Automaattisen tähtäyksen tunnistaminen pelaajan liikkeitä seuraamalla
Kauhanen, Jani (2024)
Kauhanen, Jani
2024
All rights reserved. This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited.
Julkaisun pysyvä osoite on
https://urn.fi/URN:NBN:fi:amk-202404237201
https://urn.fi/URN:NBN:fi:amk-202404237201
Tiivistelmä
Opinnäytetyön aihe oli selvittää, voidaanko ampumispeleissä huijareiden käyttämää automaattista tähtäystä tunnistaa ja siinä kehitettiin ohjelma, joka tarkkailee pelaajan kääntymisen muutoksia ruudunpäivityksien välissä. Tavoitteena oli edistää reilua pelaamista tunnistamalla huijareita. Työssä pyrittiin selvittämään millä tavoin huijausohjelma toimii ja miten pelaajan pelikäyttäytyminen eroaa rehellisestä pelaajasta.
Ensimmäinen vaihe oli kerätä tietoa automaattisen tähtäyksen toimintaperiaatteista ja nykyisistä tunnistamismenetelmistä. Tämä edellytti perehtymistä aimbotin tekniseen toiminnallisuuteen siltä osin, jossa tapahtuu pelaajan kääntyminen kohteeseen yksittäisen ruudunpäivityksen välissä. Kerätyillä tiedoilla toteutetaan toimivuudeltaan samanlainen aimbot testiympäristöön. Testiympäristön luominen toteutettiin Unreal Engine 5:n ensimmäisen persoonan ammuntapelipohjaa hyödyntäen. Testiympäristöön luodaan maalitaulut sekä ohjelma, joka tarkkailee ja tallentaa pelaajan katselukulmien muutokset niinä hetkinä, kun pelaaja ampuu.
Pelitestaukseen pyrittiin valitsemaan pelaajia, joilla on jo aikaisempaa kokemusta ampumispeleistä sen vuoksi, että saadaan laadukasta dataa kerättyä. Pelaajat pääsivät ampumaan maalitauluja ilman koneavustusta ja koneavustuksen kanssa. Dataa kerättiin minimissään 0,5 sekuntia ampumista edeltävältä ajalta ja 1,5 sekuntia ampumisen jälkeiseltä ajalta. Testauksesta kerätyt tiedot laitetaan samaan Excel-taulukkoon vertailua varten. Tuloksia analysoimalla saatiin selville, että rehellisillä pelaajilla katselukulmien muutokset rajoittuvat hyvin pieniin muutoksiin ruudunpäivityksien välillä ja epärehellisillä muutokset olivat verrattain erityisen suuria.
Testituloksien perusteella menetelmä toimii tietyn tyyppisissä huijausohjelmissa, mutta se edellyttää vielä laajamittausta testaamista ja datan analysointia. Tutkimusta voidaan kuitenkin hyödyntää reilun pelaamisen edistämisessä. Menetelmää voidaan myös jatkokehittää ottamalla huomioon muitakin muutoksia pelaajien käyttäytymisessä sekä tutkimalla erilaisten huijausohjelmien teknistä toiminnallisuutta.
Ensimmäinen vaihe oli kerätä tietoa automaattisen tähtäyksen toimintaperiaatteista ja nykyisistä tunnistamismenetelmistä. Tämä edellytti perehtymistä aimbotin tekniseen toiminnallisuuteen siltä osin, jossa tapahtuu pelaajan kääntyminen kohteeseen yksittäisen ruudunpäivityksen välissä. Kerätyillä tiedoilla toteutetaan toimivuudeltaan samanlainen aimbot testiympäristöön. Testiympäristön luominen toteutettiin Unreal Engine 5:n ensimmäisen persoonan ammuntapelipohjaa hyödyntäen. Testiympäristöön luodaan maalitaulut sekä ohjelma, joka tarkkailee ja tallentaa pelaajan katselukulmien muutokset niinä hetkinä, kun pelaaja ampuu.
Pelitestaukseen pyrittiin valitsemaan pelaajia, joilla on jo aikaisempaa kokemusta ampumispeleistä sen vuoksi, että saadaan laadukasta dataa kerättyä. Pelaajat pääsivät ampumaan maalitauluja ilman koneavustusta ja koneavustuksen kanssa. Dataa kerättiin minimissään 0,5 sekuntia ampumista edeltävältä ajalta ja 1,5 sekuntia ampumisen jälkeiseltä ajalta. Testauksesta kerätyt tiedot laitetaan samaan Excel-taulukkoon vertailua varten. Tuloksia analysoimalla saatiin selville, että rehellisillä pelaajilla katselukulmien muutokset rajoittuvat hyvin pieniin muutoksiin ruudunpäivityksien välillä ja epärehellisillä muutokset olivat verrattain erityisen suuria.
Testituloksien perusteella menetelmä toimii tietyn tyyppisissä huijausohjelmissa, mutta se edellyttää vielä laajamittausta testaamista ja datan analysointia. Tutkimusta voidaan kuitenkin hyödyntää reilun pelaamisen edistämisessä. Menetelmää voidaan myös jatkokehittää ottamalla huomioon muitakin muutoksia pelaajien käyttäytymisessä sekä tutkimalla erilaisten huijausohjelmien teknistä toiminnallisuutta.