聆聽"當學術研究者遇見線上遊戲"片速記

聆聽"當學術研究者遇見線上遊戲"速記

 
 
 
  週六(5/23)前往南港軟體園區聆聽中研院陳昇瑋博士分享他的研究工作,大部分是在網路流量分析,線上遊戲行為分析,以及網路社群分析。整個內容相當的多,聆聽的觀眾也是極為多元,老少產學都有。
 
  我對於線上遊戲並非沒有興趣,但是線上遊戲有很多工作是我自認為並非一定要我去解決,去除掉線上(網路層)的這個部份後,我認為還是有一個通用的遊戲系統。這一塊才是我認為最需要我貢獻心力的地方。
 
 
 
 
  陳博士先介紹他在網路外掛的偵測方法,從如何偵測對方是真人,到相反地偵測對方是BOT
 
  首先利用封包回應時間的規律性做分析,實際上實驗的對象是RO與他外掛DreamRO,經過抗雜訊的加強後準確率到達90%(不會抓錯真人)與95%(是BOT一定抓到)。
 
  第二分析玩家的軌跡,實際上實驗的對象是一款國產線上遊戲(營運商提供玩家軌跡資料)與雷神之鎚(因為有replay機制),考量的要素有速度,平滑度,分布以及轉向。經過抗雜訊後錯誤率(經過100ms分析之後)在3%以下。
 
  第三分析玩家的正確率與習慣性,實驗的對象是音樂節奏遊戲(因為此外掛最有商機)。經過遊戲不同的節奏組合轉換為壓力分數後,紀錄使用者的習慣樣板可以發現外掛抗壓力極強或是同帳號的使用者不同(抗壓力情況不同)的現象發生。
 
 
 
 

  共謀(Collusion)現象的偵測,靠著玩家檢舉的機制找出外掛,如何反制串供的陷害:
 
  分析檢舉的共同性(或variance),在不同共謀集團數目及玩家總數的情況下,準確率都能到達約90%以上
 
 
 
 
 
  線上遊戲玩家人數變化偵測,可以讓營運層提早知道遊戲玩家的忠誠度,與遊戲的生命週期:
 
  主要分析玩家會在遊戲待多久(多久之後會Quit),分析的變數平均連線時間,每日連線時間,登入時間的變化,每日遊玩時間的變化。分析來源有某國產線上遊戲數人的上線紀錄(由營運商提供),魔獸世界某伺服器人口34524人共兩年的上下線紀錄(由外掛登入後利用遊戲指令來記錄)。或是透過問卷深入了解Quit的原因。
 
  分析的結果發現,對於會玩半年以上的玩家,在此玩家開始遊玩的五天內,就可以有80%準確度分析此玩家是否在一個月之內會離開遊戲。遊玩的時間越長判斷的準確度就越高。
 
 
 
 
 
  依照網路品質,偵測玩家的狀態,來分散伺服器的資源給不同玩家,或是不同的行為:
 
  分析來源是神州online(營運商提供封包來往的備分),研究中發現遊戲的封包有固定的樣板。如訊息及位置更新的封包座落在不同的回應時間中。因此伺服器會因為玩家的行為或是群聚的狀況有壓力高低的分布。(導致瞬間頻寬短缺)。伺服器與客戶端(不知未何)的同步也導致網路在某頻率域有高頻寬需求。
 
  因此研究結果有數個結論,包含將不同的行為依照緊急度放在不同等級的通訊協定下;關閉部份網路層通訊協定的選項;同類型的行為必須不要使用相同的週期;伺服器不要有同步行為。
 
  不同的網路品質對於玩家上線時間的影響,分析玩家上線時間與網路品質可以發現,越差的網路品質會導致越少的遊玩時間。並可訂出方程式使營運者優先服務某些網路品質差的使用者,使其不會因為網路品質而提早離線。另外也可以分析網路路徑上的塞車,使某些玩家的訊息走其他的網路路徑來修正網路品質。
 
 
 
 
 
  線上遊戲選擇不同通訊協定的優劣:
 
  • 使用TCP,UDP,與同時使用兩者的差異。
  • In-Order Delivery的網路封包功能在某些情況下不需要及其造成的負荷。
  • Window Reset的功能設定對idle玩家造成的封包遺失。
  • 封包遺失所造成的網路延遲,以及確認封包遺失的機制對線上遊戲是否有用。
  • 遊戲封包可分成緊要與否:一定要傳到,以及丟掉無所謂;先到先處理與否:封包一定要依順序,或是先到就先處理。先到封包為準:過期的封包就丟掉。
 
 
 
  遊戲社群的分析
 

  分析來源是線上遊戲的聊天封包對象紀錄。

    • 找出遊戲中的人際網絡分析。以及人際網絡的連線是否強健。
    • 找出哪些是重要人士。以及重要人士之間是否強健。

  分析結果可以找出哪些人的網路維度及此種人在伺服器中的數目。結果與一些網路社群如Cyword與MySpace的分布相類似。

 

  分析結果也發現網路社群的聯接也與遊戲週期與生活事件有相關,假期來臨時網路社群活動力就較低,遊戲更新後社群活動力就上升,人口上升時社群就跟著下降,不同性別種族的角色有不同的社群活動力。

 

  特別的是觀察 "遊玩三天時的朋友數目" 就可以知道此玩家是否會長期遊玩。

 
 
 
 
  利用漫畫來自動幫玩家重現遊戲的歷程
 
  陳博士正在研究遊戲中如何能製作一個Replay機制,並使此機制能夠轉為漫畫風格的結果,讓使用者分享。就如知名的編輯器Comic Life( http://plasq.com/ )的成果一樣:

 
 
 
 
 
  結論:陳博士 ( http://www.iis.sinica.edu.tw/~swc )很年輕,也是個骨灰玩家,早期也是程式設計出身,實作與理論都十分堅強。希望未來能有更多接觸的機會。
 
 
 
 
廣告

發表迴響

在下方填入你的資料或按右方圖示以社群網站登入:

WordPress.com Logo

您的留言將使用 WordPress.com 帳號。 登出 / 變更 )

Twitter picture

您的留言將使用 Twitter 帳號。 登出 / 變更 )

Facebook照片

您的留言將使用 Facebook 帳號。 登出 / 變更 )

Google+ photo

您的留言將使用 Google+ 帳號。 登出 / 變更 )

連結到 %s