1. 一位程式人 PI 在中研院 陳昇瑋 ( 陳寬達 ) 中央研究院 資訊科學研究所 July 17, 2010

2. 程式人 ?

3. 1988 1989 1990 1991

4. 1990 1992 1993 1998

6. 高中時 (1990) 的偶像

9. http:// www.ithome.com.tw/itadm/article.php?c =59343

10. PI ?

11. Principal Investigator

12. 多媒體網路與系統實驗室 http:// mmnet.iis.sinica.edu.tw

15. 社群網路中 非自願性的資訊洩露 (Special thanks to XDite and CornGuo)

16. Information Leakage on SNS

20. 使用者以真實姓名稱呼朋友傾向與被朋友以真實姓名稱呼的比率具有高度相關 使用者的姓名洩露比例與性別 ( 上圖 ) 及使用者年齡 ( 下圖 ) 的關係 名稱種類 推測到的比例 暱稱 60% 全名 30% 名字 ( 不包括姓 ) 72% 全名或名字 78%

22. 使用者的就讀學校推測結果 ( 上圖 ) 及平均推測範圍 ( 邊數 ) 使用者的年齡推測結果 ( 上圖 ) 及平均推測範圍 ( 邊數 )

24. 無名小站情報分析事務所 http:// mmnet.iis.sinica.edu.tw/proj/wretchinfo /

25. 分析結果（範例一）

26. 分析結果（範例二）

27. 問卷結果 ( 一 )

28. 問卷結果 ( 二 )

29. 服務使用後續追蹤 ( 一 ) 姓名洩露程度的變化 有沒有任何姓名洩露

30. 服務使用後續追蹤 ( 二 ) 姓名洩露程度與使用者反應的關係

31. 服務使用後續追蹤 ( 三 ) 姓名洩露程度與使用者態度的關係

32. 無名小站．文字繪 http:// mmnet.iis.sinica.edu.tw/proj/tagart /

33. 無名小站．文字繪

35. 遊戲外掛偵測

40. Our Solution I: Traffic Analysis Game client Game server Traffic stream Q: Whether a bot is controlling a game client given the traffic stream it generates? A: Yes or No

41. Case Study: Ragnarok Online (Figure courtesy of www.Ragnarok.co.kr)

42. DreamRO -- A screen shot World Map View scope Character Status

43. Trace Collection 207 hours, 3.8 million packets were traced in total Heterogeneity in player skills and network conditions Category Tr# ID Avg. Period Avg. Pkt rate Network Human players 8 A, B, C, D 2.6 hr 1.0 / 3.2 pkt/s ADSL, Cable Modem, Campus Network Bots 11 K (Kore) R (DreamRO) 17 hr 1.0 / 2.2 pkt/s Category participants Client pkt rate Avg. RTT Avg. Loss rate Human players 2 rookies 2 experts 0.8 ~ 1.2 pkt/s 45 ~ 192 ms 0.01% ~ 1.73% Bots 2 bots 0.5 ~ 1.7 pkt/s 33 ~ 97 ms 0.004% ~ 0.2%

45. CDF of Client Response Times Kore: Zigzag pattern (multiples of a certain value) DreamRO: > 50% response times are very small

46. Histograms of Response Times 1 ms multiple peaks 1 ms multiple peaks

47. Periodograms of Histograms of Response times Player 1 Player 2

48. Examining the Trend of Traffic Burstiness

50. Avg. packet rate vs. round trip times Median RTT Downward trend for human players; upward trend for bots

51. Performance Evaluation

52. An Integrated Classifier Conservative approach (10000 packets): false positive rate ≈ 0% and 90% correct rate Progressive approach (2000 packets): false negative rate < 1% and 95% correct rate

54. The IDC of the original packet arrival process and that of intentionally-delayed versions

57. Bot Detection: A Decision Problem Q: Whether a bot is controlling a game client given the movement trajectory of the avatar? A: Yes / No?

58. User Movement Trails

59. 3D Path Visualization Tool

60. Case Study: Quake 2

61. Aggregate View of Trails (Human & 3 Bots) Human CR Bot Eraser ICE Bot

62. Trails of Human Players

63. Trails of Eraser Bot

64. Trails of ICE Bot

66. Bot Detection Performance

67. Five Methods for Comparison Method Data Input kNN Original 200-dimension Pace Vectors Linear SVM Nonlinear SVM Isomap + kNN Isomap-reduced Pace Vectors Isomap + Nonlinear SVM

68. Evaluation Results Error Rate False Positive Rate False Negative Rate

69. 遊戲玩家 忠誠度分析

76. Trace Summary

77. 福克斯大神之謎？？ (1) ref. http:// forum.gamebase.com.tw/content.jsp?no =4715&cno=47150002&sno=75201947 ref. http://www.wings-of-narnia.com/viewtopic.php?t =3012 網友 A ：不知道在聖光之願部落的玩家有沒有發現到，在新手村薩滿訓練師的後面，永遠都會站著一個叫「福克斯大神」的獵人玩家！在半年前我到聖光定居時我在新手村見到他，到現在他仍然還是留守在那個地方……不會暫離、而且可以觀察他 = =&quot; 這種事該回報給 GM 嗎？創新手看到他的時候都覺得好恐佈啊囧 網友 B ： me too 看到的一瞬間 突然起雞皮疙瘩 ..... 網友 C ： &quot; 已離去 &quot; 玩家的怨念 ( 怨魂 @@) 嗎 ? 還是在悲傷愛情故事裡 , 癡等所愛的另一人 ? ^^^^^^^^QQ 網友 D ：哈 線在好多人在看噢 旁邊為了一大群人 @@ 觀光景點呀 XD

78. 福克斯大神之謎？？ (2) 網友 E ：我剛剛也有去看了一下 開了一個 ID 叫做“聽說有鬼”的獸人戰士 坐在他面前的桶子一直望著他 ~ 忽然 ! < 暫離 > 福克斯大神 他蹲下了 ... 隔一分鐘 .. 消失 =ˇ=&quot; .. .. 現在我心裡也是毛毛的 .. 網友 F ：好猛鬼啊 !!!!!! 大神的力量好可怕啊 , 一堆信眾死在他之前！！！！！！ 網友 G ：我上次有開過去看，還遇到了兩位同好，看的時候真的蠻不可思議的 ... 可以列入魔獸 10 大世界奇觀吧 !

79. 福克斯大神與祂的信眾們 -_-

82. Questionnaire Sample number: 1747

83. Reasons for User Unsubscription

84. Trend of Game Playing Time

86. Unsubscription Prediction Result

87. 即時匿蹤殭屍 電腦偵測

88. Fast-Flux Botnet Request Redirect Response Response Client Mothership Fast-flux Bot

91. A Typical HTTP Transaction 1. HTTP Request 2. Response Content Client Server 3. Received 1 2 3

92. An HTTP Transaction via a Fast-Flux Bot Long response time! FF Bot 1. HTTP Request 3. Response Content Client Mothership 5. Received 1 2 3 2. Get Redirected 4. Response Content 4 5

93. A Comparison Long document fetch delay Small BW and variable network delay Long processing delay Dedicated Servers TraditionalBots Fast-Flux Bots Request delegation ✘ ✘ ✔ Consumer-level hardware ✘ ✔ ✔ Uncontrollable foreground tasks ✘ ✔ ✔

99. Data Sources Alexa Atlas DNSBL Phishtank Malware URL Dshield Benign Fast-Flux Malicious

101. Number of Unique ASNs

102. Benign Domain ASN Country IP AS Name 15169 United States 74.125.45.100 GOOGLE- Google Inc. 74.125.67.100 74.125.127.100

104. Top 5 # of IP Addresses per Botnet Gang in Our Trace

105. Top 5 # of Domain Names Used by Botnet Gang in Our Trace

106. The Same Botnet, but Use Different Domain Names

107. Fast-Flux in the Wild

108. Preliminary Analysis

109. Preliminary Analysis

110. Scatter Plot

111. Scatter Plot

113. Evaluation Results

115. 影像故事 自動編排系統

117. Photo Browsing

118. Photo/Video slideshow

119. Illustrated Text

120. Comics

121. Comparison of photo-based storytelling media 方式 製作成本 閱讀需求 閱讀控制 表現力 攜帶性 Photo browsing 低 低 高 低 不可 Slideshow 中 低 低 中 不可 Text 高 高 高 高 高 Comic 高 低 高 高 高

124. User Interface - Scoring Phase

125. User Interface - Editing Phase

128. More Comics

136. 漫畫家風格分析 / 模擬

139. Collaborators

140. Acknowledgement to Industry Partners

143. 謝謝聆聽，請多指教。 陳昇瑋 中央研究院 資訊科學研究所 http://www.iis.sinica.edu.tw/~swc