Page 10 - KAIST GSIS 2023 Vol.10
P. 10
용해 효과적으로 막을 수 없는지 궁금증을 가졌습니다. 이 이번에 진행하신 BotScreen에 대한 후속 연구
Q
러한 궁금증이 이번 연구로 이어졌죠. 그 당시 저는 타 연 로는 어떤 것을 준비하고 계신가요?
구실에서 진행중인 머신러닝을 사용해 숙련된 고수 게이
머와 초보 게이머의 차이를 만드는 인적 요소를 찾는 연구 A : 현재 BotScreen 구현은 TEE에 일정 부분 의존하고 있습
를 돕고 있었는데, 이 연구에서 영감을 받아 FPS게임에서 니다. TEE의 필요성에 대한 이론적 연구와 함께, SGX외에
Aimbot 사용자와 정상 유저를 구분하는 연구를 시작했습 SEV 등 새로운 TEE 구현체에서의 적용 가능성을 탐구하
니다. 이 아이디어를 교수님께 제시했을 때, 연구 가치를 고자 합니다. 특히 모바일 환경에서 사용되는 ARM Trust-
인정받고 교수님의 적극적인 지원을 받게 되었습니다. 연 ed Zone 등에서의 적용도 준비하고 있습니다.
구를 진행하는 데 가장 큰 어려움 중 하나는 탐지 모델 학
습을 위한 적절한 데이터셋의 부재였습니다. Aimbot 사
용자와 일반 사용자의 게임 플레이 데이터를 수집하는 것 마지막으로 정보보호대학원 학생들에게
Q
이 필요했지만, 이러한 데이터는 공개되어 있는 것이 없
한 말씀 부탁드립니다
었기 때문에 직접 만들어야 했습니다. 이 문제를 해결하
기 위해, 저희 팀은 지인들에게 부탁하여 파일럿 테스트를 A : 일상생활에서도 다양한 연구 주제를 찾을 수 있다고 생각
위한 데이터 셋을 준비하거나, 잘 알고있던 FPS 게임 클랜 합니다. 연구 주제를 스스로 찾고 해결책을 모색하는 능
의 맴버들에게 도움을 받아 데이터를 수집했습니다. 이렇 력을 기르는 것이 중요합니다. 교수님이 제시하는 주제에
게 클라우드 소싱 방식으로 데이터를 모으는 과정은 연구 만 의존하기보다는 본인의 관심사와 경험에서 연구 주제
외적인 일로서 저에게 상당한 도전이었습니다. 이러한 노 를 발굴하고, 그에 대한 해결책을 찾는 연습을 해보시기
력 끝에 수집된 데이터를 바탕으로, Aimbot 사용자와 일 를 권합니다.
반 사용자의 플레이 패턴을 분석하고 구별할 수 있는 모델
을 개발했습니다. 이 과정에서 학계에서 크게 다루지 않았
던 새로운 분야를 탐색하는 것이 매우 흥미롭고 보람 있는
경험이었습니다.
BotScreen 시스템 개요
10
