FPS 游戏死亡之日
The Day FPS Games Died
频道:Basically Homeless · 时长:8:27 · 发布:2021-07-13 · 播放:1982903
简介
视频认为基于机器学习的瞄准机器人,通过读取屏幕并在外部驱动控制,可能使 FPS 游戏中的作弊无法检测。它解释了传统瞄准机器人的工作原理、新方法的不同之处,并推测了可能的检测方法。
HN 为什么推荐
HN 在讨论反作弊限制时将其作为参考,特别是绕过内核级保护的外部硬件和 AI 作弊。
由资金不足的私人团体开发的可调技能 AI,能替你玩游戏 — HN, 2022
机器学习与深度学习 · 游戏文化与分析 · 速通、漏洞与游戏破解
中文字幕节选
然后你点进游戏,我现在根本没碰鼠标,哦天哪,所以 如果上面有个加号,就说明它被识别为目标了,兄弟,你可能最近 看到过一篇关于新型机器学习外挂的文章,以及它们如何在任何主机上运行 任何平台,无法检测,由AI驱动,有视频显示它起作用,在 推特上疯传,每家游戏新闻公司都有一篇关于它的文章,这立刻引起了我的 全部注意力,这很糟糕,所以大家都明白这些外挂是个大问题 但我不确定这些外挂所涉及的影响程度是否真的被 理解,或者它对整个FPS游戏类型意味着什么,就在几天内 我编辑这个视频的时间里,动视已经从互联网上清除了这些文件 这本身就证明了这项技术对行业的威胁,更多关于 这一点在视频结尾,我想亲自拿到这些文件,看看 我是否能仔细检查并找出我所认为正在发生的事情是否真的在发生, 我通过一些关系找到了文件,在录制时 这个视频时,根据我能看到的,它的来源,目前只有大约 500人在使用这些,但如果我们对互联网有所了解的话 它即将像野火一样蔓延,这是互联网结合 无法检测的外挂,可以在任何主机和任何游戏上运行,我的意思是,如果你认为FPS 游戏现在很枯燥,兄弟,外面即将变得疯狂,你可能只是 像,哦,这是自瞄,我以前见过自瞄,让我解释为什么这些 不同,这种类型的外挂只有在最近几年才可能实现,就像我们现在拥有的计算 能力,它无法检测,无法通过任何现实手段阻止, 整个FPS游戏类型即将受到严重打击,标准自瞄的工作原理是侵入 游戏文件以获取玩家位置并瞬间瞄准目标,你知道 他们在哪里,你可以观战某人并看到这个人在作弊,对吧,不难 看出那个人在作弊,除此之外,因为它使用的是游戏 文件本身,你有像Battle Eye、Valor、Vanguard这样的东西,现在这些外挂 仍然困扰着像《彩虹六号:围攻》、《战区》、《绝地求生》这样的游戏,我的意思是它们 有时无法玩,但大多数时候你仍然能够玩并拥有 一些不错的镜头,《绝地求生》永远无法玩了,你不能,剩下的 在《绝地求生》中就是整个FPS游戏类型将要变成的样子,它们给你糟糕的体验 总的来说,玩家停止玩这个游戏,转向其他 外挂较少的地方,所以让我分解这个新的机器学习AI外挂 如何工作,以帮助你理解为什么我对此如此夸张,首先 这些不是像普通外挂那样,你只需点击鼠标左键,它就会瞬间瞄准 目标并杀死他们,或者甚至只要他们进入视野就瞬间瞄准并 杀死他们,呃,你几乎什么都不用做,这些有欺骗性,让你 感觉你真的擅长这个游戏,这本身就是一个完整的视频 关于这些有多危险,它就像一个超级瞄准辅助,可以微调成 你想要多作弊就多作弊,它可以瞬间瞄准目标并在50毫秒内杀死他们,或者 它可以只是辅助足够,让你很可能赢得枪战 除非对方只是疯了,所以这些的工作原理是实际上 通过采集卡查看你屏幕上发生的事情,然后决定 敌人在你屏幕上的位置,然后根据敌人的位置输入移动 并为你射击他们,因为它们与采集卡的工作方式,你
HN 上的讨论
如果它们能达到任何可接受的效率水平,那么它们或许还能被容忍。它们只被那些认为它们能像宣称的那样有效的人所容忍(安全剧场),但任何了解性能影响和/或技术足够精通、明白它是个 rootkit 和潜在漏洞(能完全控制你的设备)的人,都讨厌它们。现在有些作弊手段变得相当复杂。有越来越多的树莓派设备,作弊是在外部进行的。[LINK] [VIDEO] — Nadya, 2024-10
太自负了,朋友。你本该用过去时。由一个小型、资金匮乏的私人团队开发的、可调节技能水平的 AI,能替你玩游戏 [VIDEO] 由一家大公司开发的 AlphaStar,把 Battle.Net 上的《星际争霸 2》玩家打得落花流水 [LINK] 由一家大公司开发的 OpenAI,击败了顶尖的 DotA2 战队 [LINK] 一方面,这是令人兴奋的技术(旧)新闻。另一方面,玩竞技游戏的人只能寄希望于有办法对抗滥用。而我们其余人只能寄希望于它不会是一种侵入性的解决方案,比如实际上等同于内核恶意软件的东西。 — 0xedd, 2022-02
在这个特定话题上我有点力不从心。有没有可能在没有任何硬件验证的情况下阻止这种[1]作弊?[1] [VIDEO] — remarkEon, 2021-10
相关视频
- 神经网络和反向传播的详细入门:构建micrograd · Andrej Karpathy · 2:25:52
- 寻找平坦地球 · Folding Ideas · 1:16:16
- 但什么是神经网络?| 深度学习第一章 · 3Blue1Brown · 18:40
- SM64 - Watch for Rolling Rocks - 0.5x A 键(带解说)[已过时] · pannenkoek2012 · 24:38
- 反向模拟 NES,赋予它超级能力! · suckerpinch · 22:21
- 这就是 Phil Fish · Innuendo Studios · 19:05
- AlphaGo - 电影 | 完整获奖纪录片 · Google DeepMind · 1:30:28
- Transformer,LLM 背后的技术 | 深度学习第 5 章 · 3Blue1Brown · 27:14
- USENIX Security '18-Q:为什么主题演讲者不断建议改进安全性是可能的? · USENIX · 51:22
- 第一讲 | 机器学习(斯坦福) · Stanford · 1:08:40
- MarI/O - 视频游戏机器学习 · SethBling · 5:57
- 深入探讨 ChatGPT 等 LLM · Andrej Karpathy · 3:31:23
- 《无人深空》的救赎 · Internet Historian · 53:51
- 学会玩经典 NES 游戏的计算机程序 · suckerpinch · 16:17
- David Silver 强化学习课程 - 第一讲:强化学习导论 · Google DeepMind · 1:28:12
- 让我们从头构建 GPT:用代码,详细解释。 · Andrej Karpathy · 1:56:20