Valve usa 1700 CPU che lavorano senza tregua per combattere i cheater

VACnet è il nuovo sistema di Valve basato sul deep learning ideato per combattere i problemi di hacking di Counter-Strike Global Offensive, oggi lo sparatutto multiplayer più popolare. Già da tempo Valve ha pensato al deep learning per combattere il crescente fenomeno del cheating in CS:GO come in passato avevamo visto qui.

VACnet non è una versione rinnovata del tradizionale sistema anti-cheat di Valve, VAC, ma un sistema aggiuntivo che usa il deep learning per analizzare il comportamento dei giocatori, imparare come imbrogliano ed eventualmente bloccarli dinamicamente senza l'intervento umano. VACnet, infatti, lavora insieme a Overwatch, lo strumento di replay di CS:GO ideato per valutare il comportamento dei giocatori sospetti.

Il nuovo approccio si è rivelato talmente efficace che Valve ha deciso di utilizzare il deep learning "per risolvere una serie di problemi" al di là di quelli legati a CS:GO, dall'anti-frode a certi aspetti di DOTA 2. Valve, inoltre, vuole estendere VACnet ad altri studi che hanno i loro giochi su Steam. Lo ha detto John McDonald, programmatore di Valve, la scorsa settimana a San Francisco in occasione della GDC, secondo quanto riporta PC Gamer.

VACnet ha il potenziale non solo di individuare i cheater in maniera dinamica, ma anche di imparare automaticamente i modi per rispondere ai nuovi cheat introdotti man mano dagli hacker. Richiede molte risorse di elaborazione ma evita a Valve l'onere di dover assumere altro personale per occuparsi specificamente del problema.

Nel suo intervento McDonald ha ammesso che alcuni tipi di cheat continuano a rimanere "scoperti"; allo stesso tempo, però, VACnet è molto efficace nell'individuazione degli aimbot. Il sistema raccoglie dati sulle variazioni alla mira sia sull'asse X che sull'asse Y a cominciare da mezzo secondo prima dello sparo e finendo un quarto di secondo dopo lo sparo. Queste informazioni, insieme ai dati sull'arma usata, sulla distanza e sull'esito del colpo (alla testa, al torace, mancato?), rappresentano quelle che Valve definisce le "particelle" che formano un "atomo". Essenzialmente si tratta di un pacchetto di dati che descrive un colpo.

VACnet, però, non può individuare un cheater sulla base di un singolo "atomo": anzi, attualmente il sistema analizza pacchetti di 140 "atomi" prelevati da serie di 8 round. A un occhio umano questi 140 "atomi" potrebbero dire poco, ma VACnet riesce a incrociare i dati in suo possesso, a fare inferenze e a dare responsi, a detta di McDonald, quasi sempre giusti. All'interno di Overwatch, sia i giocatori che VACnet possono "riportare" i giocatori sospetti ma, a differenza dei primi, il sistema basato sul deep learning è quasi sempre preciso nell'individuazione dei cheater.

Lavoro computazionale di 2,4 milioni di minuti al giorno, che richiede l'impiego di 1700 CPU per ogni giorno da monitorare

Allo stesso tempo, VACnet non è completamente autonomo. Valve ha bisogno ancora di affidarsi a Overwatch e alle segnalazioni dei giocatori, e considera al momento VACnet solo come un'integrazione di Overwatch. Il livello di efficacia di VACnet dipende dal calendario dei rilasci dei cheat: se gli hacker non trovano metodi nuovi, si può arrivare a percentuali di individuazione dei cheat vicine al 99-100%. Si attestavano su questi livelli, ad esempio, nella prima parte del mese quando Valve ha dispiegato VACnet all'interno della modalità competitiva 2 vs 2 di CS:GO.

VACnet ha costretto Valve ad approntare una server farm dedicata al servizio. Al momento ci sono circa 600 mila partite al giorno solo per quanto riguarda la modalità 5 vs 5 di CS:GO. Per valutare il comportamento di tutti i giocatori in una partita Valve ha bisogno di elaborare i dati per quattro minuti: questo si traduce in un lavoro computazionale di 2,4 milioni di minuti al giorno, che richiede l'impiego di 1700 CPU per ogni giorno da monitorare.

Nei blade server acquistati da Valve si trovano attualmente 1700 CPU dedicate al servizio, mentre altrettanto saranno aggiunte prossimamente se il volume di partite di CS:GO giornaliere continuerà a crescere come sta facendo. Valve ha speso milioni di dollari per allestire 64 blade server con 54 core e 128 GB di RAM per ciascun blade.

Si tratta ovviamente di cifre ampiamente abbordabili per Valve se è vero che CS:GO ha portato nelle casse di Bellevue 120 milioni di dollari solamente nel 2017. Niente male per un gioco rilasciato nel 2012.

"I nostri partner grazie a VACnet registrano un numero di cheater sensibilmente inferiore e le discussioni sui cheat stanno diminuendo di molto rispetto al periodo antecedente all'introduzione del sistema", chiosa McDonald.