Auf der vergangenen Game Developers Conference in San Francisco hat Valve VACnet vorgestellt, welches mit Künstlicher Intelligenz gegen Cheater vorgeht.
In vielen Spielen sind Cheater ein Problem, mal ein größeres, mal deutlich kleiner. Auch Counter-Strike: Global Offensive bleibt von Cheatern nicht verschont. Was sicherlich auch daran liegt, dass die Basis des Spiels bereits über 10 Jahre auf dem Buckel hat und es eines der meist gespielten Videospiele weltweit ist. So ist es laut Berichten ein leichtes, unter Counter-Strike 1.6 funktionierende Cheats auf die neuste Version des Shooters anzupassen, auch wenn diese laut Valve sehr schnell entdeckt werden. In der Vergangenheit hat Valve verschiedene Techniken eingesetzt, um den Cheatern Herr zu werden, was mal mehr, mal weniger erfolgreich ist. Eines der bisher genutzten Systeme zur Cheater-Bekämpfung ist Overwatch. Hierbei bekommen verschiedene Spieler mit Erfahrung Ausschnitte von möglichen Cheatern vorgelegt. Wenn die Mehrzahl der „Richter“ den im Spielausschnitt als Cheater geflaggten Spieler auch als solchen überführen, wird dieser gebannt. Ansonsten ist das System im Zweifel für den Angeklagten. Ein Problem jedoch ist die recht geringe Erfolgsrate von Overwatch. So konnten nur etwa 15 bis 30 Prozent der Cheater dank dieses Systems überführt werden. Bis jetzt.
Deep Learning praktisch angewendet
Damit in Counter-Strike: Global Offensive die Cheater effektiver identifiziert werden können, hat Valve VACnet entwickelt und eingeführt. Dies ist jedoch kein Ersatz für VAC, sondern eher ein zusätzliches Modul. VACnet basiert auf einer künstlichen Intelligenz, die aus bisher gefällten Overwatch-Urteilen lernt. Dadurch konnten bis zu 99 Prozent aller Cheater überführt und gebannt werden. Zudem ist es auch in der Lage, auf kommende Cheats zu reagieren, solange diese auch durch die Overwatch-Richter entdeckt und identifiziert werden können. Doch wie genau funktioniert VACnet? Das System setzt dabei auf verschiedenste Werte des Spielers, die für einen einfachen Spieler kaum wahrnehmbar wären. So fließen vor allem die Cursorbewegungen kurz vor und nach dem Tötungstreffer mit ein, aber auch Werte wie die genutzte Waffe, die Distanz und viele weitere Parameter werden von der KI analysiert, in Zusammenhang gebracht und ausgewertet.
Dem entsprechend benötigt VACnet auch eine recht große Rechenleistung. Aktuell besteht das System von Valve aus vier Serverschränken, die jeweils mit 16 Serverblades bespickt sind. Jedes Blade weist 54 Prozessorkerne und 128 GB RAM auf, wodurch das System insgesamt auf 3.456 Prozessorkernen mit insgesamt 8.192 GB RAM. Dies ist auch dringend notwendig, denn VACnet muss mit rund 600.000 täglichen Spielen zurechtkommen und soll zudem natürlich noch etwas Luft nach oben haben.
Was haltet ihr von dem Ansatz von Valve, mithilfe von Deep Learning Cheater zu identifizieren und zu bannen?
