من خلال الجمع بين كل ما طورته #TeamRICOCHET على مدار السنوات الثلاث الماضية مع التطورات الجديدة في تقنية التعلم الآلي، تستعد RICOCHET: Anti-Cheat™ لإصدار Call of Duty®: Modern Warfare® III بآلية أقوى وأسرع لمكافحة الغش.
يساعد التعلم الآلي، جنبًا إلى جنب مع أنظمة العميل وخوادمه التي تستمر في التطور والنمو، على تطوير كل من سرعة ودقة تقنيات الوقاية وأنظمة الكشف عن الغش الخاصة بنا.
كيف يستخدم فريق #TeamRICOCHET التعلم الآلي؟
تم دمج تطورات التعلم الآلي في تقنيتنا للمساعدة في الكفاءة والسرعة في الوقاية من الغشاشين واكتشافهم والتخلص منهم. تعمل التطورات في التعلم الآلي على تعزيز قدرة فريقنا من خلال:
- فحص بيانات العميل وخادمه للعثور على سلوكيات الغش الجديدة
- إطلاق بيانات لتحدي الحسابات للتحقق من السلوك غير الطبيعي
- جمع حسابات الغشاشين وترتيبها لاتخاذ الإجراءات ضدها
يساعدنا التعلم الآلي باختصار على توقع سلوك الغش بشكل أفضل والعمل بكفاءة أفضل، مع قيام فريقنا بالتحقق من الدقة.
يعمل التعلم الآلي بتنسيق من فريقنا، حيث يوفر المعلومات لنا لنتخذ قرارات بشأن الحسابات – فنظام التعلم الآلي لا يفرض الحظر على الحسابات.
يساعد التعلم الآلي أيضًا على تحسين الأدوات الموجودة. ويعد أحد الأمثلة على كيفية استخدامنا للتعلم الآلي لتسريع قدراتنا لمكافحة الغش هو استخدام أداة "إعادة التشغيل".
التعلم الآلي x أداة التحقيق في مقاطع اللعب
في وقت سابق من هذا العام، أعلنا عن أداة تحقيق "إعادة التشغيل" التي تلتقط بيانات اللعب بحيث يمكن تحويلها إلى فيديو داخليًا، ما يسمح لفرقنا بمراجعة مباريات اللاعبين بحثًا عن السلوك السيئ. أثبتت هذه الأداة فائدتها منذ إصدارها، لكن الفريق أراد المضي قدمًا نحو هدف جديد: السرعة.
يمكن لأفراد فريق #TeamRICOCHET مراجعة حوالي 700 مقطع من مقاطع اللعب بحثًا عن الغشاشين في يوم عمل واحد.
يسهل اكتشاف الغش في بعض المقاطع: من السهل اكتشاف "الغشاشين الغاضبين"، لكن أداة "إعادة التشغيل" كانت مفيدة في تحديد المتسللين الذين استخدموا أدوات غش لمنحهم ميزة بسيطة كان من الصعب اكتشافها داخل اللعبة، مثل اختراق الجدران.
ينشط فريق #TeamRICOCHET عمليات التعلم الآلي لزيادة كفاءة جهودنا في مكافحة الغش وخصوصًا لأجل إصدار لعبة Modern Warfare III وكذلك عبر جميع ألعابنا التي تحميها RICOCHET: Anti-Cheat.
بالنسبة لأداة التحقيق في مقاطع اللعب، تقوم فرقنا بتدريب نموذج التعلم الآلي على تحديد السلوك المشبوه مثل اختراق الجدران أو إطلاق النيران على الجميع في وقت واحد (بالإضافة إلى العديد من السلوكيات الأخرى)، ويقوم على الفور بترتيب الأولويات وتنبيه الفريق لمراجعة المشكلة لاتخاذ إجراءات بشأن هذه الحسابات. يمكن لجهاز كمبيوتر واحد يعمل بهذا النموذج مراجعة ما يصل إلى 1,000 مقطع في اليوم – وهو رقم يزيد بشكل كبير عندما يتم تكليف أجهزة كمبيوتر متعددة بتشغيل نموذج التعلم الآلي للتحقق من الغش من خلال "التحقيق في مقاطع اللعب".
لقد بدأنا للتو في دمج نظام التعلم الآلي في أداة التحقيق في مقاطع اللعب، ولكننا متحمسون لرؤية كيفية تطورها بمرور الوقت. ينصب التركيز الرئيسي لهذا والعديد من التطورات على أنماط اللعب المُصنّف عبر ألعابنا، ومكافحة أي سلوك غش يصدر من شخص يحاول الفوز والتفوق على غيره بصورة غير نزيهة.
هذه إحدى الطرق العديدة التي يساعد بها التعلم الآلي في تحديد المشكلات وترتيبها حسب الأولوية لفريقنا، ما يسمح لفريق Ricochet بتطوير استراتيجيات وقائية جديدة وتقنيات الكشف والتخفيف من آثار الغش.