• 한국HCI학회논문지
• /
• 제13권3호
• /
• pp.65-73
• /
• 2018

게임플레이어는 게임에서 수많은 적들을 만나고 싸우게 되는데, 이 때 너무나 손쉽게 이기거나 진다면 게임의 재미는 반감될 것이다. 그 반대로 너무 어렵게 이긴다거나 지는 것도 게임을 지루하게 만드는 요인으로 작용한다. 따라서 상대방과의 전투나 경쟁에서 아슬아슬하게 승리하는 긴장감을 주기 위해서는 게임의 밸런스가 잘 맞아야 한다. 그만큼 게임 밸런싱 작업은 게임의 재미와 가장 직접적으로 영향을 미치는 요소로 작용한다. 그리고 게임 밸런스만큼 중요한 것이 있는데, 그것은 플레이어에게 적절한 난이도의 상대를 계속 만나게 하는 것이다. 본 연구에서는 이러한 문제를 해결하려는 방법으로써 게임 밸런스에 딥러닝을 적용하여 지능 캐릭터가 플레이어를 통해 학습하고 스스로 플레이어의 난이도에 따라 자신의 난이도를 조절할 수 있도록 고안하였다. 이것이 활성화되면 게임 기획자나 개발자에게는 그만큼의 비용을 절약하는 동시에 플레이어에게는 항상 흥미로운 상대를 제공할 수 있는 획기적인 방법이 될 것이다.

• 정보보호학회논문지
• /
• 제26권1호
• /
• pp.93-107
• /
• 2016

다중 접속 역할 게임(Massively Multi-Online Role Playing Game, MMORPG)에서 게임봇은 게임 밸런스에 악영향을 끼치고 일반 유저들에게 상대적인 박탈감을 느끼게 하여 게임 수명을 단축시키는 위험 요소이다. 따라서 그 동안 게임 봇을 탐지하기 위한 다양한 방법이 연구되었으나 특정 게임 컨텐츠의 특징에 초점을 맞춤에 따라 신규 게임이 출시될 때마다 탐지 기법 개발이 필요하거나 혹은 게임 및 봇 프로그램 업데이트에 따른 유지 보수 방안을 고려하지 않고 있다. 본 논문에서는 게임봇이 본질적으로 갖고 있는 특징인, 설정된 패턴에 따라 행동을 반복하는 자기유사성을 주요 특질로 이용한 기계 학습 기법을 제안하고 이렇게 학습한 모델을 자동으로 유지 보수하는 시스템을 제안하였다. 이렇게 제안한 방법은 엔씨소프트의 대표 MMORPG인 리니지, 아이온, 블레이드 앤 소울에 대해 성능을 테스트하였으며 시스템을 구현하여 실전에 적용하였다.