La industria de los videojuegos lleva años creciendo a un ritmo vertiginoso, tanto en cantidad de usuarios como en ganancias y en segmentos. Los videojuegos, desde el Scrabble word finder hasta el Call of Duty, son cada vez más y más variados, apuntan a públicos distintos, se juegan en diferentes tipos de dispositivos y utilizan diferentes modalidades de monetización.
Como es esperable, en una industria que proyecta unas ganancias globales anuales de 184,4 mil millones de dólares para el 2022, la tentación es grande para los actores maliciosos que aprovechan la popularidad masiva de los videojuegos para llevar a cabo prácticas fraudulentas, que atentan contra la confiabilidad, reputación, integridad y usabilidad de estos juegos.
Es en este contexto que el machine learning, o aprendizaje automático, toma relevancia, pero antes de ahondar en esto, vamos a determinar qué tipos de fraudes se pueden cometer en el entorno de los videojuegos.
No todo es diversión: los fraudes más comunes en los videojuegos
Para comprender cómo el aprendizaje automático está ayudando a las empresas de videojuegos a detectar situaciones de fraude, es importante primero determinar cuáles son las estafas y los fraudes más comunes en la industria.
Uno de los fraudes más comunes es el de las cuentas múltiples: un usuario crea un gran número de cuentas dentro de un juego en particular, con el objetivo de ayudarse a sí mismo dentro del juego. En el caso de juegos competitivos, esto puede provocar una desventaja considerable en detrimento de los usuarios con una única cuenta.
Otro fraude extendido es el relacionado con las tarjetas de crédito: en este caso, una persona con acceso fraudulento a una tarjeta de crédito ajena, ya sea por haber robado los datos de la tarjeta o la tarjeta misma, puede utilizarla para comprar elementos del juego (como armaduras, armas, personajes, etc.) que luego venderá a otros usuarios que, por supuesto, ignoran lo irregular de la situación.
Otros fraudes comunes incluyen el robo de cuentas, y el abuso del contracargo para obtener devoluciones por compras realizadas, alegando que fueron hechas sin el debido consentimiento.
El machine learning en la detección de fraudes
De más está decir que todo fraude trae consigo grandes consecuencias financieras para las compañías de la industria. La pregunta fundamental, entonces, es: ¿cómo detectar fehacientemente situaciones de fraude en los videojuegos?
La respuesta llega, hoy en día, con el machine learning, una variante de la Inteligencia Artificial que consiste en modelos con capacidad de aprender a través del análisis de cantidades colosales de datos, de modo que pueden utilizarse para realizar predicciones y definir respuestas, a pesar de no haber sido programados para ello.
De esta manera, las empresas del sector están comenzando a utilizar esta tecnología para encontrar patrones fraudulentos de comportamiento, al tiempo que lo hacen cada vez más rápido y con un margen de error cada vez menor.
Lo mejor de utilizar modelos de machine learning para detectar situaciones de fraude es que, a medida que pasa el tiempo y los modelos procesan más y más información, las predicciones se vuelven cada vez más rápidas y acertadas. Es decir, que se trata de una solución escalable.
Esto, claro, sin contar siquiera el factor económico, ya que un modelo de machine learning es infinitamente superior a la capacidad de cualquier ser humano en cuanto al procesamiento de datos y la generación de respuestas.
En definitiva, todo apunta a que el machine learning terminará por convertirse en un estándar de la industria en lo que se refiere a la prevención de situaciones de fraude y de estafas, algo que beneficiará no solo a los usuarios víctimas de los fraudes, sino también a la industria misma, y a la jugabilidad de todos los videojuegos, desde el anagram solver hasta el League of Legends, que la componen.
Fuente. Periódico Digital Centroamericano y del Caribe
