Robocalypse Now:使用深度学习打击《反恐精英:全球攻势》中的作弊行为

Robocalypse Now: Using Deep Learning to Combat Cheating in Counter-Strike: Global Offensive

频道:GDC Festival of Gaming · 时长:1:05:25 · 发布:2020-06-18 · 播放:35470

在 YouTube 观看

简介

Valve 的 John McDonald 在 GDC 2018 上介绍了 Valve 如何使用深度学习(VACnet)检测《反恐精英:全球攻势》中的作弊者。他涵盖了在人工审核的回放上训练,以及模型输出如何通过人工审核确认。

HN 为什么推荐

在任何反作弊讨论中,这是关于生产环境中机器学习作弊检测的具体、良好呈现的首选链接。

演讲者非常好地提出了问题和解决方案,我仍然希望有一天能从事类似的工作。 — HN, 2025

机器学习与深度学习 · 游戏编程与引擎 · 游戏文化与分析

中文字幕节选

呃,大家好。在开始之前,我们还有一点小事要处理。 我得请大家把手机调成静音,免得突然响起来。 另外,结束后请务必填写调查问卷。 这对GDC来说非常有帮助,能让他们知道该邀请谁回来,而且 对我来说也很有用,能让我了解你们是否喜欢我的演讲方式,以及是否喜欢 我讲的内容。所以,结束后请花点时间填一下。 好了。这些琐事就到此为止。 我们开始吧。我叫John McDonald。 我来自Valve,今天我想来聊聊我们如何 利用深度学习来有效打击CS:GO中的作弊行为。 剧透一下,效果相当不错。 我们对此很满意。 好了,就这些。 我们有一整小时,所以我们要涵盖很多内容。 我会花一点时间,提前提醒一下,大概15 分钟左右来谈谈CS:GO在作弊方面的现状,以及我们在这个领域做的 其他事情。 然后我们会深入探讨我在2016年向Valve内部人士 提出的方案,解释为什么我们应该尝试一下。 我们会深入讨论结果,然后聊聊如何训练和 利用深度网络。我们会谈谈一些正在进行和近期的工作,然后 就结束。有一点值得提一下,这个列表里明显没有 深度学习。 我实际上不会在一小时内教会你们深度学习,因为我不 认为我能做到,但最后我会给你们指出一些资源,这样 如果结束后你们觉得“哦,这也许是我该试试的东西。” 你们就知道从哪里开始了。 好消息是,学起来其实挺简单的。 好。我们先聊聊CS:GO本身。 CS:GO,如果你们不熟悉的话,我想大多数人可能都熟悉,但它是反恐精英系列的 续作。它是一款竞技性多人游戏。 节奏很快。子弹极其致命, 一回合中死亡就出局。 CS:GO中的战斗交火非常非常短暂。 平均交火时间可能只有1到2秒。 所有这些都很重要,因为它影响着我们的作弊问题。 CS:GO有1240万月活跃用户,每天有300万独立用户 回访。所以,我们很高兴我们的玩家群体如此活跃。 最后,这是Source引擎上发布的第10款游戏,我们稍后会看到这 如何影响我们的作弊问题。 CS:GO最受欢迎的模式之一是竞技模式。 这是5v5的游戏模式。先赢16局者胜,每回合大约2分57 秒。当你报名匹配时,我们会要求你同意可能 需要投入90分钟的时间。 平均游戏时间其实更接近40分钟。 65%的玩家每月至少会玩一次这个模式,每天有 60万场这样的比赛。 这取决于一天中的时间,抱歉,是星期几,还有夏天 比赛更多,学校放假等等。 但事实证明,大学生热爱玩电子游戏。 不知道你们有没有人知道这一点。 呃,那我们深入聊聊作弊吧,因为这才是我们 来这里的原因。所以,2016年的时候,我在琢磨接下来要做什么 。我完成了一些其他的CS:GO工作,我试图弄清楚 我想做什么,通常当我在Valve的那个阶段时,我会试着 弄清楚社区想要什么,因为我觉得任何时候你 在社区中偿还一些债务,那都是很好的投资,同时你 在试图解决更大的问题。 结果我发现我做不到,因为社区唯一在谈论的

HN 上的讨论

哇,很高兴看到它的一些工作原理。看起来类似于基本的防病毒签名检查?顺便说一句,几年前,他们有一个GDC演讲,关于(当时新的)基于机器学习的方法来抓作弊者。不管结果如何,我觉得这很迷人。演讲者把问题和解决方案讲得非常好,我仍然希望有一天能从事类似的工作。我认为他们仍在为CS2更新这个,所以看看现在进展到什么程度会非常酷。[VIDEO] — schmorptron, 2025-06
不幸的是,Overwatch系统已经停用好几年了,我们目前没有理由认为它会为CS2重新开放。我借此机会分享这个关于Valve使用深度学习打击CS:GO作弊的精彩演讲:[VIDEO] — magic123_, 2024-08
Valve 在这方面已经做了很长时间……他们从一个系统开始,让玩家审查游戏并尝试了解玩家是否作弊。游戏是匿名的,你可以重新观看回放来尝试做出判断。然后他们可以使用这些数据来训练他们的神经网络,以帮助检测哪些玩家/游戏应该被送入这个人工审查过程。我认为现在产品可能已经足够好,它也在对审查员进行排名,以确定审查员在检测作弊方面的能力。这简直是天才。这里有一个 GDC 演讲你可能觉得有趣:> 在 2018 年 GDC 会议上,Valve 的 John McDonald 讨论了 Valve 如何利用深度学习来打击《反恐精英:全球攻势》中的作弊行为。[VIDEO] — arwineap, 2022-11
或者使用机器学习模型进行服务器端自动审查,这正是 Valve 尝试的“vacnet”(然后进行人工审查以确认模型的结果准确——大多数科技公司应该学习这一点)关于它的精彩演讲在这里:[VIDEO] — kllrnohj, 2022-08
Valve 这样做了,这里有一个很好的演讲:Robocalypse Now: Using Deep Learning to Combat Cheating in Counter-Strike: Global Offensive [VIDEO] — crtasm, 2022-02

相关视频