- 版权类型
- 原创
- 版权链接
- #
AI-AC:半开源时频变换+深度学习云反作弊(云服务端也公开)
QQ群 764360489
源代码
一个旨在打破垄断的开源人工智能反作弊项目。检测MC中杀戮光环的使用。A bukkit/spigot plugin that detects killaura cheat in minecraft servers,featuring open-source,cloud-calculation&AI. - GitHub - huzpsb/AIAClient: 一个旨在打破垄断的开源人工智...
github.com
简介
人工智能领导的反作弊市场已经被闭源付费垄断很久了。我要打破它。本项目只是POC，并没有完善人工智能以外的其他部分。即本项目的唯一功能是：在假设所有攻击全部是能够被完成的前提下，判断玩家是否使用了第三方瞄准工具。（推荐配合Grim食用）
原理
在明确了本工具只是一个技术测试项目的前提下，我们可以来聊一聊原理而不是急着说该怎么用。首先，是采样。采样部分全部开源。
采样分为2步。
第一步，是计算SHB(SignedHitBox)
什么是SHB?简单而言，SHB大小等于攻击一个实体，实体所需的最小正方形HitBox。
没听懂？没事，有图：
SHB的符号取决于箭头相对于连线是顺时针还是逆时针。
第二步，是进行FFT。
什么事FFT?唉，好累，不想码字。得了，传送门
有的人可能会问，诶你在说什么我听不懂诶SHB不是实数吗，怎么变成复数了?实数就是复数的一部分呢~你品,你细品。
然后，是通讯。通讯部分客户端开源。
通讯其实 不就是普普通通的C/S架构嘛。
采样时，我们会得到一个流式的数据。这对FFT与特征提取带来了很大的障碍。怎么办呢？
切分。我在这里选择将数据22改一组，切割后发送给服务端。
服务端计算返回分类。
对了，差点忘了一个很重要的问题：明明只是一个反作弊插件，为什么要搞什么C/S架构？
因为Matrix、Reflex、AAC都是这么搞的，所以我直接借鉴了，正好蹭一下云概念的热度
因为体积。众所周知，Java作为编程语言，最大的缺点是慢。太慢了。C++快。都但是C++它不好写，更无法直接与MC交互。怎么办呢？
有一个叫JavaCPP的桥梁。但是JavaCPP心宽体胖（？），所以导致打包后直接150MB就去了。
你不可能一个插件150MB，对吧？
所以只能采用C/S架构。服务端是多线程的，不用担心卡顿，并且我还进行了基准性能测试，每秒，我的笔记本，可以处理150次请求。相当于在起床战争中的一万名玩家（假设玩家三秒一次有效攻击）的数据量。
最后，是训练与计算。本部分不开源。但是也不混淆。你们，看着办。
通讯写好了，最难的还是得扛。来吧！
首先，我构造了一个5层的神经网络，节点数为22,30,30,30,3。
刚开始，我以为我所有努力白费了。因为模型死活不收敛。
后来，因为一次意外，我训练次数多打了亿个0，然后就去睡觉了
第二天起来，我发现这个训练了13万次的神经网络后验准确率已经有了99%。
这个模型就这我发布的演示版内。
计算没什么新鲜的，得了，略去（doge）
使用方法
终于入题了是吧1, 运行AI-AC服务端。
应该，都会吧？
2, 为自己创建账号。
set <用户名> <有效期(天)> <调用次数限制>
这个用户名只是标识符。与客户端（mc服务端）无关。
事实上，mc插件里面就没有对应登录的配置。
可能有人问，你服务端这些圈钱功能都写好了，我可以拿它圈钱吗？
嗯，是这样的，我写这些功能的初衷是希望群组等共享反作弊的计算资源，并且易于计量各方投入，而不是拿它圈钱。当然如果你能一边遵守AGPL一边圈钱，我也拦不住你。
3, 配置MC服务端
服务端配置文件如下：
#是否显示调试信息，如序列异常，vl等
debug: false
#AI服务器地址
server: "127.0.0.1"
#AI端口
port: 1451
#惩罚指令
cmd: "ban %p"
其中server、port与刚才的服务端一致即可。
设置好惩罚命令，好了没了。
对了，目前这个插件不适合生产使用。但是测试，应该，问题不大，吧？
捐献数据
不需要懂Java，不影响游戏，您们的数据对我很重要！非常简单，方法如下
1，输入/type <你的数据名称>
2，继续游戏
3，在结束时向我提交您的服务端下的AI-AC文件夹
数据名称请包含：
昵称，是手打还是G，如果是G是KA的Single,Multi还是AimBot(Trigger/AutoClicker不算G)
除此之外，数据名称请尽可能不要更换。万分感谢！
下载地址
https://huzpsb.lanzouw.com/b09heaish密码:74i4
完结撒花
捐献数据: 邮件到[email protected] 标题注明[AI-AC捐献]捐献资金：https://afdian.net/@huzpsb
感谢来自华中科技大学数学系的刘老师，光学与电子信息学院的郑老师，The Eclipse Deeplearning4J (DL4J) ecosystem
