Counter-Strike: Global Offensive - Valves Anti-Cheat-KI trainiert und lernt mit Overwatch

Valve nutzt Maschinelles Lernen, um VAC für Counter-Strike: Global Offensive besser gegen Cheater zu rüsten. Dabei handelt es sich allerdings um einen sehr aufwändigen, hardware-hungrigen und kostenintensiven Prozess.

Valve setzt im Kampf gegen Cheater in Counter-Strike: Global Offensive auf ein selbstständig lernendes Anti-Cheat-System, das aber teuer und hardware-hungrig ist. Valve setzt im Kampf gegen Cheater in Counter-Strike: Global Offensive auf ein selbstständig lernendes Anti-Cheat-System, das aber teuer und hardware-hungrig ist.

Selten genug äußert sich Valve offiziell bei Diskussionen rund um Counter-Strike: Global Offensive. Entsprechend überraschend hat sich nun das Entwicklerteam von Valve Anti-Cheat (VAC) eingeschaltet, um Einblicke in ihre derzeitige Arbeit zu liefern.

In einer Reddit-Diskussion zum Thema Spinbotting gab das VAC-Team an, dass man von hartcodierten Lösungen wegkommen möchte. Cheat-Entwickler können feste Algorithmen analysieren und ihre Cheats entsprechend updaten, um wieder unentdeckt zu bleiben - ein ewiges Wettrüsten entspinnt sich.

Viel besser ist die Entwicklung einer Anti-Cheat-KI, die über maschinelles Lernen tatsächlich klüger wird und auch auf neue Situationen auf Basis des Gelernten reagieren kann. Eine solche KI passt sich immer und immer wieder an, hat keinen statischen Algorithmus und kann von Cheat-Entwicklern daher viel schwerer ausgelesen und ausgehebelt werden. Und wenn der neue Cheat da ist, ist die KI bereits wieder einen Schritt weiter. Maschinelles Lernen für und in Computerspielen ist ein brandaktuelles Thema, egal ob Anti-Cheat-Entwicklung oder beim Training von alleinfahrenden Autos mithilfe von GTA 5.

Hoher Aufwand, hohe Kosten

Das Problem nur: Eine solche KI verschlingt selbstverständlich Unmengen an Ressourcen. Sie muss das Geschehen aus der Perspektive aller zehn Spieler in jedem Match live beobachten, analysieren und sich währenddessen natürlich auch weiterentwickeln. Täglich finden Millionen CS:GO-Matches statt, das Anti-Cheat-System muss in Echtzeit mithalten und darf nicht zu langsam rechnen, um nicht ins Hintertreffen zu geraten.

Die benötigte Rechenleistung für VACs KI kann nicht von den normalen Spielservern auch noch getragen werden, die PCs der Spieler fallen selbstverständlich auch raus. Schließlich soll der Code nicht direkt den Cheat-Entwicklern in die Hände fallen.

Valve macht es trotzdem

Eine Serverfarm ist notwendig, in der tausende Prozessorkerne gleichzeitig arbeiten, um die notwendige Rechenleistung für eine Spieleranalyse aller Matches in Echtzeit zu leisten. Die gute Nachricht von Valve: Man arbeite bereits daran.

Tatsächlich hat das VAC-Team bereits eine erste Version des lernenden Anti-Cheat-Systems gestartet, vorerst schickt die KI vermutete Fälle allerdings nur an Overwatch. Overwatch ist die Spielerüberwachung von CS:GO und hat nichts mit Blizzards Shooter gemein. Eingereichte Fälle von möglichen Cheatern werden von hunderten Spielern analysiert, die gemeinsam ein Urteil fallen. Das erste Training und die ersten Babyschritte des Anti-Cheat-Systems finden also in einer kontrollierten Umgebung statt.

Laut Valve seien die Ergebnisse bisher vielversprechend, die Arbeit scheint sich zu lohnen. Welche nächsten Schritte geplant sind und wann man mit einer richtigen Einführung rechnen kann, teilt das VAC-Team leider nicht mit. Wenn es überhaupt jemals eine offizielle Mitteilung dazu geben wird - schließlich will man die Cheater über einen Release im Dunkeln lassen.

Mehr zu CS:GO:Inferno-Remake ersetzt Map-Klassiker Dust2

Counter-Strike: Global Offensive - Trailer: Eleague Major 2017 Video starten 1:00 Counter-Strike: Global Offensive - Trailer: Eleague Major 2017

Counter-Strike: Global Offensive - Screenshots des Karten-Updates von Inferno ansehen

zu den Kommentaren (31)

Kommentare(25)
Kommentar-Regeln von GameStar
Bitte lies unsere Kommentar-Regeln, bevor Du einen Kommentar verfasst.

Nur angemeldete Benutzer können kommentieren und bewerten.