游戏世界背后的秘密大战，《CS:GO》反外挂系统

每款游戏总是存在作弊的玩家，开发公司也在绞尽脑汁解决这个问题。CS:GO最近推出了“Meet VACnet”，这是由V社开发的一个深度学习系统，旨在彻底解决CS:GO中的外挂问题。让我们一起来了解一下。

所有的多媒体游戏都在与作弊者进行无休止的对抗。CS:GO在2014年迅速崛起，成为全球最受欢迎的FPS游戏之一，然而某些因素使得它更容易遭到破解。

CS:GO作为基于Source引擎开发的第十款游戏（也是CS主系列的第三款），早已积累了大量关于如何篡改V社引擎的信息。一些专为《半条命2》等老游戏设计的外挂，只需经过简单修改，也许就能在CS:GO中使用（尽管V社声称这些外挂会被检测到）。作为一款与精准度和角度相关的技能型游戏，这种设计使得外挂更具效率。游戏中的武器伤害很高，因此当落入使用外挂的玩家手中时，破坏性更大。在CS:GO中，信息和隐匿至关重要，了解对手的位置信息极具价值，这使得透视挂在游戏中如鱼得水。

根据V社的说法，反作弊斗争是“极其重要且有价值的工作”。如果你曾玩过FPS游戏，你可能注意到，几年前开始，游戏环境有所改善。Reddit上的投诉和外挂视频的出现频率显著降低，作弊行为（这种行为对竞技游戏的健康具有同样的危害性）似乎逐渐消失。伴随着大规模封禁作弊者的新闻，我们还发布了禁用账户的故事。这些被禁者占作弊者的很大一部分，那么V社究竟是如何清除这些不良玩家的呢？

作弊者未曾料到我们的行动，而玩家们对此反应热烈，我们对作弊者的严厉打击让人感觉非常爽。——McDonald

上周在旧金山举办的游戏开发者大会上，深入探讨反作弊技术的机会不多。在这个唯一的机会中，V社的程序员Jhon McDonald介绍了他和V社如何利用深度学习技术解决CS:GO的作弊问题。这一方法极其有效，因此V社正在尝试将深度学习技术应用于一系列问题，从反作弊到DOTA2的各个方面。此外，V社还积极寻求与其他工作室合作，计划在Steam平台的其他游戏中部署这种基于深度学习的反作弊方案。

解决CS:GO中的外挂问题

McDonald有一个专门用于接收CS:GO玩家邮件的私人邮箱。在2016年项目进行期间，通过在线讨论和私人邮箱中的信息，McDonald注意到“整个社区唯一在谈论的事情就是作弊”。他说，有关作弊的讨论无处不在，VAC系统的禁用数量显著增加，这也印证了V社收到的有关作弊泛滥的信息。

为了解决作弊问题，V社和McDonald将注意力转向了深度学习。深度学习潜力巨大，能够随着时间进行调整，能更有效地应对新出现的作弊技术，这一点对V社非常有吸引力。与其雇佣大量员工来处理作弊问题，深度学习可以自动解决Steam上的多个问题，选择深度学习方案是历史的必然。经过一年的开发，V社推出了广为人知的VACnet。

Overwatch是面向CS:GO玩家的回放工具，用于评估那些因不良行为而被举报的玩家。VACnet可以与Overwatch协同工作。早期的VAC是V社多年来使用的客户端和服务器端技术，用于检测玩家在游戏中运行的不良程序。但VACnet并不是老VAC的新版本。VACnet是一个全新的附加系统，运用深度学习技术来监测玩家的游戏行为，它熟悉作弊的模式，然后根据动态标准识别并禁用作弊者。

McDonald指出，有一些“微妙”的作弊手段仍然不易被察觉。在开发VACnet时，V社决定优先处理射击模式。因为在游戏中，射击模式具有独特性，易于定义。可以通过角度来评估玩家瞄准时的上下（Y轴）和左右（X轴）变化。V社能够创建一个系统，该系统能够捕捉到射击前0.5秒到射击后0.25秒之间的瞄准角度变化。这些数据与其他信息，如玩家使用的武器、敌我距离、射击结果（是否命中、未命中、爆头）等，都是独立的“数据粒子”，它们共同构成V社所称的“数据原子”，其中包含了描述每次射击的详细数据。

与以往相比，玩家遇到外挂的情况明显减少，与作弊相关的讨论也随之大幅减少。——McDonald

然而，VACnet不能仅凭一个数据原子就识别出作弊者。“我们需要一系列的数据原子，实际上，我们目前的模型需要140个。我们会从八个回合中随机抽取140个数据原子，将数据输入模型中，然后我们会思考，‘如果你将这140次射击展示给人类陪审员，你有可能被判定为作弊吗?’”

结果显示，这种方法非常有效。游戏玩家和VACnet都会举报需要在Overwatch中进行判断的疑似作弊者。而由VACnet举报的疑似作弊者，几乎都确实在作弊。

“当有人向Overwatch提交举报时，被举报玩家可能存在作弊行为的几率仅为15%到30%，这一概率会随着一系列因素变化，如不同时间、游戏发布情况、是否处于春假期间等。虽然情况多样，但关键在于：人类举报的准确率较低。”McDonald说道。“然而，VACnet的准确率很高。当VACnet提交一个举报案例时，被举报玩家作弊的可能性为80%到90%。”

VACnet与人类的良性循环

这并不意味着V社计划逐步淘汰其反作弊平台Overwatch。两者相辅相成：VACnet从Overwatch中学习检测技术。McDonald表示，“我们正在使用Overwatch，事实上，我们并没有取代所有的人类举报，而是进行了补充。这意味着VACnet有机会与人类审判员共同发展。因此，当人类审判员发现新的作弊行为时，VACnet也有机会做到同样的事情。”

McDonald补充道，为了让VACnet发现新型作弊行为，使用玩家数据对其进行再训练。在刚完成训练的那段时间内，在作弊者尚未作出相应应对前，检测准确率可能接近100%。V社在本月初悄然在CS:GO的2V2模式中加入了VACnet，McDonald表示，“这一模式下的检测准确率一度高达99%，这非常出色。作弊者没料到我们会这样做，玩家对此反应非常积极，我们对作弊者进行了有力打击，这种感觉非常好。”

每个54核刀片服务器配备128G的RAM，每个支架上安装有16个这样的服务器。

大规模反作弊系统

为了让VACnet充分运作，需要建立一个服务器集群，来处理CS:GO数百万玩家和大量数据。此外，随着CS:GO的增长，这个服务器集群也要相应扩展。目前，每天约有600,000场5V5的CS:GO比赛，而V社需要大约4分钟来处理每场比赛的数据。为评估所有比赛中的玩家，每天的CPU工作量累计达到240万分钟，大约需要1700个CPU来完成这些日常任务。

因此，V社购买了1700个CPU，随后又追加购买了1700个。McDonald表示，“所以我们有扩展的空间”，这暗示了V社计划将VACnet应用到其他游戏中。保守估计，V社在这些硬件上至少投入了数百万美元：64个刀片式服务器，每个配备54个CPU和128GB内存。仅在2017年，CS:GO的预期销售额就达到1.2亿美元，相比之下，服务器的费用显得微不足道。然而，这可能是为单个游戏建立的最强大、最先进的反作弊系统。

这项工作仍在持续推进中，但在McDonald看来，VACnet非常强大且具有潜在应用价值，不仅可以部署在非V社的游戏中，也可以应用于Stream上的其他游戏。McDonald表示：“深度学习对于行为演化是一项变革性的技术。我们认为深度学习确实帮助开发者摆脱了单调重复的工作，同时对玩家没有任何负面影响。与过去相比，现在玩家遇到作弊者的情况更少了。相比反作弊工作刚开始时，现在关于作弊的讨论也大大减少了。”

在2017年12月初，这套反作弊系统达到了一个新的里程碑：在Overwatch中，VACnet的判定准确率更高。McDonald表示：“这套系统运行得非常好。”