理解看门狗：揭示游戏机器人如何被发现

游戏行业长期受利用游戏机器人的恶意活动困扰。游戏机器人干扰其他玩家并破坏游戏的环境系统。出于这些原因，游戏行业竭尽全力利用基于学习的检测方法来甄别玩家角色中的游戏机器人。然而，这些检测方法的一个问题在于它们无法对其决策提供合理解释。为解决此问题，本文研究了游戏机器人检测的可解释性。我们利用来自韩国 MMORPG《AION》的数据集开发了 XAI 模型，该数据集包含人类玩家与游戏机器人的游戏日志。多个分类模型被应用于该数据集，并通过可解释模型进行分析。这为我们提供了关于游戏机器人行为的解释，且这些解释的真实度已得到评估。此外，可解释性有助于最小化误检，后者会对人类玩家施加不公平的约束。