Hvordan ville du bestemme, at spilleren snyder i online skak?

Dette er faktisk et meget komplekst spørgsmål, og ikke et, som jeg ved, er løst på en tilfredsstillende måde. I det væsentlige beder vi om en algoritme til at udføre en slags omvendt Turing-test for at skelne mellem menneskelige spillere og computere.

For det første vil kontrol på klientsiden altid have svagheder, medmindre du er i komplet kontrol med klientmiljøet. Lad os tage den første idé – at kontrollere for skift mellem windows, det lyder godt. Desværre fungerede det trivielt ved at køre en skakmotor på en separat computer eller integrere min motor med klienten, så der ikke finder sted “skift af vindue” eller ændre klienten til at rapportere 0 ændringer i vinduet, eller … Der er ingen reel måde at være sikker på, at det virkelig er din kode, der kører på klienten.

Hvad vi har tilbage med er fysisk tæt kontrollerede klientmiljøer (som vil ikke ske for ethvert onlinespil) eller kontrol på serversiden, dvs. at se på de faktiske træk, der blev spillet (og måske tiden mellem bevægelserne, som du siger) og forsøge at udlede computeren eller det menneskelige aspekt .

Serversides kontrol kan også opdele et par måder. Du kan sandsynligvis prøve en “top-down” tilgang, som ville være noget i retning af “fra tidligere spil i historien, kun 2% af mennesker lavede dette skridt, mens 50% af computere gør det “. Dette ville faktisk være en ret god måde at gøre det på, hvis vi havde nok data til” en hvilken som helst given position “. skakstempo er dog så stort, at selv meget store datasæt ikke vil have et betydeligt antal spil, der matcher din position, når du først er kommet forbi det tidlige midt i spillet.

Under forudsætning af at vi ikke har nogen pålidelig statistik på den menneskelige side af ligningen, kan du stadig præsentere positionen for et antal skakmotorer (med et antal forskellige tidsindstillinger hver) og se, hvor tæt spillernes bevægelser svarer til en computers. I sig selv vil dette også føre til mange falske positive, men gentagne positive for den samme skakmotor og tidsindstillinger vil gøre det mere og mere sandsynligt, at spilleren snyder. For yderligere at forbedre dette ville jeg sandsynligvis undersøge en “bottom-up” tilgang til analyse af skakpositioner; kort sagt, forsøger at finde ud af, hvorfor mennesker og computere spiller forskelligt. For eksempel. mennesker har tendens til at genkende fælles mønstre. I et spil med “ulige” mønstre eller usandsynlige situationer er det mindre sandsynligt, at et menneske kan spille meget præcist. Ingen af disse er i sig selv særligt fordæmmende, men i betragtning af et stort antal spil vil det fremhæve tendenser for administratorer.

For at tilføje et par detaljer til din liste vil jeg gå i retning af, hvordan professorer opdage plagarisme i papirer – ved at opdage en pludselig ændring. I skak er dette ekstremt vanskeligt at definere, men en pludselig ændring i spillestil eller spilstyrke kan indikere snyd. Specifikt vil jeg se efter ikke-karakteristiske aggressive træk, der har tendens til bare at “træne” og ikke har nogen ulempe for spilleren (for nøjagtig). Tvungne kammerater i 4+ træk fra en spiller, der normalt lægger riddere på kanten af brættet osv. (det er muligt … bare ikke sandsynligt). Hvordan det ville fungere, lyder dog som om det kunne tage en hel bog (eller mere).

EDIT: Der var en artikel om snyd og afsløring i skak på øverste niveau for nylig.

Kommentarer

• menneskerne vs computere kan give falske positive i åbningen af spillet, det er meget let at husk de bedste spil
• @ ajax333221 Jeg er helt enig. I et omfang kan noget lignende gælde for slutspillet, hvor et menneske måske spiller det ret tæt på perfekt, bare baseret på forudgående viden. Når det er sagt, hvis jeg kan opdage mulig snyd i et spil, er jeg ‘ sikker på med yderligere information og sofistikeret analyse, at en computer kunne gøre det samme. Tvungen kompis i 4+ træk var et faktisk eksempel fra et nyligt online spil mod en 1050-klassificeret spiller – mildt sagt meget suggestivt …

I blitz kan du se, hvor lang tid de bruger. Folk, der bruger motorer bruger en jævn tid til hver bevægelse i stedet for at blitz gennem åbningen og sænke farten til en gennemsøgning i mellemspillet som de fleste normale spillere. Især kan de ikke spille åbningen hurtigt, fordi de er nødt til at opdatere deres computerkort efter hver åbning. Hvis de tager fem sekunder på træk to og fem sekunder på træk tyve, bruger de sandsynligvis en motor.

Kommentarer

• Jeg er usikker på, om dette var tilfældet på tidspunktet for udstationering, men tørrefisk kan acceptere den resterende tid som input til at prioritere, hvad der bevæger sig at bruge tid på.

For at give mit svar på, hvordan jeg ville nærme mig dette, ville jeg bruge en simpel idé:

• Null Hypotesetest

Ideen er, at der er et begrænset antal offentligt tilgængelige skakmotorer, lad os sige N af dem. Denne antagelse udelukker naturligvis muligheden for, at snyderen har skrevet deres egen skakmotor (eller bruger en offentligt utilgængelig skakmotor), men for at fange afslappede snydere skal dette være en stærk nok antagelse.

Anvendelsen af Null hypotesetest ville være meget enkel: for hver skakmotor X og beregne sandsynligheden p for at observere den spillede sekvens forudsat at nullhypotese at afspilleren er ikke ved hjælp af skakmotor X for at foretage bevægelserne for dem. En naiv antagelse kunne antages, at spilleren bevæger sig tilfældigt (eller tilfældigt vælger fra et valgt antal topbevægelser d_i), så sandsynligheden for en given rækkefølge af længde k matching bevæger en skakmotor X ville gøre, ville blive beregnet som (d_1)/(n_1) * (d_2)/(n_2) * (d_3)/(n_3) *...* (d_k)/(n_k) hvor d_i er antallet af mulige (øverste) bevægelser, der skal foretages ved ith drejning, som vurderet af motor X og n_i er antallet af samlede træk, der er tilgængelige for afspilleren ved tur i (eller en rimelig delmængde.)

Beregn derefter blot

p* = minimum p over all chess engine X, all subsequences y. 

Hvis p* er mindre end en bestemt tærskel, markerer afspilleren som en snyder, da der findes en efterfølgende y og skakmotor X, der giver sandsynligheden for, at afspilleren er ikke snyderi under en ønsket sandsynlighed.

Jeg tror, at analyse efter spillet giver dig den bedste chance for at identificere, om en spiller snyder. Dette kan gøres ved hjælp af det, der kaldes T3 / T4-analysen.

Dette måler grundlæggende frekvensen, hvormed en spiller vælger en af de øverste 3 eller top 4 bevægelser, der foreslås af en motor. Dette eliminerer stort set behovet for at identificere målmotoren i brug (da de generelt er enige om de øverste 4/5 bevægelser, selvom rækkefølgen af præferencer er anderledes).

Der er software tilgængelig, der kører en sæt af brugerens spil mod motorens øverste n bevægelser. Rediger:

Jeg er opmærksom på ChessAnalyse , der kan bruges til at foretage en sådan analyse. Du kan prøve den 30 dages prøveversion.

Kommentarer

• Dette kan modvirkes af en intelligent snyder, der har en vis skakviden som følger: play moves der simpelthen ikke gør din position værre og venter på din modstanders ‘ blunder, som vil kompromittere hans / hendes position. Hvis du spiller 5 til 15 minutters blitz mod nogen, der ikke har GM-styrke, vil dette helt sikkert ske før eller senere. Hvis du desuden kaster et lejlighedsvis dårligt træk ind og / eller du ikke insisterer på at vinde hvert eneste spil, er jeg ‘ sikker på, at dit snyd ikke bliver opdaget.
• @AndreaMori: Jeg er enig i, at du kan undgå nogle få situationer, men når hans / hendes vurdering forbedres, vil han være tvunget til at slå op mere og mere og til sidst blive opdaget.
• Tak, du har nævnt at der er software tilgængelig. Kan du give et eksempel?

Hvis dit websted giver brugerne et enkelt klik, får du FEN-positioner eller PGN mens spillet kører , bør du overveje at spore disse.

Nogle snydere snyder fra starten, men andre foretrækker kun at begynde at snyde, når de er i problemer, og de vil brug naturligvis kopifunktionen FEN / PGN, da det er tidskrævende at opsætte positionen manuelt.

Du skal på en eller anden måde gemme det sammen med træk på det tidspunkt, hvor han kopierede det, på denne måde kan du sammenligne fra der peger på følgende bevægelser og se om hans styrke steg stærkt ved hjælp af skakmotorer.

Men det er meget vigtigt, at du kun bruger det til at hjælpe dig med at beslutte, om han snyder, det ville være uretfærdigt for at bruge et script, der ikke bruger menneskelig indblanding, kan der være mange falske positive, for eksempel kan jeg ofte lide at kopiere positioner, mens jeg spiller for senere at analysere dem uden behov for at søge efter mit spil eller finde th et nøjagtigt træk fra PGN. Og jeg lader det ikke altid være på mit klipbræt, fordi jeg er bange for at overskrive det, så jeg flytter det til notesblok (hvilket betyder, at jeg skifter vinduer lige efter kopiering).

Kommentarer

• Dette ser ud til at adressere ” hvordan man administrerer en server ” synspunkt snarere end ” snyder min modstander? ” en (ikke at OP sagde noget om hvilken sag der var vigtig for ham). Kan være værd at nævne det, da det tog mig lidt tid at forstå, hvad du mente, og tænkte på det fra afspilleren ‘ s POV.(Godt svar … når dette først er forstået ^ _ ^ ‘)
• tak @ajax. Jeg har ikke tænkt på at gemme det træk, hvor positionen blev kopieret, og analysere forskellen mellem styrken før og efter.
• og selvfølgelig vil snyderne finde ud af og deaktivere denne sporing. eller gør deres egen kopifunktionalitet, det er ‘ ikke så svært: codegolf.stackexchange.com/questions/89647/chess-conversion

FWIW, ingen har nævnt Dr. Ken Regan ved navn, selvom pointer til Liptons blog beskriver en anden artikel i Chess Life , der diskuterer hans arbejde.

Denne artikel er meget informativ om Regans arbejde, status for detektionsteknikker, der var gældende i 2014, og FIDEs arbejde med at nedsætte et udvalg, der skulle definere og offentliggøre standarder, værktøjer og teknikker til at hjælpe TD ” s ved at udelukke snyd.