Cientistas da computação criam sistema anti-trapaça para CS: GO

Uma exigência constante que todo jogador de Counter-Strike teve agora e no passado é que a Valve melhore seu sistema Anti-Cheat. Valve Anti-Cheat (VAC) é o sistema de detecção de trapaça atualmente usado pela Valve em todos os seus jogos competitivos online, mas este sistema poderia precisar de uma grande atualização e um grupo de cientistas da computação da Universidade do Texas em Dallas descobriram o perfeito solução, um inovador sistema Anti-Cheat alimentado por AI (Inteligência Artificial).

Em um momento para detectar trapaceiros que estragam jogos competitivos online para todos usando software de terceiros para contornar certas restrições que lhes garantem uma vantagem injusta, alguns cientistas da computação se uniram para criar um sistema anti-cheat de IA que pode funcionar com qualquer MMO (Massive Multiplayer Online) jogo.

Seu próprio experimento e abordagem foram baseados em um estudo conduzido usando o popular jogo de tiro competitivo CS: GO. O que os pesquisadores basicamente fizeram para o estudo foi selecionar 20 alunos aleatoriamente e fazer o download do CS: GO junto com três cheats de software: AimBot, Speed ​​Hack e Wallhack.

Esses jogadores então passaram a jogar em um servidor dedicado configurado pelos pesquisadores para isolá-los do tráfego online geral. Todos os dados do jogo de e para o servidor dedicado foram então analisados ​​pelos pesquisadores que perceberam certos recursos como,

Número de pacotes de informações de entrada e saída.
O tamanho desses pacotes depende do conteúdo das informações transportadas.
Tempo de transmissão.
A direção da transmissão.
Número de pacotes em uma explosão, que nada mais é do que um grupo de pacotes consecutivos.

Tendo analisado todos esses recursos e monitorando constantemente o tráfego de dados, os pesquisadores identificaram certos padrões que indicavam trapaça. Essas informações foram usadas para treinar um modelo de aprendizado de máquina, uma espécie de IA cujo objetivo era detectar trapaceiros com base nesses padrões.
Os cheats de hardware ainda podem ser capazes de contornar este anti-cheat de IA.

Apesar da pesquisa ser conduzida em um pequeno grupo de jogadores, os pesquisadores afirmaram que seu modelo estatístico pode ser ajustado de acordo com a necessidade do cliente ou desenvolvedor. Eles alegaram que as empresas de jogos poderiam até mesmo usar seus próprios dados para treinar o anti-cheat acionado por IA e configurá-lo para tomar as medidas adequadas após detectar um trapaceiro.

O Dr. Latifur Khan, autor do estudo, disse que “os jogadores que trapaceiam enviam tráfego de uma maneira diferente, estamos tentando capturar essas características.” Dito isto, a equipe de pesquisadores acrescentou que continuará suas pesquisas e trabalhará para criar uma abordagem que não requeira uma arquitetura cliente-servidor.

Embora a pesquisa pareça fantástica, ainda é um pouco cedo para dizer que essa abordagem inovadora para criar um anti-cheat com IA é o melhor passo à frente, pois ainda precisa ser testado em um ambiente de jogo adequado. Será interessante ver se algum desenvolvedor de jogos aborda essa equipe de pesquisadores para colocar seu anti-cheat em uso prático e trabalhar em colaboração com eles.

Leave a Comment

Your email address will not be published. Required fields are marked *