Junger Gamer zockt Computerspiele.
Moderator Geoff Keighley eröffnet die Gamescom Opening Night Live 2022
:

Anti-Cheat: So erkennt Valve Spielbetrug via Deep Learning

Die Gam­ing-Indus­trie kämpft seit Jahren gegen Cheater in Online-Spie­len. Auch Valves Ver­trieb­splat­tform Steam ist da keine Aus­nahme. Im Rah­men ihres automa­tisierten Anti-Cheat-Pro­gramms ver­wen­det das Unternehmen kün­stliche neu­ronale Net­zw­erke, die anhand von Deep Learn­ing darauf trainiert wer­den, Cheats zu erken­nen.

Seine Anti-Cheat-Maß­nah­men beze­ich­net Valve konkret als VAC (Valve Anti Cheat). Das Unternehmen unterzieht unter anderem seine Spiel­er­pro­file einem Trust-Ver­fahren: Je häu­figer ein Gamer ver­ban­nt wurde, umso niedriger ist seine Ver­trauenswürdigkeit. Anschließend grup­piert Valve ihn mit Spiel­ern, die ein eben­so niedriges Trust-Lev­el erre­icht haben, sodass die Cheater unter sich bleiben.

Von Mensch zu Maschine

Um Übeltäter in Online-Games noch bess­er iden­ti­fizieren zu kön­nen, ver­wen­dete Valve außer­dem men­schliche Schied­srichter: Spiel­er durften stun­den­lang Replays von Counter Strike beobacht­en und soll­ten dann entschei­den, wer in den Par­tien bet­ro­gen hat­te. Waren sich 99,8 Prozent der Beobachter bei einem Spiel­er einig, wurde dieser ver­ban­nt. So ent­standen mit der Zeit enorme Daten­sätze. Allerd­ings war diese Meth­ode nicht ger­ade von großem Erfolg gekrönt: Die men­schlichen Schied­srichter kon­nten dem­nach nur rund 15 bis 30 Prozent der Cheater auf frisch­er Tat ertap­pen.

Seit kurzem set­zt Valve daher auf kün­stliche Intel­li­genz: Der Steam-Betreiber schuf das neu­ronale Net­zw­erk VAC­net und brachte ihm bei, Cheater automa­tisch zu iden­ti­fizieren. Um das zu bewälti­gen, wurde VAC­net mit zwei Server­schränken aus­ges­tat­tet, die 54 Rechenkerne und 128 Giga­byte RAM besitzen. Valve füt­tert das neu­ronale Net­zw­erk im Rah­men der Deep Learn­ing-Meth­ode mit Daten­sätzen aus rund 700.000 Counter-Strike-Replays.

Junger Mann spielt über den Computer Free to Play-Games.

Um Cheater auf frisch­er Tat zu ertap­pen, set­zt Valve inzwis­chen kün­stliche neu­ronale Net­zw­erke ein.

Das steckt hinter Deep Learning

Deep Learn­ing ori­en­tiert sich am men­schlichen Gehirn: Genau wie der Men­sch sollen auch kün­stliche Net­zw­erke aus Erfahrun­gen ler­nen. VAC­net schaut sich daher jeden Tag etwa sechs Stun­den lang Counter-Strike-Par­tien an und analysiert die Bewe­gun­gen der Spiel­er. Dabei achtet das Net­zw­erk zum Beispiel darauf, wie schnell und ziel­ge­nau die Gamer vor und nach einem Schuss agieren, um so Übeltäter zu ent­deck­en.

Die Deep Learn­ing-Meth­ode gehört inzwis­chen zu den größten Fak­toren der K.I.-Industrie und wird unter anderem auch von Google und Apple einge­set­zt, um den Google Assis­tant und Siri zu trainieren. Auch Valve kann mit der automa­tisierten Meth­ode zufrieden sein: VAC­net soll inzwis­chen rund 80 bis 95 Prozent der Cheater erwis­chen.

Die Spiele im VAC-Programm

In Zukun­ft will Valve seine Maß­nah­men noch stärk­er ausweit­en und zusät­zliche Cheat-Meth­o­d­en mitein­beziehen. Neben Counter Strike wer­den inzwis­chen zahlre­iche Spiele im Rah­men des VAC-Pro­gramms überwacht, darunter Dota 2, ARK: Sur­vival Evolved und Squad. Eine voll­ständi­ge Liste find­est Du auf der Web­site von Steam.

Zusammenfassung

  • Neben einem Trust-Ver­fahren set­zte Valve zunächst auf men­schliche Schied­srichter, um Cheater zu iden­ti­fizieren und vom Spie­len auszuschließen.
  • Dies war jedoch nicht immer von Erfolg gekrönt.
  • Seit Kurzem set­zt das Unternehmen daher auf neu­ronale Net­zw­erke, die anhand von Deep Learn­ing trainiert wer­den.
  • Inzwis­chen kön­nen so rund 80 bis 95 Prozent der Betrüger iden­ti­fiziert wer­den.

Hast Du Cheater schon ein­mal selb­st auf frisch­er Tat ertap­pen kön­nen? Wir freuen uns auf Deine Rück­mel­dung.

Schreibe einen Kommentar

Deine E-Mail-Adresse wird nicht veröffentlicht. Erforderliche Felder sind mit * markiert.

Das könnte Dich auch interessieren