DeepLearning

Vacnet soll eines der größten Probleme des Teamshooters CS:GO bekämpfen: Cheating. Das System soll Verhaltensweisen von Verdächtigen analysieren und lernt durch die Spieler-Community selbst. Das System wird bereits erfolgreich eingesetzt.

Egal ob Aimbot, Triggerbot, Spinbot, Jump-Script oder ein simpler Wallhack: Cheats im kompetitiven Ego-Shooter Counter Strike: Global Offensive sind ein konsistentes Problem. Der Entwickler Valve will seine Software Valve Anti Cheat mit Deep Learning automatisieren und dadurch schneller Cheater erkennen. Das System wird Vacnet genannt und soll das Verhalten von Spielern analysieren und Muster erkennen. Die Software soll parallel zum bisher implementierten Prüfen durch die Spielercommunity, dem Overwatch-Programm, laufen. Auf der Game Developers Conference berichtet das Unternehmen über seine Pläne, wie das Onlinemagazin Pcgamer schreibt.

Der Ansatz, den Vacnet verfolgt, soll dem eines beobachtenden Spielers entsprechen. Der Algorithmus analysiert, wie sich ein verdächtiger Spieler bewegt, wie er um Ecken geht und verschiedene Positionen anvisiert. Gerade Wallhacker werden oft durch inkonsistentes gehetztes Vorgehen und dem Abscannen von Wänden enttarnt, was ein fair spielendes Teammitglied nicht machen würde. Dieses Verhalten kann das herkömmliche VAC-System nicht analysieren. Es kann nur Dateien auf dem Computer durchsuchen. Die Erfolgsquote ist dementsprechend gering, da kleinste Änderungen am Cheat-Code bereits ein Heuristik-Update seitens Valve erfordern. Vacnet nutzt 3.456 Prozessorkerne und 8,1 TByte Arbeitsspeicher, um eine Gruppe von 140 als Cheater verdächtigte Spieler gleichzeitig zu analysieren. Vacnet analysiert wie Overwatch-Nutzer Match-Ausschnitte von acht Runden. Verdächtige werden zuvor von Matchteilnehmern mit einer Reporting-Funktion als Cheater markiert.

Hohe Erfolgsquote zum Start

Die Erfolgsquote, die Vacnet laut Valve bisher vermeldet, ist vergleichsweise hoch: 80 bis 95 Prozent aller analysierten Spieler werden als Cheater ausgemacht. Menschliche Overwatch-Ermittler allein verurteilen nur 15 bis 30 Prozent aller eingegangenen Verdächtigen als Cheater. Aus den Entscheidungen von Overwatch lernt der Deep-Learning-Algorithmus und wird dadurch noch genauer. Zu beachten ist, dass Vacnet bisher selbst seine Urteile zunächst an menschliche Spieler als Overwatch-Fälle weitergibt, die dann die finale Entscheidung treffen.

Allerdings könnte Valve das System in Zukunft komplett autonom laufen lassen, sobald es eine gute Genauigkeit besitzt. Um alle Spieler eines Matches zu analysieren, benötigt Vacnet etwa vier Minuten Rechenzeit. Täglich werden 600.000 5-gegen-5-Matches abgehalten, so dass etwa 1.700 CPU-Kerne notwendig sind, um diese Datenmenge zu analysieren. Die Liveschaltung des Systems Anfang März habe auf jeden Fall schon für große Erfolge gesorgt, sagt Valve. Viele Cheater seien gebannt worden.