La policía de los 1.700 ordenadores: así combate Valve a los hackers en CS:GO

Las trampas y trucos para ganar son el pan de cada día en los juegos online. Raro es el shooter que no cuente con un aimbot —sistemas de auto-apuntado, asistencia o seguimiento de los jugadores—.

Y cuanto más popular es un juego, más tramposos encontrarás. Ya decían en Bloomberg que ‘PUBG’ andaba en problemas y que gracias a las herramientas de Tencent habían ayudado «a descubrir al menos 30 casos y arrestar a 120 personas sospechosas de diseñar programas que confieren ventajas, desde la visión de rayos X (paredes transparentes) a la orientación automática (francotiradores increíblemente precisos).

Pero a los listillos les ha salido un hueso duro, un rival capaz de tumbar las trampas más sutiles: el machine learning.

Aprendiendo del más tramposo

La comunidad de ‘Counter Strike’ siempre ha vivido un duelo respecto a las trampas. Era ese mal endémico del que ya se había dejado de hablar porque todo el mundo estaba agotado de quejarse. Y eso que hablamos de actividades criminales, como aquella vez que Shane Stephen Duffy hackeó los servidores de LoL y acabó detenido.

Hasta en los Invitational más prestigiosos daban —accidental— cabida a trampas remotas que reventaban el equilibrio de las partidas. Y sí, se baneaba mucho y con dureza, pero en los foros no se hablaba de otra cosa: los usuarios tramposo habían deformado completamente el discurso.

Algunas de estas herramientas mapean el tamaño del jugador y realizan un seguimiento de su silueta para trazar trayectorias y lograr headshots demenciales. Y esto está genial: el día que las máquinas jueguen contra sí mismas veremos este tipo de escenarios constantemente. Pero en el juego online entre personas es un delito.

Años y años de quejas que acaban de encontrar solución. Las inteligencias artificiales, ayudadas por el deep y adaptive learning, ya son capaces de descubrir las jugadas más raras e inusuales, esas que huelen a chamusquina.

VACnet es tu amigo

VAC (Valve Anti-Cheat) fue publicitado junto a la versión 1.4 de ‘Counter-Strike’. Así renunciaba la todopoderosa Valve a PunkBuster, el sistema antitrampas que operaba bajo sagas como ‘Far Cry’ o ‘Battlefield’. Valve ha venido aplicando esta capa informática a casi todos sus juegos —’Left 4 Dead’, ‘Team Fortress’ o incluso ‘Rust’—. Pero los modelos para investigar y prevenir las trampas han sido siempre similares.

VAC se ha hecho viejo. Ha sido, de hecho, objeto de controversia en más de una ocasión. En febrero de 2014 se demostró que el sistema accedía a la caché de DNS monitoreando los sitios web que visitaba el usuario.

El impacto social que demostró que, si jugabas con tramposos de manera habitual, entrabas en su lista negra y tenías más posibilidades de caer baneado. En 2016 las críticas se enconaron cuando se demostró que VAC no era capaz de hacer frente a LMAOBOX, un programa trampa que hacía Team Fortress 2 injugable.

El machine learning ha equilibrado la balanza. Y un nuevo VAC ha sido presentado en sociedad, aunque existe desde hace más de un año.

En Valve volcaron su inmensa base de datos para estudiar las cuestiones más atractivas de ‘Counter Strike’ y cómo podría ser vulnerado. Comparte también la base de datos de otros juegos, como ‘Overwatch’, así que su “conocimiento” no hace sino crecer cada día.

El precio del poder

Pero para escudriñar el más de medio millón de partidas 5v5 que se juegan diariamente en CS:GO hace falta músculo. Como apuntó para PCGamer John McDonald, Senior Software Engineer en Valve, analizar este volumen de datos provocaba un delay de cuatro minutos. Necesitaban 1.700 CPUs para realizar este trabajo diario. Así que las compraron. Actualmente cuentan con 64 servidores con 54 núcleos cada uno y 128 GB de RAM por slot.

Gracias a esta capacidad de procesado, VACnet es capaz de detectar los comportamientos inusuales en los jugadores, aprender sobre sus trampas para detectarlas con mayor celeridad.

En principio se centraron en los citados aimbots, porque son menos sutiles y más fáciles de detectar según los patrones de juego. Según el movimiento de juego son capaces de calcular dónde debería posicionarse la mirilla respecto a un eje XY. Si algo no coincide, el sistema manda una alerta.

Pero la intención de Valve pasa por ir un paso más allá y detectar las sutilezas: ¿la distancia y velocidad del jugador se corresponde con las normas del juego? ¿Esa ráfaga de disparos ha comenzado y terminado cuando debería?

Gracias a todos estos datos la aplicación puede banear de forma inflexible y sin cometer apenas errores de juicio. Tanto da, los análisis humanos son más lentos y cautelares. Y poner a cien personas a vigilar partidas en tiempo real para condenar jugadas sospechosas supondría una sangría logística y económica.

Cuando VACnet presenta un caso donde se sospecha de trampas es que hay trampas. Valve puso en movimiento la herramienta en el modo competitivo 2v2 de CS:GO y arrojó una tasa de error del 1%. Un sistema que aún está “aprendiendo”. Ya pueden echarse a temblar los “chetos”.

¿Qué opinas?

eSports Unlocked by Orange, vivimos los eSports desde dentro

Entrevistas exclusivas con las estrellas de la Superliga Orange, los mejores vídeos de eSports, las últimas novedades de los profesionales y los mejores consejos para que los amateurs puedan crecer. eSports Unlocked by Orange es esto y mucho más. Te esperamos.

Ver resultados

Calendario Orange

septiembre 2018

lun mar mié jue vie sáb dom
1
2
  • Finales Superliga Orange League of Legends
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
  • Masterclass Clash Royale #1 con Anikilo
23
24
25
26
27
28
29
  • Masterclass League of Legends #1 con ElOjoNinja
30