구글과 만난 넷마블, 매크로 문제 '뚝'

▲ (왼쪽부터) 백정상 엔지니어, 에츠지 나가이 아키텍처, 오지연 엔지니어

좋은 게임을 만드는 거만큼 중요한 게 유지하는 일이다. 아무리 명작이라도 불법 프로그램 사용자를 방치하면, 많은 유저가 떠나기 마련이다. 넷마블도 같은 고민을 했다. '리니지2 레볼루션', '블레이드&소울 레볼루션', '세븐나이츠', '마블 퓨처 파이트' 등 다양한 게임을 서비스하는 넷마블은 고과금 유저를 붙잡는 일이 중요했다. 고과금 유저가 불법 프로그램 사용자에게 질려버려 금방 떠나 버린다면, 넷마블로서는 큰 손해다.

오늘(24일) 넷마블은 구글 클라우드가 주최한 '넥스트 리캡'에서 인공지능을 활용해 불법 프로그램 사용자를 색출한 노하우를 공개했다. 발표는 구글 클라우드 백정상 커스텀 엔지니어, 에츠지 나가이 솔루션 아키텍처, 넷마블 오지연 머신러닝 엔지니어가 맡았다.

먼저 백정상 엔지니어가 넷마블이 구글과 협력한 배경을 소개했다. 구글과 만나기 전까지 넷마블은 불법 프로그램 색출에 '룰 기반 모델'을 사용했다. 매크로나 봇의 특정 패턴을 미리 연구해, 이를 로그에 적용하고 실행한다. 프로그램이 누군가 봇이나 매크로라고 의심하는 알람을 보내면, 담당자가 해당 로그를 분석해 매크로인지 봇인지, 아니면 정상 유저인지를 확인한다. 매크로일 경우 제재를 하고 아니면 프로그램이 잘못된 것이기에 개선했다.

문제는 각 과정이 너무 번거롭다는 것이다. 개선할 때도 매번 개발자가 수정해야 한다. 감지할 수 있는 어뷰징 범위도 적을뿐더러, 새로운 패턴을 파악하고 적용하는 데 시간이 너무 오래 걸렸다. 이에 넷마블은 사용자의 행동을 파악해 이상 패턴을 자동으로 감지할 수 있는 기능이 필요해졌다.

넷마블의 인공지능 탐지기는 에츠지 아키텍처의 기본 설계로 만들어졌다. 에츠지 아키텍처는 오토인코더(Autoencoder)로 입력을 재생성하도록 훈련했고, 병목 레이어를 통해 정보의 양을 줄여 훈련 데이터의 필수 특성만 남겼다고 소개했다. 애초에 MMORPG는 대량의 데이터를 생산해 수동으로 분리하는 건 불가능에 가까웠다. 그래서 전체 데이터 세트로 모델 훈련을 수행하도록 했다. 이상 데이터가 적다면, 영향을 정상 데이터가 덮어 쓰이게 했다. 이 방법이 실제로 효과를 발휘했다고 에츠지 아키텍처는 소개했다.

MMORPG 인공지능 탐지기는 매일 데이터 훈련을 해야 한다. 게임 내 이벤트, 새로운 기능, 이용자의 성숙도에 따라 행동 패턴이 달라져서다. 수동 조사도 일부 들어갔다. 오탐에 대한 부작용을 예방하고 룰 기반 조사에 새로운 통찰력을 확보할 수 있었다.

▲ MMORPG는 패턴이 다양해 머신러닝을 매일 훈련시켰다

▲ GCP로 구현한 넷마블 머신러닝 구조도

이어 오지연 엔지니어가 넷마블이 게임에 인공지능 탐지기를 활용한 사례를 소개했다. 넷마블로서는 자사의 게임이 너무 많다는 게 인공지능 활용에 있어서 첫 번째 문제였다. MMORPG와 수집형 게임의 데이터가 다 다르니 하나의 모델로 모든 게임의 데이터를 학습시키고 적용할 수가 없었다. 오지연 엔지니어는 이 상황이 한 번의 수업으로 수학과 영어, 과학을 동시에 가르치는 것과 같다고 비유했다.

넷마블은 문제를 GCP(Google Cloud Platform)로 해결했다. 오지연 엔지니어는 다양한 매니지드 서비스, 넓은 확장성, 표준화된 플랫폼을 GCP의 강점으로 꼽았다. 오지연 엔지니어는 "머신러닝 관리 부담은 적어지고 새로운 API와 기능을 만들 필요가 없어졌다"며 "커맨드 라인에서 줄 하나만 바꿔도 분산처리 여부를 결정할 수도 있었다"고 편리함을 강조했다. 시스템을 구축한 뒤에 관리자는 1명으로도 족하다는 점에서 인력을 아낄 수도 있었다.

▲ "머신러닝 도입 이후 항의글은 '뚝' 줄었다"

머신러닝 사용 효과는 눈으로 확인할 수 있었다. 오지연 엔지니어는 머신러닝으로 걸러진 불법 프로그램 사용자를 관리자가 직접 확인한 결과, 매우 높은 정확도를 보였다고 전했다. 또한, 커뮤니티에서 "불법 프로그램 사용자 좀 잡아라"와 같은 글의 개수가 급감했다. 머신러닝으로 쾌적해진 게임 환경을 유저가 체감하는 것이다.

한편, 앞으로 넷마블은 게임 이상 탐지, 광고 이상 탐지, ROAS 예측, 작업장 탐지, QA 자동화, 게임 밸런스 테스트 자동화, 음성 명령 기능 연구에 머신러닝을 접목할 계획이다. 아울러 넷마블은 올해 머신러닝을 모든 사업부로 확대 적용한다. 장기적으로는 여러 모델을 결합해 감지 능력을 향상하는 앙상블 학습(ensemble learning)을 연구 중이다.