Il est de bon ton de se moquer des anti-cheats comme Battleye, Easy Anti Cheat ou encore le célèbre Valve Anti Cheat (VAC), qui sont maintenant bien connus et utilisés par nos jeux multijoueurs préférés. Malgré leur présence ubiquitaire, nous avons souvent l’impression qu’ils sont inefficaces et que les vilains cheaters sont omniprésents sur les serveurs de jeu (il se peut aussi que vous soyez simplement mauvais).

Counter-Strike est déjà sous la protection de nombreux systèmes comme le classique VAC, l’Overwatch (l’analyse manuelle de cas par les joueurs), et plus récemment un mystérieux système du nom de VACnet, qui n’est autre qu’un système de Deep Learning, soit un réseau neuronal artificiel préalablement entraîné capable de se prononcer sur la culpabilité d’un joueur accusé d’utiliser un logiciel de triche.

Si vous n’êtes pas trop au courant du Deep Learning, vous pouvez consulter cette excellente vidéo de Science étonnante. Pour les plus fainéants, imaginez un truc totalement débile nourri avec des montagnes de données avant de pouvoir donner son avis. Par exemple, vous pouvez créer une machine capable de reconnaître des pénis sur une image mais avant cela, prévoyez de lui fournir des millions d’images de pénis pour lui apprendre.

Pour l’instant, VACnet travaille uniquement sur la détection des aimbots, car ce type de hack peut être plus facilement analysé et détecté. Pour cela, plusieurs paramètres sont utilisés, comme la position du viseur, l’arme choisie, le résultat du tir, ou encore la distance de tir. L’ensemble de ces données est appelé par Valve un atome, correspondant à un tir, et pour l’instant 140 atomes sont analysés par match avant d’aboutir à un jugement par le système.

Pour alimenter en données le réseau neuronal de Valve, Overwatch a été mis à contribution pour entraîner le système et le rendre capable de détecter les comportements suspects et le cas échéant, envoyer le joueur suspecté en Overwatch pour être jugé par les joueurs.

Les joueurs déterminent la culpabilité -> VACnet s’améliore -> VACnet surveille -> VACnet soumet les cas et ainsi de suite

Actuellement, VACnet analyse 600 000 matchs compétitifs par jour, analyse supportée par 1 700 CPUs, nombre qui sera bientôt doublé pour augmenter la capacité du système.

Selon John McDonald, ingénieur chez Valve,  80 à 95 % des cas envoyés par VACnet conduisent à une condamnation par Overwatch, contre 15 à 30 % lorsque le cas est signalé par un humain. Pour l’instant limité à CS:GO, le but est d’étendre le système à d’autres jeux.

Si vous voulez en savoir plus, voici la conférence de John McDonald lors de la GDC 2018 qui explique plus en détails l’application du Deep Learning à la détection des cheaters.

8 Commentaires


  1. Si ça peut encore plus éradiquer la vermine.

    À coté,Valve a discrètement fermé la pages des Steam Machines,donc ça y est,ce moment arrive.

  2. tl;dw: https://youtu.be/ObhK8lUfIlc?t=22m22s
    Overwatch au début était bien en Beta,
    l’ouverture à tous le monde à chier le système sans aucune améliorations,
    l’introduction de VACnet (barre Orange) pour envoyer des reports à fait exploser le taux de ban,
    > avec une precision de 80-95% sur ses analyses, contre 15-30% pour les humains sur les reports envoyés aux juges.

    Image

  3. Et moi qui commençait a me dire que c’était du bluff cette histoire d’anti-cheat. Dommage je ne suis plus sur CS GO …

  4. /Meanwhile in TF2

    Rencontre du Lundi de Pâques:
    4 cheaters dans une même team. Tous avec un aimbot (impossible de sortir un cheveu du spawn).

  5. Une approche similaire est faite sur d’autres titres, même si moins de détails ont été rendus publics.

    Je pense notamment à WarThunder, dont les développeurs décrivent un système similaire : ils effectuent des comparaisons entre des centaines de milliers de comportements (sur le fait de viser vers des ennemis à travers des obstacles physiques/visuels, le temps de rapprochement du viseur sur la cible, la vitesse du tir une fois l’alignement réalisé, le taux d’erreurs par rapport à ces stats), pour déceler les comportements anormaux (tirs trop rapides/trop précis pour cette vitesse) et y envoyer leur vérificateurs humains.

  6. L’une des raison pour la quelle j’ai arreté de joué a CS:GO, c’est a cause du VAC…. Qui me broie les couille parce qu’il est pas compatible avec un de mes logiciel que je refuse de délaissé pour un jeu que j’ai torché pendant +/- 20ans….

    Qu’il ce bouge la chatte un peut, ça devrais deja etre fait, ont critique star citizen et sa lenteur d’execution mais alors vavle, ont tien la palme d’ors dans le je m’en branle et je vous emmerde.

    J’attend toujours mon Half-life 2 episode 3 🙁 😀

Connectez-vous pour laisser un commentaire