06-04-2018, 09:41
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).
![[Image: VAC_ban.png]](https://nofrag.com/wp-content/uploads/2018/04/VAC_ban.png)
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.
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.
![[Image: VACNET1-450x337.jpg]](https://nofrag.com/wp-content/uploads/2018/04/VACNET1-450x337.jpg)
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.
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.
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.
![[+]](https://forum.cs-hackers.com/images/emerald/collapse_collapsed.png)
![[Image: 1515175486-screenshot-2.jpg]](https://image.noelshack.com/fichiers/2018/01/5/1515175486-screenshot-2.jpg)
