閥門反對CS中的作弊者：與VAC，守望先鋒和Vacnet一起使用。
我們有2017年已經報導：閥門可用於人工智能反恐道：全球進攻該閥旁邊用於閥門抗頰（VAC），應著迷。作為2018年遊戲開發人員會議（GDC）的一部分，Valve員工和反盪器專家John McDonald現在介紹了有關Ki的新細節，稱為Vacnet（通過PC遊戲玩家）。
更多的：Team Forress Cheaters開始戲劇，因為據稱是錯誤的咒語波
深度學習gegen騙子
VACNET基於深度學習技術，AI正在慢慢學習獨立識別模式。例如，電子藝術最近有與種子項目一個人戰場1提出了根據類似原則起作用的AI。
學習過程通過餵養髮生來自守望先鋒的數據。這意味著不是暴雪的受歡迎射擊者，而是相同的球員法庭，該法庭決定提交了所謂的作弊案件。
守望先鋒案例的數據始終相同：檢查了8發窗口的最多140張照片。射擊鼠標在大火前後不久和之後如何移動X和Y軸？玩家仲裁法院如何決定何時介紹此數據，現在提出了哪個Vacnet？
守望先鋒陪審員看過去的比賽，看看是否使用了作弊。
成功已經可以衡量
從數據和判斷中 - 通過守望先鋒，Vacnet學會了識別模式並檢查作弊。憑藉他們所學的知識，Vacnet著眼於自己的比賽，進而將獨立守望先鋒案件提交，因此玩家檢查了Vacnet是否完成了作業 - Vacnet應該學習越來越多的周期。
到目前為止，閥門似乎非常成功：玩家提交的守望先鋒案只導致15％至30％的案件轉移，空缺波動80％和95％的成功率在隨後的判斷中。而且這只能繼續上升：由於《守望先鋒》不會消失，玩家將繼續餵養數據，並始終使技術變得更好。為了在2VS2遊戲模式邊鋒中引入守望先鋒和Vacnet，一開始，成功率直接為99％。
服務器農場需要
VACNET不僅檢查了守望先鋒案例，而且還足夠。但是，AI必須檢查球員的比賽。更確切地說，所有600,000場比賽每天在CS：GO中進行的5VS5對決中進行。
為了提供計算能力，閥門購買了四個服務器底盤，每個葉片有16個葉片，每刀片安裝了54個薪酬種子和128千兆字節RAM。大約一半，大約1,700個CPU，需要VACNET。您想讓另一半以供後季陣擴展。麥當勞認為，諸如Vacnet之類的深度學習技術在實驗中非常成功，以至於它們已經在dota 2和我蒸汽中的欺詐用過的。您還與其他開發人員一起積極合作，將深度學習解決方案納入其他蒸汽遊戲，但沒有提及特定的合作夥伴。
根據麥當勞的說法，已經達到了Vacnet的第一個階段目的地：在開發之前，2016年，CS：Go-Community是作弊指控的單個迴聲室，如今的玩家會遇到連鎖商的可能性較小，而且頻率也較低。關於作弊者是社交網絡中的主要話題。但是，AI仍然非常有限，目前正專注於Aimbots。仍然很難認識到手工製作的wallhacks和非常微妙的“私人”駭客。
在專業場景中狩獵女巫：Fnatic Player Flusha是作弊者嗎？