พบกับ VACnet ระบบ Deep Learning ที่ ใช้เพื่อเอาชนะปัญหาโกงของ CS: GO

ในช่วงเวลาแห่งความโปร่งใสเพียงอย่างเดียวในหัวข้อนี้ Valve ได้กล่าวในที่ประชุม Game Developers Conference เมื่อสัปดาห์ที่แล้วที่เมืองซานฟรานซิสโกว่า Valve ใช้เทคนิค ระบบ Deep Learning ในการแก้ปัญหาโกงของ CS: GO วิธีนี้มีประสิทธิภาพมากจน Valve ใช้ Deep Learning กี่ยวกับปัญหาจากการต่อต้านการทุจริตในแง่มุมของ Dota 2 และกำลังมองหาสตูดิโออื่น ๆ เพื่อหาแนวทางในการต่อต้านการโกง แก้ปัญหาในเกมอื่น ๆ บน Steam

เพื่อต่อสู้กับปัญหา Valve และแมคโดนัลด์มองไปที่ Deep Learning เป็นโซลูชันที่มีศักยภาพในการดำเนินงานและปรับตัวให้เข้ากับลักษณะการโกงใหม่ ๆ ซึ่งเป็นลักษณะที่น่าสนใจสำหรับ Valve ซึ่งได้รับการคัดเลือกในอดีตโดยอัตโนมัติ สิ่งที่ Valve สร้างขึ้นเป็นที่รู้จักกันในชื่อ VACnet

VACnet ทำงานควบคู่ไปกับ Overwatch, สำหรับผู้เล่นที่ได้รับรายงานพฤติกรรมไม่ดี ไม่ใช่รูปแบบใหม่ของ VAC เทคโนโลยีด้านไคลเอ็นต์และเซิร์ฟเวอร์ซึ่ง Valve ใช้มาหลายปีในการระบุว่าเมื่อมีผู้ใช้มีโปรแกรมที่เป็นอันตรายพร้อมกับเกม เป็นระบบใหม่ที่เพิ่มขึ้นซึ่งใช้ Deep Learning ในการวิเคราะห์พฤติกรรมในเกมของผู้เล่นเรียนรู้ว่ากลโกงมีลักษณะอย่างไรและตรวจหาแฮกเกอร์ตามเกณฑ์แบบไดนามิก

McDonald กล่าวว่ากลโกง “บอบบาง” ยังคงยากที่จะแก้ปัญหา แต่ในการสร้าง วาล์วได้ตัดสินใจที่จะเล็งเป้าไปที่ aimbots เป็นครั้งแรกเนื่องจากพวกเขาแสดงตัวเองที่จุดที่เฉพาะเจาะจงและสามารถระบุตัวได้อย่างง่ายดายในช่วงรอบของ CS: GO: เมื่อคุณยิง  Valve สร้างระบบที่บันทึกการเปลี่ยนแปลงในการวัดความสูงของแกน (แกน Y) และการวัดองศาในมุมเอียง ในมุมมองของผู้เล่น – ครึ่งวินาทีก่อนยิงและหนึ่งในสี่หลังจาก ข้อมูลนี้พร้อมกับข้อมูลอื่น ๆ เช่นอาวุธที่ผู้เล่นกำลังใช้ระยะทางผลของการยิง (ตี, พลาด, headshot) คือ ‘อนุภาคข้อมูล’ แต่ละส่วนที่สร้างรูปแบบที่ Valve เรียกว่า “อะตอม” เป็นชุดข้อมูลที่อธิบายถึงการยิงในแต่ละครั้ง

“เมื่อคนยื่นรายงานการโกง ความเป็นไปได้ที่พวกเขาจะได้รับความเชื่อมั่นนั้นมีเพียง 15-30 เปอร์เซ็นต์เท่านั้น ความเชื่อมั่นของ VACnet มีค่าสูงมากเมื่อ ส่งยื่นรายงานการโกง 80 ถึง 95 เปอร์เซ็นต์”

เพื่อให้ VACnet มีชีวิตชีวาต้องสร้างฟาร์มเซิร์ฟเวอร์ที่สามารถจัดการกับผู้เล่นนับล้านรายของ CS: GO โหลดข้อมูลและเติบโตขึ้นเมื่อ CS: GO เติบโตขึ้น ขณะนี้มีประมาณ 600,000 5v5 CS: GO matches ต่อวันและประเมินผู้เล่นทั้งหมดในการแข่งขันเหล่านี้ Valve ต้องการประมาณ 4 นาทีในการคำนวณจำนวน 2.4 ล้านนาทีต่อนาทีของความพยายามของซีพียู คุณต้องใช้ซีพียูมากกว่า 1,700 เครื่องในการทำงานประจำวัน

วาล์วจึงซื้อซีพียู 1,700 เครื่อง และอีก 1,700 เครื่อง “ดังนั้นเราจึงมีพื้นที่ว่างในการขยายตัว” แมคโดนัลด์พูดเป็นนัยว่าวาล์วจะนำ VACnet ไปสู่เกมอื่น ๆ อย่างระมัดระวังวาล์วต้องใช้เวลาอย่างน้อยสองสามล้านดอลลาร์ในฮาร์ดแวร์ดังกล่าว: 64 ใบพัดเซิร์ฟเวอร์ที่มีแกนประมวลผล 54 ซีพียูแต่ละตัวและแรม 128 GB ต่อเครื่อง

งานนี้ยังคงดำเนินอยู่ต่อไป แต่จากมุมมองของ McDonald ศักยภาพในการประยุกต์ใช้งานไม่เฉพาะในเกมที่ไม่ใช่ Valve แต่ในเรื่องอื่น ๆ บน Steam McDonald กล่าวว่า  Deep Learning คือเทคโนโลยีการเปลี่ยนแปลงสำหรับพฤติกรรมการวิวัฒนาการ

Leave a Reply

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

%d bloggers like this: