Mesterséges intelligenciával a célzásrásegítés ellen

A New Mexico Tech kutatói kiderítették, hogyan működhetne az AI anti-cheateknél a CS:GO-ban.

Egy friss tanulmányban kutatók arra keresték a választ, hogy hogyan lehetne javítani a csalók felismerésén. A "Using an Artificial Neural Network to detect aim assistance in Counter-Strike: Global Offensive" (Intelligens Neurális Hálózat a célzásrásegítés felismerésére a CS:GO-ban) címre hallgató kutatás csakis az aimhackkek felismerésével foglalkozott, azonban itt egészen jó eredményeket értek el.

Úgy éreztük érdemes beszámolni erről, hiszen a mesterséges intelligencia lehet az anti-cheatek jövője, és ezáltal a közösség életében fontos szerepet foglalhat el. Emiatt pedig érdemes megismerni a működését is, illetve azt, hogy miként alakul ez a terület. Mivel alapvetően egy tudományos szövegről beszélünk, rengeteg szakkifejezéssel, így megkímélnélek benneteket (és magamat is) attól, hogy ezt az MI-kutatásban használt szöveget átemeljem a cikkbe, de a lényeget –reményeim szerint érthetően– ezek nélkül is összefoglaltam.

VAC? Overwatch? UT? Útmutató az anti-cheatekhez és megértésükhöz

Mi az a VAC? Milyen csalások vannak? Honnan ismerheted fel a csalót? Ha ezek a kérdések már megfogalmazódtak benned, akkor íme a válaszok!

A kutatás célja

Ahogyan az absztraktban is olvashatjuk, a kutatás célja az volt, hogy egy új megoldást kínáljanak a jelenlegi anti-cheatek mellett, mely hatékonyabbá teheti a csalók felderítését. Erre szerintük azért van szükség, mert –mily meglepő– a közösséget folyamatos frusztráció éri a lecsalt meccseken, és ez a játékosok távozásához vezethet. A mostani megoldásokat kikerülhetőnek tartják, miután azok csalások-, és nem csalók után kutatnak. Ezért ők egy olyan megoldást kínálnak a célzásrásegítés felismerésére, ahol az AI az egérmozgást figyeli.

Működési elv

A szerzők szerint egy ilyen megoldásnak mindenképp szerveroldalinak kell lennie, és ez kb. kétszeresre növelné a szerverigényeket a mostaninál. Az AI-nak valós időben kell dolgoznia, hogy minél jobb munkát végezzen, erre ezért van szükség. Amennyiben a szükséges infrastruktúra megvan, a következő lépcső a tanítás. Ehhez a folyamathoz demokat használtak, ahol átlagos és kimagasló képességű csalók és nem csalók egérmozgását figyelték. A demoknál az esetek nagy részében az volt a cél, hogy AK-47-tel lőjenek fejeseket, ha csalnak, ha nem, hogy az apró különbségeket tudják vizsgálni és elkülöníteni.

Technikai oldalról úgy működik, hogyha valaki megöl egy ellenfelet, akkor az egér pozícióját elmenti az ölést megelőző rövid időintervallumból, majd ezekből kiszámolja a gyorsulást és az irányt az MI, és ha valamilyen rendellenességet észlel, ami külső programra utal (egyenletes gyorsulás vagy teljesen egyenes irányú mozgás), akkor lecsap. Gépi tanulás útján egyre finomabb különbségeket is képes volt feltérképezni az MI; vagyis minél több mintából dolgozott, annál pontosabb döntéseket hozott.

Rossz világ jön a csalókra, elindult az anticheat rendszer!

A Valve új fejlesztésének hatására egyes csalást árusító oldalak máris lehúzták a rolót.

Eredmény

A kutatás végére 98%-os sikert értek el az AI-jal, azaz: a kb. 2600 vizsgáltból csakis az esetek 2%-ban tévedett. Akárhogy is nézzük, ez egy remek eredmény, pláne, ha mellétesszük, hogy lehetőség szerint fejleszthető a rendszer és idővel még pontosabbá válhat, hiszen a módszer egyrészt a gépi tanulásra épül. Mindenképp érdemes folytatni a kutatást, hiszen lehet még mit hozzáadni, csiszolni rajta. Illetve, a kutatók szerint egy még érdekesebb terület a wallhackek AI-os felderítése. Amennyiben egy már működő kliensoldali anti-cheattel, pl. az ESEA megoldásával együtt használjuk fel, akkor pedig egyenesen a csalók rémálma lehet a CS:GO. Persze, ez még nem ma –és nem is holnap– következik be, de egyszer egy szép napon majd biztosan!

TETSZETT A CIKK? KÖVESS MINKET FACEBOOKON!