En combinant tout ce que la #TeamRICOCHET a développé au cours des trois dernières années avec de nouvelles avancées en matière d'apprentissage automatique, RICOCHET: Anti-Cheat™ se prépare au lancement de Call of Duty®: Modern Warfare® III avec un processus plus fort et plus rapide pour lutter contre la triche.
L'apprentissage automatique, associé à des systèmes côté client et côté serveur qui continuent d'évoluer et de se développer, contribue à améliorer la vitesse et la précision de nos techniques de prévention et de nos systèmes de détection.
Comment la #TeamRICOCHET utilise-t-elle l'apprentissage automatique ?
Des avancées en matière d'apprentissage automatique ont été intégrées à notre technologie afin de contribuer à l'efficacité et à la rapidité de la prévention, de la détection et de l'élimination des tricheurs. Les avancées en matière d'apprentissage automatique améliorent la capacité de notre équipe en :
- Examen des données du client et du serveur pour trouver de nouveaux comportements de tricherie
- Émission de défis de compte pour valider un comportement anormal
- Collecte de problèmes de comptes en vue d'une action
En bref, l'apprentissage automatique (machine learning) nous aide à mieux anticiper les comportements et à opérer avec plus d'efficacité, notre équipe validant l'exactitude des données.
L'apprentissage automatique travaille de concert avec notre équipe, fournissant des informations pour prendre des décisions concernant les comptes, mais les systèmes d'apprentissage automatique n'émettent pas d'interdictions.
L'apprentissage automatique permet également d'améliorer les outils existants. L'outil de rediffusion est un exemple de la façon dont nous utilisons l'apprentissage automatique pour accélérer nos capacités anti-triche.
Apprentissage automatique x Outil de rediffusion
Au début de l'année, nous avons annoncé un outil d'enquête sur les rediffusions qui capturait les données de jeu afin de les convertir en vidéo en interne, ce qui permettait à nos équipes d'examiner les parties des joueurs pour y déceler des comportements problématiques. Cet outil a été très utile depuis son lancement, mais l'équipe souhaitait atteindre un nouvel objectif : la rapidité.
En moyenne, un coéquipier de la #TeamRICOCHET peut revoir environ 700 séquences de rediffusion au cours d'une journée donnée.
Certaines vidéos sont faciles à repérer : les tirs automatiques (rage hacking) sont faciles à repérer, mais l'outil d'enquête sur les rediffusions a permis d'identifier les pirates qui utilisaient des outils leur donnant un léger avantage, plus difficile à repérer dans le jeu, comme les piratages de murs.
Pour le lancement de Modern Warfare III, et pour tous les titres protégés par RICOCHET: Anti-Cheat, l'équipe #TeamRICOCHET active des processus d'apprentissage automatique afin d'accroître l'efficacité et la force de nos efforts anti-triche.
Pour l'outil d'investigation de rediffusion, un modèle d'apprentissage automatique est formé pour identifier les comportements suspects tels que les piratages de murs (wall hacks) ou les tirs automatiques (raging), et bien d'autres, et donne immédiatement la priorité et alerte l'équipe pour qu'elle examine le problème en vue d'une action sur le compte. Un seul PC exécutant le modèle peut examiner jusqu'à 1 000 vidéos par jour, un chiffre qui augmente de façon exponentielle lorsque plusieurs ordinateurs sont chargés de faire fonctionner ce modèle d'investigation spécifique de rediffusion pour l'apprentissage automatique.
Nous commençons tout juste à intégrer l'apprentissage automatique dans l'outil d'investigation de rediffusion, mais nous sommes impatients de voir comment il évoluera au fil du temps. L'un des principaux objectifs de ce projet et de nombreuses autres avancées est la mise en place de modes de jeu classés sur l'ensemble de nos titres, afin de lutter contre tous ceux qui tentent de grimper dans le classement de manière déloyale.
C'est l'une des nombreuses façons dont l'apprentissage automatique aide à identifier et à hiérarchiser les problèmes pour notre équipe, ce qui permet à l'équipe Ricochet de développer de nouvelles stratégies de prévention, des techniques de détection et des mesures d'atténuation.