Anti-Cheat: So erkennt Valve Spielbetrug via Deep Learning

:

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