Tesis Magister Rancang Jejak Perilaku untuk Ban Cheater CS2
Tesis magister di NTNU menguji cara mengenali pemain CS2 lewat kebiasaan memakai mouse dan keyboard. Teknologi ini berpotensi membantu menghubungkan akun baru dengan pemain yang pernah terkena ban.
Cheater yang kembali bermain dengan akun baru menjadi salah satu masalah di Counter-Strike 2 (CS2). Sebuah tesis magister di Norwegian University of Science and Technology (NTNU) mengusulkan pendekatan berbeda: mengenali pemain lewat kebiasaan mereka menggunakan mouse dan keyboard, sehingga hukuman berpotensi mengikuti pemain, bukan hanya akun.
Peneliti bernama Magga mengembangkan sistem berbasis biometrik perilaku atau behavioral biometrics. Metode ini memanfaatkan rekaman pertandingan atau demo yang sudah dihasilkan CS2, tanpa perangkat tambahan. Tujuannya, membandingkan pola permainan dari akun-akun berbeda untuk memperkirakan apakah akun tersebut digunakan oleh orang yang sama.
CS-fingerprint dari kebiasaan bermain
Gagasan di balik sistem ini bertumpu pada kebiasaan yang terbentuk ketika seseorang bermain. Pemain berulang kali melakukan gerakan seperti flick, counter-strafe, mengendalikan semprotan peluru atau spray control, serta menggunakan utility. Gerakan cepat yang dilakukan berulang kali itu lama-kelamaan menjadi semacam memori otot.
Menurut peneliti, pola input yang otomatis dan tidak disengaja tersebut dapat dipakai sebagai identitas perilaku. Hasilnya disebut “CS-fingerprint”, semacam sidik jari digital yang disusun dari cara seseorang bermain. Berbeda dari pendekatan anti-cheat yang berfokus pada aktivitas mencurigakan di dalam permainan, sistem ini mengajukan pertanyaan lain: apakah dua akun yang berbeda mungkin dikendalikan oleh pemain yang sama?
Untuk menjawabnya, algoritma membandingkan pola penggunaan mouse dan keyboard dari sejumlah demo CS2. Nama pengguna, akun, peringkat, maupun senjata dapat berubah. Namun, pemain tetap melakukan banyak input dengan cepat dan berulang. Sistem berupaya menemukan kesamaan dari pola-pola tersebut.
Hasil awal pengujian sistem anti-cheat CS2
Pengujian awal dilakukan menggunakan dataset yang mencakup lebih dari 1.000 pemain. Berdasarkan hasil yang dilaporkan, fingerprint dari mouse berhasil mengidentifikasi pemain yang tepat setiap kali. Sementara itu, fingerprint keyboard mencatat tingkat keberhasilan sebesar 98 persen.
Ketika data mouse dan keyboard digabungkan, sistem dilaporkan mampu membedakan seluruh pasangan akun yang diketahui digunakan oleh orang yang sama dari akun-akun yang tidak memiliki hubungan tersebut. Hasil itu menunjukkan potensi metode untuk menghubungkan beberapa akun melalui pola permainan, bukan sekadar mengandalkan identitas akun.
Penelitian tersebut juga menemukan dugaan akun smurf yang sebelumnya belum teridentifikasi. Beberapa hasil yang semula dianggap sebagai false positive kemudian diperiksa secara manual. Pemeriksaan itu menunjukkan bahwa sejumlah akun ternyata merupakan akun tambahan milik pemain yang sudah ada dalam dataset. Setelah akun-akun tersebut dimasukkan, sistem dapat mengenali seluruh 13 pasangan akun yang diketahui dimainkan oleh orang yang sama.
Temuan mengenai akun tambahan itu memperlihatkan bahwa fingerprint perilaku dapat berguna untuk menemukan hubungan antarakun. Namun, hasil tersebut merupakan bagian dari pengujian penelitian. Bahan yang tersedia tidak menyebut bahwa sistem ini telah diterapkan secara resmi di CS2.
Bisakah hukuman mengikuti pemain, bukan akun?
Dalam skenario yang dibayangkan peneliti, teknologi ini dapat menjadi lapisan tambahan bersama sistem seperti VAC dan Trust Factor. Jika satu akun terbukti melakukan pelanggaran, sistem bisa membantu mencari akun lain yang kemungkinan digunakan oleh pemain yang sama. Dengan demikian, pemain tidak cukup hanya membuat akun baru untuk kembali bermain.
Gagasan itu menyasar celah yang muncul ketika hukuman melekat pada akun, sementara pemain masih dapat mencoba lagi lewat akun berbeda. Magga menggambarkan sasaran akhirnya dengan ungkapan bahwa cheater “akan tertangkap sekali sebagai seseorang, dan tetap tertangkap”. Artinya, identitas perilaku diharapkan membuat pelanggaran lebih sulit dihindari dengan berganti akun.
Mengubah nama atau membuat akun baru relatif mudah. Sebaliknya, kebiasaan gerakan tangan terbentuk dari input yang dilakukan berkali-kali saat bermain. Pemain memang dapat mencoba mengubah gaya, tetapi pola seperti gerakan mouse dan kontrol dalam situasi yang membutuhkan kecepatan serta presisi menjadi fokus analisis sistem ini.
Meski hasil awalnya menjanjikan, penelitian ini belum dengan sendirinya membuktikan bahwa sistem siap digunakan sebagai mekanisme ban di lingkungan kompetitif. Pengembangan tersebut menunjukkan kemungkinan baru dalam mendeteksi hubungan antarakun, sementara penerapan sebagai lapisan anti-cheat masih menjadi gagasan. Jika kelak diadopsi, pendekatan ini dapat mengubah cara platform menghadapi pemain curang yang terus kembali dengan identitas akun baru.
