AncomWiki

엔씨소프트: 공개SW 기반 GFIS를 통한 게임 부정행위 탐지

Properties1
description엔씨소프트는 MMORPG의 급증하는 보안 위협(봇, 어뷰징, 계정 도용 등)에 대응하기 위해 2011년 공개SW 기반의 GFIS(Game Fraud Investigation Service)를 구축했다. 기존 DBMS의 처리 한계를 극복하기 위해 하둡(Hadoop) 생태계(Hive, Pig, Cascading)를 도입해 하루 2~3TB의 대용량 게임 로그를 분산 처리하는 인프라를 마련했다. 이후 R 언어를 활용해 로그 데이터를…

11 min read

엔씨소프트: 공개SW 기반 GFIS를 통한 게임 부정행위 탐지

Source

  • Evernote/Technote scraps/ 공개SW 도입사례 - 공개SW 활용 성공사례 67 엔씨소프트 - 게임 로그 데이터 분석 위한 공개SW 기반 GFIS로 게임 내 부정행위 탐지.md

Summary

엔씨소프트는 MMORPG의 급증하는 보안 위협(봇, 어뷰징, 계정 도용 등)에 대응하기 위해 2011년 공개SW 기반의 GFIS(Game Fraud Investigation Service)를 구축했다. 기존 DBMS의 처리 한계를 극복하기 위해 하둡(Hadoop) 생태계(Hive, Pig, Cascading)를 도입해 하루 2~3TB의 대용량 게임 로그를 분산 처리하는 인프라를 마련했다. 이후 R 언어를 활용해 로그 데이터를 심층 분석하고, Contagion Model 등 네트워크 시각화 기법을 적용해 봇 배후 계정까지 정량적으로 탐지하는 체계를 확립했다. 이를 통해 게임 내 부정행위를 사전 차단하고 해킹 피해에 신속히 대응하며 서비스 경쟁력을 강화했다.

Key Points

  • 도입 배경: MMORPG 서비스 확대에 따른 해킹, 봇, 어뷰징 등 보안 위협 증가 및 기존 DBMS의 대용량 로그 처리 한계
  • 기술 스택: 하둡(Hadoop), Hive, Pig, Cascading, R, SVN, Linux, Eclipse
  • 인프라 구축: 하둡 기반 1.8PB 규모 분산 처리 시스템 구축으로 정형 데이터(DBMS)와 비정형 로그 데이터(하둡) 계층화 관리
  • 분석 방법론: R 언어를 활용한 자동화 스크립트 분석 및 Contagion Model 적용을 통한 캐릭터 관계 네트워크 시각화
  • 도입 효과: 부정행위(봇, 카드 도용 등)의 정량적 탐지 및 신속한 대응 체계 확립, 게임 서비스 보안성 및 경쟁력 향상

그래프 뷰

백링크