Un giocatore di Counter-Strike 2 ha dedicato la sua tesi di laurea magistrale a un problema che chi gioca online conosce bene: i cheater bannati che tornano in partita con un account nuovo in pochi minuti. Il lavoro, realizzato alla Norwegian University of Science and Technology, propone un sistema che non blocca più soltanto il profilo, ma prova a riconoscere la persona che sta giocando.
L'idea nasce da un problema semplice da capire: oggi un ban colpisce l'account, non chi lo usa, e un cheater può ripartire da zero cambiando solo il nickname. La tesi lavora proprio su questo, usando i dati che CS2 registra già durante ogni partita per costruire un'impronta comportamentale legata al giocatore.
È una ricerca ancora sperimentale, ma i numeri che emergono dal lavoro meritano un approfondimento punto per punto, a partire da cosa sia davvero questa tesi e chi l'ha scritta, che ha raccontato il suo lavoro punto per punto in un post su Reddit.
Indice
Un'impronta fatta di mouse e tastiera
Il sistema analizza come un giocatore usa mouse e tastiera per stabilire se due account diversi appartengono in realtà alla stessa persona. Tutto parte dalle demo delle partite, i file che CS2 registra già di default senza bisogno di strumenti aggiuntivi.
Da questa analisi nasce quella che il ricercatore chiama una "CS-fingerprint", un'impronta comportamentale costruita su gesti che ogni giocatore ripete migliaia di volte: flick, counter-strafe, controllo del recoil e uso delle utility. Sono movimenti che con l'allenamento diventano automatici, quasi involontari, e per questo molto più difficili da camuffare rispetto a un nome account o a un rank.
Una tesi da 110 e lode
Nei test, su un dataset di oltre 1.000 giocatori, l'impronta basata sul mouse ha identificato correttamente la persona ogni singola volta, seppur a volte con margini ridotti. Quella basata sulla tastiera ha raggiunto una precisione del 98%. Ma la vera innovazione del sistema sta nel combinare i due fattori: il ricercatore ha dimostrato che la correlazione tra le abitudini di mouse e quelle di tastiera di due estranei è bassissima (appena lo 0,11). Richiedendo che l'identificazione avvenga su entrambi i parametri in modo del tutto indipendente, le probabilità di un falso positivo crollano.
Grazie a questo doppio filtro, il sistema ha separato con precisione assoluta tutte le coppie note di account riconducibili alla stessa persona da quelle di giocatori diversi.
Durante le verifiche iniziali erano emersi alcuni apparenti falsi positivi, ma una volta controllati manualmente si sono rivelati essere proprio account secondari (smurf) di giocatori già presenti nel dataset, non dichiarati inizialmente. Contando anche questi, il sistema ha riconosciuto correttamente tutte le 13 coppie note di account appartenenti alla stessa persona, raggiungendo un'accuratezza del 100%.
Il laureato ha raccontato che la sua tesi ha avuto il massimo dei voti.
La community di Reddit esulta
"Credo che questo possa porre fine all'evasione dei ban in Counter-Strike. Un cheater verrebbe catturato una volta, come persona, e rimarrebbe catturato. A Valve, e a qualsiasi altra piattaforma di matchmaking che legga questo, mi piacerebbe parlare e testare questo su una popolazione reale. I miei DM sono aperti. A tutti gli altri, se volete ban che siano realmente efficaci, condividete questo e fate sapere a Valve. E sono felice di rispondere a domande nei commenti" ha scritto l'universitario.
L'appello non è certo passato inosservato: il post è stato travolto da una valanga di reazioni ed entusiasmo unanime. Tra chi suggerisce spunti tecnici per affinare l'algoritmo, chi chiede a gran voce di poter consultare il documento originale e chi spera che Valve ingaggi subito il giovane ricercatore, la risposta della community è chiarissima: questo progetto potrebbe essere il punto di svolta che i giocatori attendevano da anni.
Accedi a tutti gli appunti
Tutor AI: studia meglio e in meno tempo
