【科讯】数据观察与机器学习：侦测应用内机器人作弊关键

本篇文章1946字，读完约5分钟

以往，应用程序内的机器人作弊问题在游戏、电子商务及其他许多行业受到关注。 现在机器人作弊正在迅速发展成产业，更多的骗子为寻求旁门左路的顾客提供专业的机器人作弊服务。 精心设计的应用内机器人程序，可以迅速有效地执行游戏中各任务的挑战，以多种多样的方法模仿人类行为，解除游戏奖励，迅速占领排名。

游戏中的机器人数量在增加，但根据adjust的研究，在美国，40%以上的游戏玩家表示收费采用了机器人，平均支出为65美元。 这对不作弊的玩家来说一定非常沮丧。 63%的受访者认为机器人对游戏和游戏社区有非常负面或负面的影响。 2021年，更多的应用程序开发人员和市场营销推广专家必须正确检测和防止机器人的欺诈行为，这是保护业务和提高客户满意度的关键。

内机器人作弊带来的不利影响

威胁适用变化模式，破坏应用程序内的经济。 玩家去黑市购买机器人，重复单调的游戏任务，获得精致稀有的高级装备。 这往往比直接在应用程序内购买装备更便宜。 对最依赖应用程序内购买的游戏开发者来说，肯定会严重破坏利润模型。

破坏了游戏的公正性，长期流失顾客。 弊端者使用插件机器人进行更高级的游戏操作，在与实际玩家的对抗中获得不正当的特征，破坏游戏社区公平竞争的竞技精神，进一步影响企业品牌的声誉，玩家可能永远远离游戏。 unbotify的研究表明，游戏应用中机器人的数量和渗透率会影响实际玩家的游戏体验。 如果机器人账户占全部玩家账户的1%，意味着15%以上的实际玩家在一周内会遭遇机器人的非法行为。

通过开设假账户，应用内机器人作弊有时会骗取市场预算，直接骗取高额的游戏奖金。 一般来说，游戏开发人员需要在营销活动和顾客宣传上消耗很多时间和金钱，而虚假的机器人账户会影响开发人员对宣传路线和宣传活动的错误预判，从而欺骗营销预算。 另外，一点骗子使用大量的假机器人账户进行游戏比赛，直接欺骗开发者设置的高额游戏奖金。

有些游戏开发者试图认识到机器人作弊可能带来的严重后果，开发反欺诈程序，但结果没有什么意义。 最大的挑战是缺乏能够比较有效地识别和区别人类活动和机器人活动的数据。 为了实现这一目标，需要将机器学习与多年的研究、成熟的数据集和处理方案相结合。 此外，打击机器人作弊需要开发者花费大量的时间和精力，可能会影响游戏真正需要的改善和更新，从而进一步降低顾客体验。

unbotify处理方案

unbotify处理程序可以通过收集和分析人类玩家自己的数据点，制作机器学习模型，判别它们是实际的玩家，它们是机器人。 手机中的触摸强度、点击速度、滚动操作等匿名传感器数据是人类客户特有的，利用这些独特的数据点，unbotify与不同的游戏应用程序相比确立了机器学习模型，应用程序 unbotify联合创始人兼副总裁alon dayan介绍说。 通过unbotify处理方式，游戏开发者n3twork成功地使tetris游戏的fpr(false positive rate )从5%接近0，应用程序内机器人的检测成功率达到了99.7%。

unbotify可以分解其他处理解决方案无法解决的精细粒度数据点(传感器交互)。 由于移动设备有更多的传感器可以收集触摸压力、加速度计、陀螺仪、光传感器等数据，因此这种数据非常丰富。 安装sdk后，unbotify将在后端开始收集实际的人类交互和传感器数据。 利用传感器数据，unbotify在应用程序内的特定数据流上建立实际顾客行为的基线，识别该特定应用程序的人类顾客模式，检测异常行为，在发生与模型不同的机器人路径的情况下

机器人作弊由来已久，用各种方法影响了真正的游戏玩家和应用开发者。 将来，随着机器学习技术的迅速发展，应用内机器人的检测难度也越来越高。 内部机器人作弊不仅会影响金钱问题，还会对顾客体验、保留率、内部分解的应用产生连锁影响，破坏顾客数据，损害企业品牌的声誉。 alon表示。 在企业在互联网上的形象和企业品牌声誉越来越重要的今天，如何有效地检测应用程序中的机器人并保证良好的顾客体验对多个企业和企业品牌来说很重要。

###

关于adjust

adjust是一家全球b2b saas公司。 企业创立之初源于对技术的热情，出生于移动经济的中心，现在世界各地设有16个办公室。

adjust平台包括移动数据监视、反欺诈、互联网安全和营销自动化产品。 通过这一系列产品，adjust帮助40，000个采用服务的应用程序，使市场营销更简单、更智能和更安全。 procter gamble、Rocket互联网、腾讯游戏等世界领先的企业品牌采用adjust的处理方法来确保预算的安全性，优化市场性能。

年，adjust获得了欧洲年度最高融资之一，共计筹集了近2.3亿美元。