聲明:本文來自于（ID:ykqsd.com）授權(quán)轉(zhuǎn)載發(fā)布。

每款游戲總是存在作弊的玩家，開發(fā)公司也在絞盡腦汁解決這個問題。CS:GO最近推出了“Meet VACnet”，這是由V社開發(fā)的一個深度學習系統(tǒng)，旨在徹底解決CS:GO中的外掛問題。讓我們一起來了解一下。

所有的多媒體游戲都在與作弊者進行無休止的對抗。CS:GO在2014年迅速崛起，成為全球最受歡迎的FPS游戲之一，然而某些因素使得它更容易遭到破解。

CS:GO作為基于Source引擎開發(fā)的第十款游戲（也是CS主系列的第三款），早已積累了大量關(guān)于如何篡改V社引擎的信息。一些專為《半條命2》等老游戲設(shè)計的外掛，只需經(jīng)過簡單修改，也許就能在CS:GO中使用（盡管V社聲稱這些外掛會被檢測到）。作為一款與精準度和角度相關(guān)的技能型游戲，這種設(shè)計使得外掛更具效率。游戲中的武器傷害很高，因此當落入使用外掛的玩家手中時，破壞性更大。在CS:GO中，信息和隱匿至關(guān)重要，了解對手的位置信息極具價值，這使得透視掛在游戲中如魚得水。

根據(jù)V社的說法，反作弊斗爭是“極其重要且有價值的工作”。如果你曾玩過FPS游戲，你可能注意到，幾年前開始，游戲環(huán)境有所改善。Reddit上的投訴和外掛視頻的出現(xiàn)頻率顯著降低，作弊行為（這種行為對競技游戲的健康具有同樣的危害性）似乎逐漸消失。伴隨著大規(guī)模封禁作弊者的新聞，我們還發(fā)布了禁用賬戶的故事。這些被禁者占作弊者的很大一部分，那么V社究竟是如何清除這些不良玩家的呢？

作弊者未曾料到我們的行動，而玩家們對此反應熱烈，我們對作弊者的嚴厲打擊讓人感覺非常爽?！狹cDonald

上周在舊金山舉辦的游戲開發(fā)者大會上，深入探討反作弊技術(shù)的機會不多。在這個唯一的機會中，V社的程序員Jhon McDonald介紹了他和V社如何利用深度學習技術(shù)解決CS:GO的作弊問題。這一方法極其有效，因此V社正在嘗試將深度學習技術(shù)應用于一系列問題，從反作弊到DOTA2的各個方面。此外，V社還積極尋求與其他工作室合作，計劃在Steam平臺的其他游戲中部署這種基于深度學習的反作弊方案。

解決CS:GO中的外掛問題

McDonald有一個專門用于接收CS:GO玩家郵件的私人郵箱。在2016年項目進行期間，通過在線討論和私人郵箱中的信息，McDonald注意到“整個社區(qū)唯一在談論的事情就是作弊”。他說，有關(guān)作弊的討論無處不在，VAC系統(tǒng)的禁用數(shù)量顯著增加，這也印證了V社收到的有關(guān)作弊泛濫的信息。

為了解決作弊問題，V社和McDonald將注意力轉(zhuǎn)向了深度學習。深度學習潛力巨大，能夠隨著時間進行調(diào)整，能更有效地應對新出現(xiàn)的作弊技術(shù)，這一點對V社非常有吸引力。與其雇傭大量員工來處理作弊問題，深度學習可以自動解決Steam上的多個問題，選擇深度學習方案是歷史的必然。經(jīng)過一年的開發(fā)，V社推出了廣為人知的VACnet。

Overwatch是面向CS:GO玩家的回放工具，用于評估那些因不良行為而被舉報的玩家。VACnet可以與Overwatch協(xié)同工作。早期的VAC是V社多年來使用的客戶端和服務器端技術(shù)，用于檢測玩家在游戲中運行的不良程序。但VACnet并不是老VAC的新版本。VACnet是一個全新的附加系統(tǒng)，運用深度學習技術(shù)來監(jiān)測玩家的游戲行為，它熟悉作弊的模式，然后根據(jù)動態(tài)標準識別并禁用作弊者。

McDonald指出，有一些“微妙”的作弊手段仍然不易被察覺。在開發(fā)VACnet時，V社決定優(yōu)先處理射擊模式。因為在游戲中，射擊模式具有獨特性，易于定義。可以通過角度來評估玩家瞄準時的上下（Y軸）和左右（X軸）變化。V社能夠創(chuàng)建一個系統(tǒng)，該系統(tǒng)能夠捕捉到射擊前0.5秒到射擊后0.25秒之間的瞄準角度變化。這些數(shù)據(jù)與其他信息，如玩家使用的武器、敵我距離、射擊結(jié)果（是否命中、未命中、爆頭）等，都是獨立的“數(shù)據(jù)粒子”，它們共同構(gòu)成V社所稱的“數(shù)據(jù)原子”，其中包含了描述每次射擊的詳細數(shù)據(jù)。

與以往相比，玩家遇到外掛的情況明顯減少，與作弊相關(guān)的討論也隨之大幅減少。——McDonald

然而，VACnet不能僅憑一個數(shù)據(jù)原子就識別出作弊者?！拔覀冃枰幌盗械臄?shù)據(jù)原子，實際上，我們目前的模型需要140個。我們會從八個回合中隨機抽取140個數(shù)據(jù)原子，將數(shù)據(jù)輸入模型中，然后我們會思考，‘如果你將這140次射擊展示給人類陪審員，你有可能被判定為作弊嗎?’”

結(jié)果顯示，這種方法非常有效。游戲玩家和VACnet都會舉報需要在Overwatch中進行判斷的疑似作弊者。而由VACnet舉報的疑似作弊者，幾乎都確實在作弊。

“當有人向Overwatch提交舉報時，被舉報玩家可能存在作弊行為的幾率僅為15%到30%，這一概率會隨著一系列因素變化，如不同時間、游戲發(fā)布情況、是否處于春假期間等。雖然情況多樣，但關(guān)鍵在于：人類舉報的準確率較低?！盡cDonald說道?！叭欢?，VACnet的準確率很高。當VACnet提交一個舉報案例時，被舉報玩家作弊的可能性為80%到90%?！?/p>

VACnet與人類的良性循環(huán)

這并不意味著V社計劃逐步淘汰其反作弊平臺Overwatch。兩者相輔相成：VACnet從Overwatch中學習檢測技術(shù)。McDonald表示，“我們正在使用Overwatch，事實上，我們并沒有取代所有的人類舉報，而是進行了補充。這意味著VACnet有機會與人類審判員共同發(fā)展。因此，當人類審判員發(fā)現(xiàn)新的作弊行為時，VACnet也有機會做到同樣的事情?！?/p>

McDonald補充道，為了讓VACnet發(fā)現(xiàn)新型作弊行為，使用玩家數(shù)據(jù)對其進行再訓練。在剛完成訓練的那段時間內(nèi)，在作弊者尚未作出相應應對前，檢測準確率可能接近100%。V社在本月初悄然在CS:GO的2V2模式中加入了VACnet，McDonald表示，“這一模式下的檢測準確率一度高達99%，這非常出色。作弊者沒料到我們會這樣做，玩家對此反應非常積極，我們對作弊者進行了有力打擊，這種感覺非常好?！?/p>

每個54核刀片服務器配備128G的RAM，每個支架上安裝有16個這樣的服務器。

大規(guī)模反作弊系統(tǒng)

為了讓VACnet充分運作，需要建立一個服務器集群，來處理CS:GO數(shù)百萬玩家和大量數(shù)據(jù)。此外，隨著CS:GO的增長，這個服務器集群也要相應擴展。目前，每天約有600,000場5V5的CS:GO比賽，而V社需要大約4分鐘來處理每場比賽的數(shù)據(jù)。為評估所有比賽中的玩家，每天的CPU工作量累計達到240萬分鐘，大約需要1700個CPU來完成這些日常任務。

因此，V社購買了1700個CPU，隨后又追加購買了1700個。McDonald表示，“所以我們有擴展的空間”，這暗示了V社計劃將VACnet應用到其他游戲中。保守估計，V社在這些硬件上至少投入了數(shù)百萬美元：64個刀片式服務器，每個配備54個CPU和128GB內(nèi)存。僅在2017年，CS:GO的預期銷售額就達到1.2億美元，相比之下，服務器的費用顯得微不足道。然而，這可能是為單個游戲建立的最強大、最先進的反作弊系統(tǒng)。

這項工作仍在持續(xù)推進中，但在McDonald看來，VACnet非常強大且具有潛在應用價值，不僅可以部署在非V社的游戲中，也可以應用于Stream上的其他游戲。McDonald表示：“深度學習對于行為演化是一項變革性的技術(shù)。我們認為深度學習確實幫助開發(fā)者擺脫了單調(diào)重復的工作，同時對玩家沒有任何負面影響。與過去相比，現(xiàn)在玩家遇到作弊者的情況更少了。相比反作弊工作剛開始時，現(xiàn)在關(guān)于作弊的討論也大大減少了?！?/p>

在2017年12月初，這套反作弊系統(tǒng)達到了一個新的里程碑：在Overwatch中，VACnet的判定準確率更高。McDonald表示：“這套系統(tǒng)運行得非常好。”