악성코드의 이미지 시각화 탐지 기법을 적용한 온라인 게임상에서의 이탈 유저 탐지 모델

Vol. 27, No. 6, pp. 1431-1439, 12월. 2017
10.13089/JKIISC.2017.27.6.1431, Full Text:
Keywords: log analysis, Visualization, Online Game Data Mining, Churn Prediction
Abstract

보안 분야에서 악성코드나 이상 행를 탐지하기 한 보안 로그의 분석은 매우 요하며, 악성코드를 탐지하기 한 이미지 시각화 분석 기술은 많은 선행 연구를 통해 논의되어져 왔다. 이러한 분석 기술은 온라인 게임에도 용될 수 있다. 최근 온라인 게임에서 악성코드나 게임 , 매크로 도구 등의 악용 사례가 증가하므로 인해 정상으 로 게임을 이용하려는 유들의 이탈이 늘어나는 추세로 서비스의 운자가 제시간에 필요한 조치를 하지 않을 경우 게임 산업 자체가 무질 수 있다. 본 논문에서는 분석의 효율성을 향상시키기 해 로그 일을 PNG 이미지로 변 환하는 방식을 사용한 새로운 이탈 측 모델을 제안한다. 제안하는 모델은 이미지 변환을 통해 기존의 로그 크기에 비해 52,849배 경량화된 분석이 가능하며 특성 분석이 별도로 필요하지 않은 방식으로 분석에 소요되는 시간을 단 축시켰다. 모델의 유효성 검증을 해서 엔씨소트의 블이드 앤 소울 게임의 실제 데이터를 사용하고, 분석 결 과 97%의 높은 정확도로 잠재인 이탈 유를 측할 수 있었다.

Statistics
Show / Hide Statistics

Statistics (Cumulative Counts from December 1st, 2017)
Multiple requests among the same browser session are counted as one view.
If you mouse over a chart, the values of data points will be shown.


Cite this article
[IEEE Style]
H. Yim, H. Kim and S. Kim, "Using Image Visualization Based Malware Detection Techniques for Customer Churn Prediction in Online Games," Journal of The Korea Institute of Information Security and Cryptology, vol. 27, no. 6, pp. 1431-1439, 2017. DOI: 10.13089/JKIISC.2017.27.6.1431.

[ACM Style]
Ha-bin Yim, Huy-kang Kim, and Seung-joo Kim. 2017. Using Image Visualization Based Malware Detection Techniques for Customer Churn Prediction in Online Games. Journal of The Korea Institute of Information Security and Cryptology, 27, 6, (2017), 1431-1439. DOI: 10.13089/JKIISC.2017.27.6.1431.