AI Anti-Cheat la solución contra los tramposos

Si eres jugador de PC, seguro que has oído hablar de los "cheaters" o incluso puede que seas uno de ellos. Este tipo de usuarios utilizan herramientas fraudulentas para hackear el juego y aprovecharse de los rivales haciendo trampas. Los "cheaters" son uno de los mayores problemas de cualquier comunidad de jugadores online y una de las prioridades para muchas compañías de videojuegos. Existen diversas medidas antitrampas y aplicaciones anti-cheat en el mercado diseñadas para detectar y bloquear a los tramposos, pero los hackers continúan refinando sus técnicas fraudulentas.

Ahora, un grupo de investigadores de la Universidad de Texas en Dallas (UT Dallas) ha desarrollado una nueva herramienta antitrampas basada en la inteligencia artificial para detectar a los "cheaters". Se trata de AI Anti-Cheat System, una herramienta basada en el machine learning y diseñada por ingenieros informáticos que ha demostrado su éxito en un estudio utilizando el videojuego Counter-Strike: Global Offensive. La herramienta creada por los investigadores de UT Dallas elimina la necesidad de desencriptar los datos y analiza directamente las características de los datos encriptados desde y hacia el servidor en tiempo real. Para ello, el equipo liderado por el doctorando y aficionado a Counter-Strike Md Shihabul Islam decidió diseñar un experimento convocando a una veintena de alumnos a varias sesiones de juego en un servidor privado de CS:GO.

Estos estudiantes descargaron tres programas fraudulentos: aimbot, que automáticamente apunta las armas hacia el enemigo; wallhack, que permite ver a través de las paredes, y speed hack, que permite al jugador moverse más rápido. A partir de ahí y tras numerosas horas de juego, los investigadores se dedicaron a analizar el tráfico enviado desde y hacia el servidor dedicado.

"La información que envían los tramposos cuando juegan es diferente", afirma el Dr. Latifur Khan, profesor de la Facultad de Ingeniería e Informática Erik Jonsson y uno de los artífices del estudio. "Nuestro objetivo es definir las características que diferencian su tráfico de datos del resto". Los datos viajan por la red en forma de paquetes o información. Los paquetes pueden ser de diferente tamaño en función de su contenido. Lo que han hecho los investigadores es analizar el número de paquetes entrantes y salientes, su tamaño, el momento de transmisión, la dirección, las consecuciones.

Por lo tanto, lo que hace la herramienta es, a través del machine learning, aprender los patrones de tráfico que envían los "cheaters". De esta manera, la herramienta es capaz de aislar esos patrones y diferenciarlos de los jugadores legales para diferenciar los comportamientos normales de los sospechosos.

El director del estudio, el doctorando Islam, afirma que su motivación para diseñar esta herramienta es que las trampas "no son justas para el resto de los jugadores". Además, según el doctorando, las compañías también deberían preocuparse por estos comportamientos, ya que perjudican al jugador que, insatisfecho, puede acabar abandonando el juego.

La herramienta no solo es capaz de detectar las trampas, sino también de penalizar al jugador.