SMAC: Modelo STEPN para Anti Trampas
Presentamos el sistema antitrampas de STEPN: SMAC
La palabra "hacer trampa" en cualquier contexto tiene connotaciones negativas. ¿Y por qué no debería? Hacer trampa, por definición, es privar a una persona de algo valioso mediante el uso del engaño o el fraude. En los videojuegos tradicionales, los tramposos privan a los usuarios normales de recursos, activos o experiencias de juego positivas dentro del juego. Es rampante y frustrante para aquellos que están jugando limpio.
Para los juegos de Play2Earn en los que hay dinero de por medio, es de suma importancia resolver las trampas y cerrar la puerta a los malos. Dado que las trampas pueden socavar los ecosistemas de juegos cuidadosamente elaborados, los desarrolladores trabajan arduamente para llevar el software antitrampas al siguiente nivel. Se dedica una cantidad significativa de recursos a combatir las trampas.
Además, es natural que cuando una aplicación se vuelve popular, muchos se ven tentados a abusar o explotar el sistema, lo que hace que los desarrolladores estén muy ocupados detectando y prohibiendo a los que hacen trampa.
STEPN no es una excepción: a medida que crece en popularidad, las trampas se están convirtiendo en un problema importante, tanto que nuestros desarrolladores han dedicado casi la mitad de nuestros recursos a desarrollar mecanismos anti-trampas.
¿Usuarios falsos y trampas?
Un usuario falso es una cuenta que falsifica la identidad del usuario y los datos de movimiento en un intento de obtener ganancias injustas de la aplicación STEPN.
Y en pocas palabras, los que hacen trampa en los juegos en línea son aquellos que manipulan la mecánica del juego para obtener una ventaja injusta, subvirtiendo las reglas para su propio beneficio. Esto implica participar en acciones que no forman parte del juego estándar, lo que facilita que el tramposo logre lo que quiere, sin dedicar las horas de esfuerzo que tienen otros jugadores.
Existen numerosas señales reveladoras de que un jugador puede estar haciendo trampa. Por ejemplo, un jugador puede estar obteniendo una gran cantidad de recompensas de la nada o mostrando patrones que revelan el uso de tecnologías ilegales para mejorar su juego.
Para STEPN, lamentablemente hay personas que se involucran en todo tipo de tácticas deshonestas para ganar más de lo que les corresponde. Como usuario de STEPN, podría pensar: está bien, veo que es molesto e injusto cuando los jugadores hacen trampa para ganar más de lo que deberían ganar, pero... ¿realmente es un problema tan grande?
La larga batalla contra los tramposos
La respuesta a la pregunta anterior es un rotundo sí. Esta no es la primera vez que los juegos de pago de Web3 se enfrentan a este problema.
Axie Infinity también ha atraído a millones de jugadores desde su lanzamiento en 2018. Muchos en el sudeste asiático pueden ganar un salario digno real e incluso comprar casas nuevas a través de sus ganancias. Pero al mismo tiempo, el juego también ha atraído a una población significativa de malos actores que intentan jugar con el sistema.
Un ejemplo de trampa es el comercio ganador. Win-trading es un mecanismo de trampa que se ha convertido en un lugar común en los juegos con tablas de clasificación clasificadas. Ocurre cuando un jugador pierde un partido a propósito para que el jugador ganador pueda subir de rango y alcanzar una posición más alta en las tablas de clasificación.
Esto ha ocurrido incluso fuera de los juegos de jugar para ganar en juegos de arena de batalla en línea como League of Legends, y tiene un efecto tóxico en el juego en su conjunto. Stefan, un jugador y escritor en línea , escribió que “el comercio de ganancias es legítimamente el acto más tóxico en League of Legends. Destruye la experiencia de la cola en solitario para muchos jugadores y ayuda a clasificar a las personas que realmente no lo merecen”.
Con respecto a Axie Infinity, el intercambio de ganancias también se está convirtiendo en un gran problema para el juego. Un jugador señaló que la práctica “arruinaría la integridad competitiva del juego. La tabla de clasificación será ilusoria y sería injusta para las personas que muelen su MMR de forma LEGÍTIMA”. Reconociendo esto, Sky Mavis (el desarrollador detrás de Axie Infinity) ha tomado medidas para investigar y combatir esta forma de hacer trampa .
Pero incluso más allá del comercio de ganancias, hay muchas otras formas de trampa contra las que los desarrolladores deben luchar. Solo este año, Sky Mavis también descubrió y prohibió más de 30,000 Axies de su juego por acusaciones de abuso de energía, donde los jugadores manipularon el sistema para maximizar su energía mientras regalaban Axies a terceros. Y en 2020, prohibió las granjas SLP para evitar que una persona juegue en cinco o seis cuentas diferentes al mismo tiempo.
Alejar
En la última década, los grandes juegos competitivos en línea han ampliado significativamente sus operaciones contra las trampas: los expertos afirman que el mercado general de trampas ha crecido hasta la friolera de $ 100 millones .
Para nombrar solo algunos ejemplos, el editor líder de videojuegos Activision prohibió más de 500 000 cuentas engañosas de "Warzone" en Call of Duty, mientras que Bungie (detrás de Destiny, Halo, Myth y Oni) presentó demandas contra sitios que venden software engañoso. Mientras tanto, Ubisoft adquirió la empresa antitrampas GameBlocks el año pasado por un precio no revelado, y Epic Games adquirió Easy Anti-Cheat en 2018.
¿Por qué es grave hacer trampa?
En el mejor de los casos, hacer trampa molesta a otros jugadores y provoca conflictos y disparidades en las ganancias. Pero en el peor de los casos, las trampas desenfrenadas pueden socavar toda la economía de un juego.
La equidad es un problema, pero cuando los tramposos afectan a otros jugadores, se convierte en un juego de pelota completamente diferente. Aquellos que hacen trampa en STEPN para ordeñar el juego del dinero están dañando la tokenómica de la plataforma. Esto viene en forma de afectar la liquidez de GST y el valor de GMT, ya que las acciones de trampa inflan y luego desinflan artificialmente el valor del token cuando los tramposos ganan rápidamente grandes cantidades de tokens y cobran inmediatamente. También deforma el suministro de zapatillas de STEPN, lo que afecta la longevidad de STEPN en su conjunto. En pocas palabras, las acciones de unos pocos pueden desbaratar un ecosistema cuidadosamente diseñado, con consecuencias crecientes.
Además, hacer trampa va directamente en contra de nuestra ética. Los jugadores que están en el juego simplemente para piratear el sistema no están alineados con nuestra misión de alentar a las personas a salir, conectarse con otros caminantes/corredores y desarrollar hábitos más saludables y un estilo de vida más activo.
Por las razones expuestas anteriormente, es imperativo que tomemos medidas estrictas contra las trampas. Hemos visto cómo puede comprometer la integridad y la tokenómica de un juego, lo que justifica con creces la dedicación de recursos significativos para implementar medidas contra las trampas.
Utilizando la IA para combatir las trampas
Nuestro equipo de Inteligencia Artificial (IA) ha pasado meses estudiando patrones y ha construido un sistema anti-trampas de clase mundial. Se ha basado en algoritmos de autoaprendizaje entrenados en datos generales, incluido el seguimiento por GPS, el sensor de movimiento y los datos de salud para detectar anomalías.
La Detección de Anomalías es la técnica de identificación de eventos raros u observaciones que pueden generar sospechas por ser estadísticamente diferentes al resto de las observaciones. Si bien existen múltiples técnicas de aprendizaje profundo, STEPN ha utilizado codificadores automáticos para reconstruir los datos.
¿Qué son los codificadores automáticos?
Los codificadores automáticos son básicamente una técnica de aprendizaje no supervisada que consta de redes neuronales, que se componen de múltiples capas de neuronas. Los codificadores automáticos descubren representaciones de baja dimensión de datos de alta dimensión y luego las usan para reconstruir la entrada.
Consta de 3 capas principales:
Codificador: reduce el conjunto de datos de alta dimensión a baja dimensión.
Cuello de botella: contiene la representación reducida del conjunto de datos.
Decodificador: reconstruye el conjunto de datos desde las dimensiones bajas hasta las dimensiones altas.
Esencialmente, los codificadores automáticos se alimentan de conjuntos de datos. El proceso de codificación comprime esta entrada para escupir la representación de baja dimensión de los datos. El proceso de decodificación reconstruye estos datos para producir el resultado.
La verdadera diversión ocurre en el medio: el cuello de botella. Para garantizar que solo se extraiga la información esencial, la cantidad de neuronas en la capa de cuello de botella debe ser decididamente menor que la de las capas del codificador. Esto obliga a la sección del cuello de botella a aprender de manera más efectiva los patrones de los datos e ignorar el "ruido". De lo contrario, si se le da demasiada capacidad para aprender, la capa de cuello de botella terminará extrayendo demasiada información no esencial.
¿Por qué Autocodificadores?
Los codificadores automáticos son una técnica increíblemente eficiente no solo para identificar anomalías, sino también para ayudar a identificar las variables que causaron las anomalías. Mediante el aprendizaje de lo que se considera "comportamiento normal", los codificadores automáticos pueden detectar cuándo se analiza una entrada anormal. En su incapacidad para reconstruir con precisión los datos para que coincidan con el original, puede resaltar cada vez que ocurre una anomalía.
Para usar una ilustración, digamos que su velocidad promedio al caminar oscila entre 4 y 6 km/h. Si de repente comenzara a moverse a 15 km/hora, el codificador automático lo marcará como una anomalía.
Pero, ¿cómo determina el sistema una anomalía genuina de una que es de naturaleza fraudulenta? En pocas palabras, fijando un valor de umbral específico para los errores de reconstrucción y luego cruzándolo en múltiples puntos de datos del codificador automático.
Continuando con el ejemplo anterior, si los puntos de datos para la identificación del fraude incluyen encabezados de datos como proximidad a otro dispositivo STEPN (< 30 cm), duración de la proximidad a otro dispositivo STEPN (< 5 segundos) y velocidad de movimiento (variación de 15 km/h), puede hacer una referencia cruzada de los datos en consecuencia para llegar a la conclusión.
Si bien el mecanismo anti-trampas real es mucho más complejo que esto, esto debería darle una idea general de cómo los codificadores automáticos permiten eliminar con éxito a los tramposos.
Presentación del sistema SMAC de STEPN
Después de tres meses de entrenamiento de nuestro algoritmo de aprendizaje automático, le presentamos el Modelo para Anti-Trampas (SMAC) de STEPN, que estamos seguros de proclamar que será el mejor sistema anti-trampas de su clase.
Los datos de ejecución del usuario se comparan con nuestro estándar de referencia para verificar los valores atípicos globales, contextuales y colectivos al final de cada una de sus sesiones. Si el Sistema SMAC detecta una anomalía, se marcará al usuario como tramposo y se borrarán todos los reconocimientos de la sesión.
Es posible que limitemos aún más las funciones en la aplicación del usuario, incluidas, entre otras, un tiempo de reutilización más largo para acuñar zapatos, inaccesibilidad al mercado en la aplicación y ralentización en la recarga de energía.
El sistema SMAC se enfoca específicamente en la simulación de movimiento modificando los datos reales de caminar/correr, gracias a nuestro algoritmo de aprendizaje automático.
Minado de zapatos/nivelación por guión
El sistema SMAC también detecta cualquier tipo de script, como bots de compra/venta en nuestro mercado, bots de acuñación o bots de nivelación. Una vez detectados, el sistema desconectará estos bots de la aplicación.
paseo lunar
Es importante distinguir entre actividades de moonwalking y trampas; El moonwalking ocurre cuando la señal del GPS es deficiente o el sistema no puede detectar datos de movimiento válidos.
La advertencia de moonwalking tiene como objetivo advertir a los usuarios que estén al tanto de la situación y la aborden de inmediato. No hay repercusiones para el moonwalking.
El sistema SMAC se activará después de que los usuarios presionen prolongadamente el botón DETENER y antes de ingresar a la página de resultados, el sistema SMAC analizará los datos de movimiento de los usuarios y, si se detecta una anomalía, habrá repercusiones.
Puntuación de Turing
En actualizaciones posteriores, STEPN presentará el Turing Score (TS). Los usuarios comenzarán con una puntuación de 100/100. Al final de cada sesión, el sistema agregará o deducirá automáticamente la puntuación de un usuario. Hasta que se complete la tabulación, los usuarios no podrán iniciar una nueva sesión.
Cuando el TS de un usuario cae por debajo de 100, no puede interactuar con el mercado en la aplicación y se suspenderá la transferencia entre las cuentas de gasto y de billetera. Para rescindir esta suspensión, los usuarios aún pueden continuar con sus sesiones y, si no se detectan trampas, pueden recuperar puntos lentamente para su TS.
Por ejemplo, si se descubre que los usuarios realizan minería múltiple (es decir, llevan varios teléfonos con la aplicación STEPN abierta), sus ganancias por la sesión se anularán y se deducirá una cantidad específica de puntos de su TS. Por otro lado, si un usuario se mueve regularmente sin hacer trampa, sus ganancias no se verán afectadas y recibirá puntos adicionales a su TS.
Conclusión
Con el modelo de STEPN, no es difícil ver por qué la sostenibilidad a largo plazo suele ser una de las primeras preguntas que se plantean. La longevidad y la estabilidad del juego están a la vanguardia de las prioridades del equipo, como lo demuestra el enfoque en la creación de tokens sólidos.
Si bien las actualizaciones en el frente contra las trampas pueden no ser las promesas de riqueza que algunos piden, es imperativo que se aborde este problema. Se espera un alto nivel de inversión en infraestructura anti-trampas. Esto es para garantizar un juego justo y equitativo para los usuarios y para evitar que los tramposos desequilibren el juego para toda la comunidad.
