봇프로그램탐지기법연구 윤태복 1* 1 서일대학교컴퓨터소프트웨어과 The Study of Bot Program Detection based on User Behavior in Online Game Environment Taebok Yoon 1* 1 Dept. of ComputerSoftware, Seoil College 요약최근온라인게임산업이급속도로확장되었다. 하지만, 온라인게임에서봇프로그램으로인하여다양한게임서비스피해사례가발생하고있다. 특히, 게임머니및아이템의비정상적인수집은게임이가지는본연의재미를잃어버리게하고, 궁극적으로게임의생명주기에결정적으로악영향을미치게된다. 본논문은게임로그데이터의플레이패턴을이용한봇탐지방법을제안한다. 인간플레이어로부터봇과차별화된모델을만들기위해인간플레이어의행동뿐만아니라봇데이터도분석에활용한다. 실험에서는서비스중인온라인게임을이용하여사용자와봇의모델을생성하고유효한결과를확인하였다. Abstract Recently, online-game industry has been rapidly expanding in these days. But, the various game service victimized cases are generated by the bots program. Particularly, the abnormal collection of the game money and item loses the inherent fun of a game. It reaches ultimately the definite bad effect to the game life cycle. In this paper, we propose a Bots detection method by observing the playing patterns of game characters with game log data. It analyzed behaviors of human players as well as bots and identified features to build the model to differentiate bots from human players. In an experiment, by using the served online-game, the model of a user and bots were generated was distinguished. And the reasonable result was confirmed. Key Words : On-line Game, Game Bots, Player Modeling 1. 서론 정보통신기술의발달과함께게임시장이급속도로성장하고있다. 과거의게임은단순히오락과재미를위한도구로인식되었으나, 현재에는디지털컨텐츠기반의고부가가치산업으로여겨지고있다. 국내게임시장은 2010년 7조 4,312억원으로전년대비 12.9% 성장하였다 [1]. 특히온라인게임시장은 4조 7,673억원으로전체게임시장의 64.2% 의점유율을기록하며, 게임시장에서차지하는비중이증가하는추세이다. 온라인게임시장이많은관심과함께폭발적으로성장하였으나, 비정상적인게임운영을위한프로그램이등장하여게임회사의피해가증가하고있다. 비정상적인게임을운영하는사용자로인하여정상적인게임사용자가게임을그만두거나, 악성프로그램의과도한운영으로게임서버에과부하를초래하고있다 [2][3]. 이와같은악성프로그램은다양한형태를가지고있으며사냥을자동으로하는게임봇 (Game Bots) 이대표적이라하겠다. 게임회사에서는게임봇검출과차단을위해오토마우스매크로차단기술, 메모리디버깅방지기술, 서버인 본논문은 2011년서일대학교교내연구과제로수행되었음. * Corresponding Author : Taebok Yoon Tel: +82-2-490-7441 email: tbyoon@seoil.ac.kr 접수일 12년 08월 07일수정일 12년 08월 24일게재확정일 12년 09월 06일 4200
온라인게임환경에서사용자행위정보에기반한봇프로그램탐지기법연구 증기능, 게임클라이언트암호화, 패킷암호화등의다양한방법을시도하고있으나, 새로운봇프로그램에대응하기에는역부족이다. 장비, 신호, 패킷단위의검출및대응이아니라게임사용자의게임행위와게임봇의게임행위 ( 패턴 ) 를비교한다면새로운게임봇에대해서도대응하기가용이할것이다. 본논문에서는온라인게임에서발생할수있는사용자의행위를대기, 전투그리고이동으로분류하고, 각행위를다시상황에따른세부행위로나누었다. 각각의세부행위는인간게임플레이어와악의적봇프로그램에서얻은데이터를이용하여분석하였다. 실험에서는각행위에대한인간집단과봇집단을비교분석하였고, 봇검출률을통하여제안하는방법이유효함을입증하였다. 제안하는게임봇검출방법은다음과같은기대효과를가진다. 첫째, 빠른속도로변화하는새로운게임봇프로그램에대한검출이용이하다. 둘째, 게임행위에기반을두어판단하기때문에특정온라인게임에의존적이지않고, 범용적으로적용이가능하다. 셋째, 게임봇프로그램의사용을억제함으로써게임문화의정착이가능하고, 게임산업을보호하는역할을한다. 논문의구성으로, 2장에서는게임봇과관련한국내외연구를소개하고, 3장에서는사용자와게임봇을구분하기위한행위를정의한다. 4장에서는실험을소개하고, 끝으로 5장에서는결론과향후연구로맺는다. 2. 관련연구 국내의연구사례로, 보안업체인잉카인터넷 [4] 과안철수연구소 [5] 를중심으로동작중인프로세스를분석하는연구가주로진행되었다. 이는감지프로그램이동작상태인조건을필요로하는데, 게임봇프로그램의사용자들은이러한감지를회피하기위하여감지패턴을역이용하는경우도있다 [7]. 국외의연구사례로는, 게임내에서사람만이반응가능한조건을생성하거나, 이동경로를분석하는등게임내적요소의분석을통해게임봇프로그램의사용을검출해내고있다. 이는국내연구에비해향상된연구로볼수있으나, 특정게임장르에의존적이거나검출을위한비교요소에대한정의가미흡한편이다. 게임봇프로그램을감지하고대응하는기술로서하드웨어기반의방법, 게임튜링테스트, 캐릭터의경로기록사용, 클라이언트컴퓨터의메모리분석등다양한방법을연구하고있다. 하지만이와같은기술들은감지원리가알려지면이를피할수있는방법을쉽게고안할수있다는한계가있다. 본연구에서는기존국내외연구들의특징을개선하고, 게임의내부일반적인요소를추출하여게임봇프로그램을검출할수있는방법을소개한다. 이를위해프로그램데이터분석및사용자와게임봇프로그램모델을구축하고비교하여효과적으로게임봇프로그램을검출하기위한연구를수행한다. [ 표 1] 국내연구동향 [Table 1] Domestic research trends 연구팀기술특징 Inca Internet 안철수연구소 GameGuard Hack Shield NC Soft 리니지 2 동국대학교 [6] Detection of Auto Programs for MMORPGs 특징 : 알려진불법프로그램의정보를수집하고이를이용하여수행중인프로세서가불법프로그램여부를파악하는것으로프로그램의불법적조작을방지. 단점 : 알려지지않는불법프로그램은검출해내지못함. 감지프로그램이반드시실행중이여야하기때문에감지프로그램을종료시키거나실행을방해하는방법으로감지회피가능. 특징 : 리니지2 게임접속자의행위로그를수집하여오토플레이프로그램사용자의계정을차단. 단점 : 오토프로그램사용자의검출방법은공개되지않았음. 사용자의행위모델과오토프로그램의모델비교가아닌단순로그분석을통한검출로알려짐. 특징 : 사람과오토프로그램의키보드와마우스입력정보수집후분석을통하여오토플레이프로그램을검출. 오토프로그램의키보드와마우스입력이사람보다많다는점을이용하여오토프로그램을검출. 단점 : 오토프로그램의설정변경을통하여입력을줄일수있으므로근본적인해결방법이라고보기어려움. 4201
한국산학기술학회논문지제 13 권제 9 호, 2012 [ 표 2] 국외연구동향 [Table 2] International research trends 연구팀기술특징 Palo Alto Research Center University of York, UK Portland State University, USA 테스트소프트웨어를이용한게임봇방지기술 [8] 행동기반치팅사용자검출기술 [9] 하드웨어기반치팅방지기술 [10] 특징 : 온라인게임내에서작동하는게임튜링테스트를사용하여게임봇을검출. 기존의방지방법이일반사용자와봇사용자의구분이명확하지않을경우일반사용자에게도피해를줄수있기때문에사용자가게임을하는동안사용자에게특정문제를주어일반사용자임을확인하는 Turing Test 테스트를제안. 단점 : 사용자가게임을플레이하는동안에테스트가진행되기때문에사용자로하여금게임에대한재미를반감시킬수있는문제점을안고있음. 특징 : 게임내치팅 (Cheating) 사용자의불법적접근을검출하기위한목적으로사용자의행동을모델링하여불법적접근유형을정의하고이를통해치팅플레이를판별. 단점 : 행동요소로서게임내캐릭터의이동경로데이터만을사용해치팅사용자를검출하기때문에보다다양한행동패턴을보이는치팅사용자검출에있어그한계성을보임. 특징 : 게임클라이언트에서동작하는속임방지 (Anti-Cheating) 방법이데이터변조방법을통해충분히피해갈수있다는점에착안하여하드웨어적으로접근하는방법을사용함. 단점 : 하드웨어를기반으로치팅프로그램을제한하여게임봇프로그램이가지고있는근본적인문제를해결한다는점에서새로운기술이라고볼수있으나하드웨어적접근은많은제한요소를가짐. 3. 게임봇탐지를위한게임행위 3.1 게임플레이어의게임행위 게이머의게임행위는크게대기, 이동, 거래, 대화그리고전투행위등으로분류할수있다. 이중에서도대기와전투그리고이동행위는몬스터를사냥하고경험치와아이템을획득하는일반적인게이머라면나타나는행위라할수있다. 봇프로그램을사용하는목적은레벨업 (Level up) 과아이템획득인데, 두가지모두이동, 전투그리고대기행위가반복적으로나타나게된다. 다음은각행위에서나타날수있는세부행위에대하여알아보겠다. 3.1.1 대기행위 (Idle) 대기행위는준비행위라할수있다. 전투전후에 HP(Health point) 를보충하기위하여아이템을사용하거나휴식을취하는등의동작이이에해당한다. 또는게임의원활한진행을위해마을이나도시에서아이템을거래하고, 퀘스트를처리하는등의행위가이에속한다. - 휴식상태게임속에서게이머는체력혹은마력수치가낮을경우회복을위해휴식행동을취한다. 일반적으로봇은휴식상태를위한조건이사용자에의해정해져있다. 따라서휴식행동조건이만족되는상황이발생할경우휴식 행동을취하게된다. 휴식상태일경우, 봇을사용하는캐릭터상태값을분석해보면유사한변화값을확인할수있다. 게이머는자신이캐릭터에게휴식이필요함을인식하였을경우에휴식행동을취하므로휴식행동이발생하였을경우의상태값이다양하게나타난다. - 도시체류상태대부분의온라인게임에서, 게임캐릭터는한가지이상의특정한마을을저장포인트로서지정한다. 이렇게지정된마을은그캐릭터에대해안식처로서작용할뿐만아니라각종활동에대한준비의공간으로서의역할도수행한다. 따라서일반적으로캐릭터는대부분의게임활동을시작하기이전에지정한마을에서준비의시간을가진다. 봇은설정된행동에따라지정한마을에서매번같은행동을반복하는데반해사람은지정한마을에서매번행동의변화를가진다. 따라서지정한마을에서체류하는시간의변화량을통해, 봇과게이머와의차이를비교할수있다. 따라서본논문에서는각종활동의준비공간인마을에서의체류시간을추출하여변화량을측정한다. - 아이템사용간격게임캐릭터는전투를포함한다양한상황에서자신의체력혹은신체상태에피해를입고나서휴식과같은회복을한다. 하지만대부분의온라인게임에서는회복물약 4202
온라인게임환경에서사용자행위정보에기반한봇프로그램탐지기법연구 이라는것이존재하여단시간에빠른속도록체력을회복시켜주는아이템들을제공한다. 이러한회복물약은좀더어려운난이도의전투를가능하게해주며전투상황에따라회복물약의사용속도를다르게조절하여효율좋은전투상황을이끌어낸다. 이속성은전투중회복물약의사용시간간격을측정한후단위시간의행동분포를산출한값으로매번변화하는전투상황에얼마나유연이대처하느냐에따라행동변화가측정된다. - 아이템사용상태아이템사용상태는회복물약을사용할때의사용자상태를측정하고이수치의행동변화정도를관찰하는속성이다. 이속성은게이머가물약을사용해야하는상황을인지하는시점의차이를관찰하는속성으로게임봇이가질수있는회복물약사용에대한일정한설정수치값과사람의직관을비교할수있는속성이다. - 아이템획득많은사람들이온라인게임을즐기는가장큰이유는자신의캐릭터의성장과게임내에서의재화의획득이다. 이속성은게임내에서사냥을통해얻을수있는게임아이템즉재화의획득시간을관찰하는속성이다. 일반적으로캐릭터는몬스터를사냥하고일정확률로등장하는여러가지아이템을획득하여게임내에서부를늘려간다. 이렇게몬스터를사냥하고아이템을획득하기까지는약간의시간간격이있는데, 게임캐릭터의주변상황에맞춰다양하게변화할수있다. 3.1.2 이동행위게임환경에서게이머의이동정보는위치에따른시간정보와함께효과적인이동거리, 유효한움직임, 이동패턴등을찾는데유용하게사용된다. - 이동거리이동거리패턴은게임캐릭터가이동시어느정도의거리간격을보이며이동하는가에대해분석한행동속성으로, 이동시발생하는두좌표점과의거리변화량을측정한다. 게임속에서이동시하나하나의수치계산을가지며좌표점이동명령으로만구성된봇이동과는다르게언제든변화가능한사람의직관에따르는플레이어의이동패턴과의차이를나타내는속성이다. - 이동거리시간이동거리시간은캐릭터가이동간격을관찰하는속성이다. 일반적으로온라인게임을즐기는게이머들은상 황에따라캐릭터를아무조작도안하는상태즉잠시휴식상태를가질때가있다. 이것은캐릭터의상태회복을측정하는휴식속성과는다르게사용자자신의상태를나타내는속성이라고할수있다. 반면봇은어떠한휴식도없이동작한다. 이러한점은인간게이머와큰차이라할수있다. - 이동경로이동경로속성은관련연구에서도언급한속성으로게임내의이동가능한지역을임의의구간으로나누고이구간을기반으로게임캐릭터의구간이동순서를관찰하는속성이다. 수집된구간이동순서정보를순서분석방법인 Suffix array알고리즘을통해 LCP(Longest Common Prefix) 를구하였으며, 단위시간당 LCP의거리변화를구하여유사한구간을반복적으로이동하는게임봇과변화하는구간이동경로를가지는일반사람의차이를구분하였다. - 이동회전각도이동회전각도속성은이동중에발생하는각도변화를이용하여게임봇과사람을차이를정의한것이다. 현재게임캐릭터의위치좌표를 p n 라고하면 p n 의바로전위치좌표 p n-1 과 p n 의바로다음위치좌표 p n+1 등이세좌표의사이각을구하고이들의빈도수를단위시간당각도변화를통해게임봇과사람의행동차이를정의하였다. 3.1.3 전투행위전투행위는대기나이동행위에비하여게이머의게임패턴을다양하게얻을수있는요소이다. 게이머의게임동기와목적을가장잘나타내는행위가전투라할수있다. 전투를통하여경험치를획득하여레벨을올리고, 아이템을얻을수있기때문이다. - 공격다양성공격다양성은공격행동속성으로단위시간마다얼마나다양한패턴의변화를보였는가를측정한다. 측정방법으로는게이머가몬스터를죽이는데행동한공격혹은스킬과공격행동사이에소요된시간순서의전체횟수에서중복및교집합이없는순서의횟수로나눈다. 이렇게측정된값은단위시간마다행동변화수치를구하여게임봇과사람을비교하게된다. 일반적으로게임봇은설정된값에의해적은공격패턴변화를보일것이며사람은매번변화하는상황에대응하여다양한패턴의공격을사용하게되므로큰행동변화를보일것이다. 4203
한국산학기술학회논문지제 13 권제 9 호, 2012 - 공격복잡성공격복잡성은일반공격혹은스킬사용이얼마나규칙적인가를관찰하는공격행동속성이다. 게임캐릭터가몬스터를죽이는데행동한일반공격혹은스킬사용의순서만을관찰하여일반공격혹은스킬을얼마나복잡한순서로사용했는가를수치로산출한다. 산출방법은일반공격순서의중앙순서값과스킬사용의중앙순서값을산출하여두값사이의거리를측정한다. 두값의차이가크면클수록일반공격및스킬공격의순서가양쪽으로편중되어있다는것을의미한다. - 공격속도온라인게임에서게이머가몬스터를사냥하는경우, 몬스터를죽이는데걸리는시간은얼마나게임캐릭터가공격적으로행동했는가에대한지표로서정의할수있다. 만약캐릭터가강력한기술을자주사용할경우몬스터를죽이는시간은매우짧아질것이며반대로일반적인약한공격만자주사용할경우죽이는시간은길어질것이다. 일반적으로봇은설정된공격방식대로행동하므로동일한종류의몬스터를사냥할경우죽이는데걸리는시간이비슷하게나올것이다. 하지만사람의경우자신의캐릭터가위험한경우같이게임내부적으로나타나는다양한상황에맞춰공격적인상태변화가다양하게나타나므로몬스터를공격하기시작한시점으로부터죽이는시간까지걸리는시간변화가다양하게나타난다. 따라서본논문에서는게임속에서사냥하는몬스터를공격한시점부터죽이는데까지소요된시간을추출한후이측정값들의변화정도를분석한다. - 경험치획득대부분온라인게임에서는사냥과같은게임속특정행위를통해경험치를획득하고자신의캐릭터를성장시킨다. 본논문에서는이경험치의단위시간당획득변화량을측정하여게임봇과사람의행동차이를구분한다. 경험치의단위시간당획득변화량은사람의기분및상황변화에영향을받아변화하기때문에감정을지닌사람과기계적으로행동하는게임봇을구분하는좋은속성이다. - 추적패턴추적시간패턴은게이머가몬스터를죽인이후부터새로운몬스터를찾는데까지소비한시간을측정한후이의변화량을분석한것이다. 이속성은게임플레이어가가지는사냥혹은게임플레이의몰입도변화정도를나타낸다. 플레이어는집중도에따라추적시간이변화 하므로변화량을보이지만게임봇의경우미리정의되어있는행동및행동소비시간을보이므로추적시간의변화수치가낮을것이다. 3.2 게임행위속성측정게임내에서게임봇과사람의행동차이를속성으로정의하기위하여행동의변화를측정하였다. 사전에정의된매크로를기반으로행동하는게임봇은행동의변화가많지않다. 예를들어게임봇이게임내캐릭터를이동시킬경우미리설정된이동매크로에따라좌표계산을하며이동한다. 하지만사람의경우본인의의도, 성향에따른판단하며, 각종게임내상황을모두고려한불특정요소에의하여게임내캐릭터를제어하게된다. 본논문에서는게임봇이가지는행동변화의한계성과사람이가지는불특정요소에따른다양한변화의차이를기준으로모델링하여 14가지속성을정의하고있다. 이와같은행동변화정도의측정은다음수식으로나타내었다 [11-14]. x = 행위속성의단위시간당측정값 μ = 모든 x들의평균위의수식은특정행동속성에서단위시간마다측정한값들의표준편차를측정한값들의중간값으로나눈수치로행동측정값에대한변동비를나타내어행동변화수치를산출하였다. 위의수식을통하여얻은행동변화수치는게임봇과사람의시간에따른변화를관찰함으로서행동정보의차이를좀더거시적으로확인할수있다. 3.3 봇진단기의설계온라인게임에서수집된데이터를기반으로현재캐릭터가봇인지인간인지여부를판단하는과정은그림 2와같다. 먼저인간게이머의로그데이터와봇로그를수집하고, 앞서정의한속성을기반으로전처리과정을거처변화량을계산한다. 게임로그데이터는게임이벤트가발생할때마다그정보가기록되는데, 시간정보와게이머행위그리고게임캐릭터속성 (HP, MP, 경험치, 전투력등 ) 값을포함한다. 전처리과정에서는이러한속성값들을이용하여앞에서정의한 14가지행위에대하여 Behavior of Variance를이용하여변화량을측정한다. 인 4204
온라인게임환경에서사용자행위정보에기반한봇프로그램탐지기법연구 간또는봇을종속변인으로하고정의된 14가지행위를독립변인으로의사결정나무방법을이용하여모델을생성한다. 생성된모델은새로운게임로그데이터를입력하였을때, 사람인지봇인지여부를진단하는역할을한다. [ 표 3] 실험결과 [Table 3] The results of experiments 분류 대기 이동 전투 행위 행위변화량 봇 인간 봇검출률 (%) 휴식 0.46 0.61 73.5 도시체류 0.12 0.71 85.7 아이템사용간격 1.05 1.84 69.8 아이템사용상태 0.07 0.24 80.7 아이템획득 2.53 4.31 65.0 이동거리 0.33 0.47 82.0 이동거리시간 0.09 4.67 96.3 이동경로 0.54 0.50 54.1 이동회전각도 0.27 0.44 96.3 공격다양성 0.67 0.96 66.2 공격복잡성 0.23 0.18 55.4 공격속도 0.41 0.50 53.0 경험치획득 0.10 0.19 51.8 추적패턴 1.25 1.86 69.8 [ 그림 2] 봇진단기를위한작업흐름도 [Fig. 2] Workflow for Bot detection 5. 결론및향후연구 4. 실험 본논문에서제안하는행동패턴모델의검증을위해 G게임사의 R게임기반게임봇프로그램 OpenCore 를사용하였다. OpenCore 봇프로그램은완성도높으며사용자가거의대부분의봇행동을설정할수있어 R게임속의환경에맞춰다양한설정변화가가능하다는장점을가지고있다. 본연구에서는 R게임에서 OpenCore 게임봇설정을이용하여총 120시간의데이터를수집하였으며비교를위해총 132시간의데이터를사람으로부터수집하였다. 실험에는게임봇및사람데이터를각각 3 시간씩나누어 40개의봇데이터집합을, 43개의사람데이터집합을사용하였으며, 게임봇과사람의행동차이를통한정확도높은속성선택실험과선택된속성을사용한최종봇검출방법에사용하였다. 전체 83개데이터중 56개는훈련데이터 (Training) 로하고나머지 27개는테스트데이터 (Test) 로하여 2-폴드교차검증방법을사용하였다. 교차검증은 5회실시하였으며, 표 3의실험결과에봇검출률은평균값을나타낸것이다. 본논문은온라인게임에서비정상적인게임운영을위한게임봇프로그램을탐지하는방법을소개하였다. 온라인게임에서발생할수있는게임행위를크게대기, 전투, 그리고이동으로나누고각각의세부행위로다시나누어전체 14가지속성을정의하였다. 분류된속성은봇탐지모델생성을위한중요한요소로사용된다. 실험에서는앞서정의한속성을기반으로실제게임에서데이터를수집하여분석하였고인간플레이어와봇을구분하는변화량을표 3과같이측정하였다. 위결과에서도시체류, 아이템사용상태, 이동거리, 이동거리시간, 이동회전각도속성은다른속성에비하여봇과인간을구분하는변화량의차이가크게나타났다. 이속성들을봇진단모델생성에선별하여사용한다면봇진단기의성능이향상될것이다. 위결과가모든게임에해당하는것은아니다. 실험에사용한 R게임환경의기획 /UI 등이결과에크게영향을미친다. 예를들어 이동회전각도 의경우, 이게임은화면이항상앞을주시하도록되어있기때문에인간플레이어의시야는제한되어있다. 하지만, 봇의경우자기자신을중심으로방향에상관없이상대방과거리를기반으로이동한다. 즉, 봇은등뒤 (180 ) 에있는적도공격을하는패턴을보였고인간플레이어는그러한패턴을찾아 4205
한국산학기술학회논문지제 13 권제 9 호, 2012 볼수없었다. 만약게임에서인간플레어의화면UI 시야가넓어진다면이러한속성은의미가없을것이다. 그렇기때문에게임에따라봇진단모델을생성하기에앞서정의된속성의변화량을비교하여의미있는속성을선별하는작업이선행되어야할것이다. 향후연구로는다양한게임행위에대응할수있도록, 다양한게임의종류에서보다많은사용자로부터게임데이터를수집하고분석하는작업이필요하겠다. References [1] Korea Creative Content Agency (KOCCA), 2011 White paper on Korean Games, 2011. [2] H. B. Chang, K. K. Kim, and S. J. Lee, The Study of Information Security Technologies for Security Incidents in Online Game Service, Information Systems Review, Vol.9, No.3, 2007. [3] Korea Internet and Security Agency (KISA), Guide of Online game hacking, 2006. [4] Inca Internet Inc., www.inca.co.kr [5] Anlab Inc., www.ahnlab.co.kr [6] H. Kim, S. Hong, and J. Kim, Detection of Auto Programs for MMORPGs, Springer, AI 2005: Advances in Artificial Intelligence, pp.1281-1284, 2005. [7] K. T. Chen, J. W. Jiang, P. Huang, H. H. Chu, C. L. Lei, and W. C. Chen, Identifying MMORPG bots: A traffic analysis approach," Proceedings of the ACM SIGCHI Conference, 2006. [8] P. Golle, and N. Ducheneaut, Preventing Bots from Playing Online Games, Computers in Entertainment (CIE), vol. 3, 2005. [9] W. Feng, E.d. Kaiser, and T. Schluessler, Stealth Measurements for Cheat Detection in On-line Games, Proceedings of the 7th ACM SIGCOMM Workshop on Network and System Support for Games, pp.15-20, 2008. [10] P. Laurens, R. F. Paige, P. J. Brooke, and H. Chivers, A Novel Approach to the Detection of Cheating in Multiplayer Online Games, 12th IEEE International Conference on Engineering Complex Computer Systems, pp.97-106, 2007. [11] S. H. Park, H. W. Jung, T. B. Yoon, and J. H. Lee, "Behavior Pattern Modeling based Game Bot detection," Journal of Fuzzy Logic and Intelligent Systems, Vol. 20, No. 3, pp. 422-427, 2010. [12] Nho-KyungPark, Sang-BongPark, Min-HyeongPark, The Implementation of Motion Vector Detection Algorithm for the Optical-Sensor, Journal of The Institute of Webcasting, Internet and Telecommunication, VOL.10, No.5, October2010. [13] Su-HyunKim, Sang-IlChoi, Sung-HanBae, Young-DaeLee, Gu-MinJeong, Pattern Recognition using Feature Feedback : Performance Evaluation for Feature Mask, Journal of The Institute of Webcasting, Internet and Telecommunication, VOL.10, No.5, October2010. [14] Young-SubKim, Jong-YoungAhn, Sang-BumKim, Kang-InHur, Astudy on Robust Feature Imagefor Text ure ClassificationandDetection, Journal of The Institute of Webcasting, Internet and Telecommunication, VOL.10, No.5, October2010. 윤태복 (Taebok Yoon) [ 정회원 ] 2001 년 8 월 : 공주대학교전자계산학과 ( 이학사 ) 2005 년 2 월 : 성균관대학교컴퓨터공학과 ( 공학석사 ) 2010 년 8 월 : 성균관대학교컴퓨터공학과 ( 공학박사 ) 2011 년 3 월 ~ 현재 : 서일대학교컴퓨터소프트웨어과조교수 < 관심분야 > 데이터마이닝, 사용자모델링, 게임인공지능 4206