Post thumbnail

Τον Φεβρουάριο του 2017, η Valve αποκάλυψε ότι εφάρμοζε μια νέα προσέγγιση για να αντιμετωπίση τους hackers στο Counter-Strike: Global Offensive. Συχνά θα βρείτε πολλούς χρήστες που διαμαρτύρονται για τους cheaters στο CS: GO και το VACban ερχέται πολυ αργά. Για να αντιμετωπίσει αυτό η Valve στράφηκε στη μηχανική μάθηση για να τους πιάσει και τώρα ξέρουμε λίγο περισσότερο για το αυτό το σύστημα

Το VACnet είναι μια νέα τεχνική εκμάθησης μηχανών μάθησης για διακομιστές που αναλύουν το CS: GO και εντοπίζει εξαπατήσεις. Ο προγραμματιστής της VALVE John McDonald μίλησε για το σύστημα στο GDC την περασμένη εβδομάδα. Η έρευνα στο VACnet ξεκίνησε το 2016, όταν οι καταγγελίες περί εξαπάτησης στο CS: GO έφτασαν σε υψηλό επίπεδο. Αντί να συνεχίσει τον αγώνα των εξοπλισμών όπου η VALVE ανιχνεύει / απαγορεύει τους απατεώνες και οι δημιουργοί να δημιουργούν νέες εκδόσης cheat. Οι ομάδα αποφάσισε να εφαρμόσει την εκμάθηση της μηχανής για να προσαρμοστεί με την πάροδο του χρόνου και ελπίζουμε να πιάσει τους ανθρώπους πιο γρήγορα.

ΤΟ VACnet εκπαιδεύεται από τον έλεγχο των αγώνων και την υποβολή περιπτώσεων όπου μια εξαπάτηση έχει επισημανθεί στην Valve. Η ομάδα CS: GO εξετάζει τις περιπτώσεις που υποβάλλονται και θα καθορίσει την ενοχή, η οποία με τη σειρά της βοηθά τον αλγόριθμο να μάθει πώς να ανιχνεύει σωστά τους απατεώνες. Έχοντας επανεξέταση σε κάθε υπόθεση θα βοηθήσουνε επίσης τους χρήστες να μην έχουν ψευδείς απαγορεύσεις, καθώς το VACnet ξεκινάει από το την αρχή.

Πληροφορίες λένε οτι οι διακομιστές VACnet τροφοδοτούνται από 54 πυρήνες CPU και 128 GB μνήμης RAM ανά λεπίδα. Υπάρχουν 16 λεπίδες ανά σασί και τέσσερα σασί συνολικά. Συνολικά, αυτό σημαίνει ότι το VACnet τροφοδοτείται από συνολικά 3.456 επεξεργαστές. Επί του παρόντος, ηVALVE χρειάζεται μόνο 1.700 μονάδες επεξεργασίας για να χειριστεί όλα τα δεδομένα που προέρχονται από το CS: GO κάθε μέρα, αλλά αποφάσισε να πετάξει διπλάσια ισχύ στο σύστημα για να αφήσει περιθώρια για μελλοντική επέκταση.

Επιτέλους το VACnet ήρθε εδώ και 2-3 ημέρες και οι αριθμοί των bans ειναι μεγάλοι !

Facebook
Facebook
YouTube
YouTube
Instagram