Combinando tudo o que o #TeamRICOCHET desenvolveu ao longo dos últimos três anos com novos avanços em aprendizado de máquina, o RICOCHET: Anti-Cheat™ está se preparando para o lançamento de Call of Duty®: Modern Warfare® III com um processo mais forte e rápido para combater trapaças .
O aprendizado de máquina, em combinação com sistemas do lado do cliente e do servidor que continuam a evoluir e a crescer, ajuda a aumentar a velocidade e a precisão das nossas técnicas de prevenção e sistemas de detecção.
Como o #TeamRICOCHET usa o aprendizado de máquina?
Os avanços em aprendizado de máquina foram integrados à nossa tecnologia para ajudar na eficiência e velocidade na prevenção, detecção e remoção de trapaceiros. Os avanços em aprendizado de máquina melhoram a capacidade de nossa equipe ao:
- Examinando dados de clientes e servidores para encontrar novos comportamentos de trapaça
- Emissão de desafios de conta para validar comportamento anormal
- Coletando e agrupando contas com problemas para ação
Resumindo, o aprendizado de máquina nos ajuda a antecipar melhor o comportamento e a operar com mais eficácia, com nossa equipe validando a precisão.
O aprendizado de máquina trabalha em conjunto com nossa equipe, fornecendo informações para a tomada de decisões sobre contas – mas os sistemas de aprendizado de máquina não emitem proibições.
O aprendizado de máquina também ajuda a aprimorar as ferramentas existentes. Um exemplo de como estamos usando o aprendizado de máquina para acelerar nossos recursos antitrapaça é a ferramenta Replay.
Aprendizado de Máquina x Ferramenta de Investigação Replay
No início deste ano, anunciamos uma ferramenta de investigação através de replay que capturava dados de jogo para que pudessem ser convertidos em vídeo internamente, permitindo que nossas equipes analisassem as partidas dos jogadores em busca de comportamento problemático. Esta ferramenta tem sido benéfica desde o seu lançamento, mas a equipe queria avançar em direção a um novo objetivo: velocidade.
Em média, um companheiro de equipe #TeamRICOCHET poderia revisar algo em torno de 700 clipes de replay em um determinado dia.
Alguns clipes são fáceis: o mais flagrante “hack de fúria” é simples de detectar, mas a ferramenta de investigação através de replay foi útil para identificar hackers que usaram ferramentas para lhes dar uma ligeira vantagem que era mais difícil de detectar no jogo, como hacks de parede.
Para o lançamento do Modern Warfare III – e em todos os títulos protegidos pelo RICOCHET: Anti-Cheat – a equipe #TeamRICOCHET está ativando processos do aprendizado de máquina para aumentar a eficiência e a força de nossos esforços antitrapaça.
Para a ferramenta de investigação através de replay, um modelo de aprendizado de máquina é treinado para identificar comportamentos suspeitos, como hacks de parede ou fúria (além de muitos outros), e prioriza e alerta imediatamente a equipe para analisar o problema para ação da conta. Um único PC executando o modelo pode revisar até 1.000 clipes por dia – um número que cresce exponencialmente quando vários computadores são encarregados de operar este modelo específico de investigação do aprendizado de máquina através de replay.
Estamos apenas começando a integração do aprendizado de máquina para a ferramenta de investigação através de replay, mas estamos entusiasmados em ver como ela evolui ao longo do tempo. Um foco importante para este e muitos avanços são os modos de Jogo por Ranking em nossos títulos, combatendo qualquer um que tente subir injustamente na tabela de classificação.
Esta é uma das muitas maneiras pelas quais o aprendizado de máquina ajuda a identificar e priorizar problemas para a nossa equipe, permitindo que o Team Ricochet desenvolva novas estratégias de prevenção, técnicas de detecção e mitigações.