Return to search

Redes neurais artificiais aplicadas ao reconhecimento de speed cheating em jogos online de computador / Neural networks applied to speed cheating recognition in online computer games

No presente trabalho, é testada e avaliada a aplicação de Redes Neurais Artificiais no combate de trapaças (cheating, em inglês) do tipo speed cheating em jogos online massivos de múltiplos jogadores, também conhecidos como MMOG (Massively Multi- player Online Games). Os MMOG representam um modelo de negócio onde quantias significativas de recursos financeiros estão envolvidas, e crescem a cada dia. Os mode- los para o combate de trapaças, que possam afastar jogadores de jogos ou servidores, estão localizados na camada de rede, à nível de protocolo. Analisando o estado-da-arte, constatou-se que não existem trabalhos explorando a área de Inteligência Artificial para este fim, tornando-se assim relevante o estudo de sua aplicabilidade. As Redes Neurais Artificiais foram escolhidas por terem grande poder de abstração, generalização e plasti- cidade. Através dos resultados obtidos comparando-se duas abordagens de arquiteturas, as redes Perceptron de múltiplas camadas (MLP) e as redes com atraso no tempo focadas (FTLFN), é possível constatar que é viável a utilização das mesmas para este fim, tendo-se alcançado resultados positivos no combate de speed cheating em MMOGs. / In the present work, Artificial Neural Networks are tested and evaluated in order to avoid a specific type of cheating, called Speed Cheating, in massively multi-player online games (MMOG). The MMOG represent a business model where meaningful financial resources amounts are involved, and increase each day. The models to avoid cheating, that could keep off players from games and servers, are localized in the network layer, at the protocol level. Examining the state-of-art, it was observed that research explor- ing the Artificial Intelligence application to this goal becomes relevant. The Artificial Neural Networks were chosen by their significant abstraction, generalization and plas- ticity characteristics. Through the results’s comparison from two different architectures approaches, the multi layer Perceptron network (MLP) and the focused time lagged net- work (FTLFN), it was possible to conclude that their utilization avoiding speed cheating in MMOG is possible, once good results were found in this work.

Identiferoai:union.ndltd.org:IBICT/oai:www.lume.ufrgs.br:10183/153317
Date January 2008
CreatorsGaspareto, Otavio Barcelos
ContributorsBarone, Dante Augusto Couto
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFRGS, instname:Universidade Federal do Rio Grande do Sul, instacron:UFRGS
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0021 seconds