मुख्य जानकारी
नॉर्वेजियन यूनिवर्सिटी ऑफ साइंस एंड टेक्नोलॉजी के एक CS2 खिलाड़ी Magga_ ने यह पता लगाने के लिए कि क्या विभिन्न अकाउंट्स की संचालन आदतें एक ही व्यक्ति की हैं, अपने मास्टर डिग्री के शोध विषय के रूप में काम किया। उनका "CS डिजिटल फिंगरप्रिंट" मैच डेमो रिकॉर्ड को पढ़ता है और साथ ही माउस मूवमेंट और कीबोर्ड इनपुट का विश्लेषण करता है। इसका उद्देश्य अकाउंट बदलने वाले उपयोगकर्ताओं को खोजने में मदद करना है, न कि मौजूदा एंटी-चीट टूल को प्रतिस्थापित करना है।
रिपोर्ट में उद्धृत परीक्षण डेटा में 1,000 से अधिक खिलाड़ी शामिल हैं। शोधकर्ताओं ने कहा कि माउस सिग्नल सही खिलाड़ी को पहचान परिणामों में पहले स्थान पर रख सकते हैं, और कीबोर्ड की संबंधित पहचान दर 98% है; इसके अलावा, लगभग 500,000 अज्ञात अकाउंट जोड़ और 13 पुष्ट समान-व्यक्ति अकाउंट जोड़े की तुलना की गई। ये डेटा शोध परीक्षणों से हैं और अभी पूरी गेमिंग आबादी की वास्तविक गलत पहचान दर का प्रतिनिधित्व नहीं कर सकते हैं।
प्रक्रिया पहले संभावित रूप से संबंधित अकाउंट्स को फ़िल्टर करती है, और फिर माउस और कीबोर्ड सिग्नलों को उनके respective threshold तक पहुंचने की मांग करती है। केवल एक उच्च समानता संबंध स्थापित करने के लिए पर्याप्त नहीं है, और एक विश्वसनीय विशेषता बनाने के लिए नए अकाउंट को कई मैचों को संचित करने की भी आवश्यकता है। एक अकाउंट का कई लोगों द्वारा साझा किया जाना विभिन्न संचालन आदतों को मिलाएगा, जो कि इस पद्धति को सामना करने वाली एक सीमा भी है।
Magga_ ने विशेष रूप से जोर दिया कि यह परिणाम वर्तमान में खिलाड़ियों को बैन करने के लिए अकेले सबूत के रूप में इस्तेमाल नहीं किया जा सकता है। वह उम्मीद करते हैं कि Valve या तृतीय-पक्ष प्लेटफ़ॉर्म वास्तविक उपयोग के वातावरण में आगे सत्यापन कर सकते हैं और अकाउंट एसोसिएशन को अन्य सबूतों के साथ उपयोग कर सकते हैं। यह अभी भी शोधकर्ताओं द्वारा प्रस्तावित एक समाधान है, न कि Valve द्वारा पहले ही तैनात की गई एक नई बैनिंग प्रणाली।
