Please use this identifier to cite or link to this item: https://er.chdtu.edu.ua/handle/ChSTU/10263
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorЛАВДАНСЬКИЙ, Артем-
dc.contributor.authorПАНЧЕНКО, Сергій-
dc.date.accessioned2026-10-27T06:49:06Z-
dc.date.available2026-10-27T06:49:06Z-
dc.date.issued2026-
dc.identifier.urihttps://er.chdtu.edu.ua/handle/ChSTU/10263-
dc.description.abstractМетою даної кваліфікаційної роботи на здобуття освітнього ступеня «бакалавр» є комплексне дослідження вразливостей сучасних засобів захисту ігрового програмного забезпечення та розробка програмного прототипу зовнішнього засобу втручання (Color Trigger) як дослідницького стенда для оцінки ефективності античит-систем. Загальний обсяг роботи становить 93 сторінки. У роботі 12 рисунки, 1 таблиця, 15 формул. Для виконання роботи використано 22 літературних джерел. Основними завданнями кваліфікаційної роботи є аналіз еволюції ігрових загроз, дослідження архітектурних вразливостей Р2Р та клієнт- серверних мереж, вивчення принципів роботи сучасних античитсистем рівня ядра Ring 0, математичне моделювання виявлення аномалій у геймплеї, дослідження апаратних DMA та програмних методів обходу захисту, а також розробка Python проєкту для автоматизації реакції на обраний колір пікселя на матриці екрана. Стислий опис розділів кваліфікаційної роботи бакалавра охоплює шість логічних етапів дослідження. У першому розділі наведено загальну постановку задачі. Другий розділ містить аналіз проблематики несанкціонованого втручання, еволюції загроз, типології читів та вразливостей архітектури мережевих ігор. Третій розділ присвячено дослідженню методів та систем захисту ігрових даних, включаючи принцип роботи Kernellevel античитів та критерії оцінки їхньої ефективності. У четвертому розділі запропоновано математичну модель виявлення аномалій у геймплеї на базі ймовірнісних методів, поведінкових алгоритмів та статистичного аналізу відхилень. П’ятий розділ описує механізми обходу систем захисту, зокрема апаратні атаки за технологією DMA, накладання відеосигналу та програмні вектори атак. Шостий розділ містить опис програмної реалізації дослідного прототипу мовою Python із використанням алгоритмів захоплення екрана та симуляції вводу через API DirectX.uk_UA
dc.language.isoukuk_UA
dc.subjectАНТИЧИТСИСТЕМИuk_UA
dc.subjectКОМП’ЮТЕРНІ ІГРИuk_UA
dc.subjectВРАЗЛИВІСТЬuk_UA
dc.subjectКІБЕРБЕЗПЕКАuk_UA
dc.subjectPYTHONuk_UA
dc.titleЗагрози безпеки та захист комп’ютерних ігор від несанкціонованого втручанняuk_UA
dc.typeBachelor Thesisuk_UA
Appears in Collections:123 Комп’ютерна інженерія (Комп'ютерні системи та мережі)

Files in This Item:
File Description SizeFormat 
1_ТИТУЛКА_Панченко_Друк-merged.pdf
  Restricted Access
2.88 MBAdobe PDFView/Open Request a copy


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.

Extracted text
МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ
ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ
ФАКУЛЬТЕТ ІНФОРМАЦІЙНИХ ТЕХНОЛОГІЙ І СИСТЕМ
КАФЕДРА ІНФОРМАЦІЙНОЇ БЕЗПЕКИ ТА КОМП’ЮТЕРНОЇ ІНЖЕНЕРІЇ
ПОЯСНЮВАЛЬНА ЗАПИСКА
до кваліфікаційної роботи бакалавра
на тему: «Загрози безпеки та захист комп’ютерних
ігор від несанкціонованого втручання»
ЧДТУ.262208.008 ПЗ
Виконав: студент 4 курсу, групи КМ-2205
спеціальності 123 – «Комп’ютерна інженерія»
за освітньою програмою – «Комп’ютерні системи
та мережі»
Сергій ПАНЧЕНКО
Керівник
к.т.н., доцент
Артем ЛАВДАНСЬКИЙ
Рецензент
к.т.н., старший викладач кафедри інформаційних
технологій Черкаського Національного
університету ім. Б. Хмельницького
Тетяна СТАБЕЦЬКА
«ЗАХИСТ ДОЗВОЛЯЮ»
Завідувач кафедри ІБ та КІ
к.т.н., доцент __________ Артем ЛАВДАНСЬКИЙ
Черкаси 2026 року
Форма № Н-9.01
ЧЕРКАСЬКИЙ ДЕРЖАВНИЙ ТЕХНОЛОГІЧНИЙ УНІВЕРСИТЕТ
Факультет: інформаційних технологій і систем
Кафедра: інформаційної безпеки та комп’ютерної інженерії
Освітньо-кваліфікаційний рівень: Бакалавр
Спеціальність 123 – Комп’ютерна інженерія
Освітня програма Комп’ютерні системи та мережі
«ЗАТВЕРДЖУЮ»
Завідувач кафедри ІБ та КІ
к.т.н., доцент __________ Артем ЛАВДАНСЬКИЙ
«16» березня 2026 року
ЗАВДАННЯ
на кваліфікаційну роботу бакалавра студенту
Панченку Сергію Олександровичу
(прізвище, ім‘я, по батькові)
1. Тема роботи: Загрози безпеки та захист комп’ютерних ігор від
несанкціонованого втручання
Керівник роботи: к.т.н., доцент Лавданський Артем Олександрович
(прізвище, ім’я, по батькові, науковий ступінь, вчене звання)
затверджені наказом університету від «12» березня 2026 р. № 56/03-03
2. Строк подання студентом роботи:
3. Вихідні дані до роботи:
1. Мова програмування: Python;
2. Використані бібліотеки: mss, numpy, tkinter, pydirectinput;
3. Час реакції програми: не більше 50 мс;
4. Тип втручання: зовнішній, без втручання в пам’ять цільового додатка.
4. Зміст розрахунково-пояснювальної записки (перелік питань, що їх належить розробити):
Вступ
1. Постановка задачі
2. Аналіз проблематики несанкціонованого втручання в комп'ютерні ігри
3. Дослідження методів та систем захисту ігрових даних
4. Математичне моделювання виявлення аномалій у геймплеї
5. Дослідження та моделювання механізмів обходу систем захисту
6. Програмна реалізація дослідного прототипу та алгоритмів автоматизації
Висновки
Додатки. Список використаних джерел
5. Перелік графічного матеріалу (з точним зазначенням обов’язкових креслень, плакатів):
1. Специфікація
2. Інструкція користувача
3. Текст програми
6. Консультанти розділів роботи:
Розділ Прізвище, ініціали Підпис, дата
консультанта завдання видав завдання прийняв
7. Дата видачі завдання: 16 березня 2026 року
КАЛЕНДАРНИЙ ПЛАН
Термін
№ з/п Назва етапів роботи виконання Примітка
етапів роботи
1 Збір матеріалу 17.03 – 25.03 виконано
2 Обробка матеріалу 26.03 – 07.04 виконано
3 Дослідження апаратних та програмних методів виконано
обходу античит-систем 08.04 – 14.04
4 Вибір середовища для розробки прототипу 15.04 – 16.04 виконано
5 Розробка прототипу засобу втручання 17.04 – 30.04 виконано
6 Тестування програмного прототипу та аналіз виконано
отриманих даних 01.05
7 Оформлення пояснювальної записки 02.05 – 04.05 виконано
8 Оформлення графічного матеріалу 05.05 виконано
9 Попередній захист роботи (передзахист) 06.05 виконано
10 Подання роботи на відгук та рецензування 13.05 виконано
11 Захист роботи 04.06 виконано
Студент ___________________________ Сергій ПАНЧЕНКО
(підпис)
Керівник роботи ___________________________ Артем ЛАВДАНСЬКИЙ
(підпис)
АНОТАЦІЯ
Метою даної кваліфікаційної роботи на здобуття освітнього ступеня
«бакалавр» є комплексне дослідження вразливостей сучасних засобів захисту
ігрового програмного забезпечення та розробка програмного прототипу
зовнішнього засобу втручання (Color Trigger) як дослідницького стенда для
оцінки ефективності античит-систем.
Загальний обсяг роботи становить 93 сторінки. У роботі 12 рисунки, 1
таблиця, 15 формул. Для виконання роботи використано 22 літературних
джерел.
Основними завданнями кваліфікаційної роботи є аналіз еволюції
ігрових загроз, дослідження архітектурних вразливостей Р2Р та клієнт-
серверних мереж, вивчення принципів роботи сучасних античитсистем рівня
ядра Ring 0, математичне моделювання виявлення аномалій у геймплеї,
дослідження апаратних DMA та програмних методів обходу захисту, а також
розробка Python проєкту для автоматизації реакції на обраний колір пікселя
на матриці екрана.
Стислий опис розділів кваліфікаційної роботи бакалавра охоплює шість
логічних етапів дослідження. У першому розділі наведено загальну
постановку задачі. Другий розділ містить аналіз проблематики
несанкціонованого втручання, еволюції загроз, типології читів та
вразливостей архітектури мережевих ігор. Третій розділ присвячено
дослідженню методів та систем захисту ігрових даних, включаючи принцип
роботи Kernellevel античитів та критерії оцінки їхньої ефективності. У
четвертому розділі запропоновано математичну модель виявлення аномалій у
геймплеї на базі ймовірнісних методів, поведінкових алгоритмів та
статистичного аналізу відхилень. П’ятий розділ описує механізми обходу
систем захисту, зокрема апаратні атаки за технологією DMA, накладання
відеосигналу та програмні вектори атак. Шостий розділ містить опис
програмної реалізації дослідного прототипу мовою Python із використанням
алгоритмів захоплення екрана та симуляції вводу через API DirectX.
Ключові слова: АНТИЧИТСИСТЕМИ, КОМП’ЮТЕРНІ ІГРИ,
ВРАЗЛИВІСТЬ, КІБЕРБЕЗПЕКА, PYTHON
ABSTRACT
The aim of this undergraduate dissertation is to conduct a comprehensive
study of the vulnerabilities in modern gaming software protection mechanisms and
to develop a software prototype of an external intervention tool (Color Trigger) as
a testbed for evaluating the effectiveness of anti-cheat systems.
The total length of the paper is 93 pages. It contains 12 figures, 1 table and
15 equations. A total of 22 references were used in the preparation of this paper.
The main objectives of this thesis are to analyse the evolution of gaming
threats, investigate architectural vulnerabilities in P2P and client-server networks,
examine the principles of modern Ring 0 kernel-level anti-cheat systems,
mathematically model the detection of anomalies in gameplay, investigate
hardware DMA and software methods for bypassing security, as well as develop a
Python project to automate the response to a selected pixel colour on the screen
matrix.
A brief description of the chapters of the bachelor’s thesis covers six logical
stages of the research. The first chapter presents the general problem statement.
The second chapter analyses the issue of unauthorised interference, the evolution
of threats, the typology of cheats, and vulnerabilities in the architecture of online
games. The third chapter is devoted to the study of methods and systems for
protecting game data, including the operating principle of kernel-level anti-cheat
systems and criteria for assessing their effectiveness. The fourth chapter proposes a
mathematical model for detecting anomalies in gameplay based on probabilistic
methods, behavioural algorithms and statistical analysis of deviations. The fifth
chapter describes mechanisms for bypassing protection systems, in particular
hardware attacks using DMA technology, video signal overlay and software attack
vectors. The sixth chapter contains a description of the software implementation of
an experimental prototype in Python, using screen capture algorithms and input
simulation via the DirectX API.
Keywords:ANTI-CHEAT SYSTEMS, COMPUTER GAMES,
VULNERABILITIES, CYBERSECURITY, PYTHON
ЗМІСТ
ВСТУП……………………………………………………………………………..4
1 ПОСТАНОВКА ЗАДАЧІ……………………………………………………..5
2 АНАЛІЗ ПРОБЛЕМАТИКИ НЕСАНКЦІОНОВАНОГО ВТРУЧАННЯ В
КОМП’ЮТЕРНІ ІГРИ…………………………………………………….….7
2.1 Еволюція загроз безпеці в ігровій індустрії та кіберспорті…………7
2.2 Типологія читів: від втручання в пам'ять до апаратних рішень.…..11
2.3 Вразливості архітектури мережевих ігор (Peer-to-Peer та Клієнт------
-Сервер)……………………………………………….…………….…14
3 ДОСЛІДЖЕННЯ МЕТОДІВ ТА СИСТЕМ ЗАХИСТУ ІГРОВИХ ДАНИХ
…………………………………………………….…………….…………….17
3.1 Принципи роботи сучасних античит-систем.……………………….17
3.2 Аналіз античит-рішень на рівні ядра (Kernel-level anti-cheat).….…21
3.3 Критерії оцінки ефективності та продуктивності захисних систем.28
4 МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ВИЯВЛЕННЯ АНОМАЛІЙ У
ГЕЙМПЛЕЇ………………………………………………….……………….34
4.1 Формалізація задачі виявлення несанкціонованого втручання……34
4.2 Поведінкові алгоритми та статистичний аналіз відхилень
поведінки………………………………………………………………38
4.3 Розрахунок ймовірності хибних спрацьовувань (False Positives)….41
5 ДОСЛІДЖЕННЯ ТА МОДЕЛЮВАННЯ МЕХАНІЗМІВ ОБХОДУ
СИСТЕМ ЗАХИСТУ…………………………………………………………45
5.1 Апаратний обхід за допомогою технології DMA та накладання
відеосигналу……………………………………………….…….…….45
ЧДТУ.262208.008 ПЗ
Змн. Арк. № докум. Підпис Дат
РозрКобив Панченко С. О. а Літ. Лист Листів
Керівник Лавданський А. Загрози безпеки та 2 97
Рецеанзент ОСт. абецька Т. захист комп’ютерних
Н.Контроль Гресько С.О. ігор від Кафедра ІБ та КІ
Затвфердив Лавданський А. несанкціонованого гр. КМ-2205
втручання
е О. Пояснювальна записка
д
р
а
К
К
-
0
6
5.2 Програмні вектори атак: перехоплення трафіку та ін'єкції в
пам'ять…………….………………………….……….……………….50
5.3 Аналіз вразливостей архітектури клієнт-сервер…….……..……….53
6 ПРОГРАМНА РЕАЛІЗАЦІЯ ДОСЛІДНОГО ПРОТОТИПУ ТА
АЛГОРИТМІВ АВТОМАТИЗАЦІЇ……………………………………..….56
6.1 Пропозиції щодо покращення захисту та архітектура захисного
модуля……………………………………………………………….…56
6.2 Реалізація алгоритмів захоплення екрана та колірного
розпізнавання………………………………………………………….60
6.3 Розробка графічного інтерфейсу та алгоритми симуляції вводу.....63
ВИСНОВКИ……………………………………………………………………...68
ПЕРЕЛІК СКОРОЧЕНЬ ТА УМОВНИХ ПОЗНАЧЕНЬ……………………...70
ДОДАТКИ:
А – 482.ЧДТУ.62208-01 Загрози безпеки та захист комп’ютерних ігор
від несанкціонованого втручання
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ……………………………...………..91
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 3
а
ВСТУП
Метою кваліфікаційної роботи бакалавра є комплексне дослідження
вразливостей сучасних засобів захисту ігрового програмного забезпечення та
розробка програмного прототипу зовнішнього засобу втручання Color
Trigger, як дослідницького стенда для оцінки ефективності античит-систем.
Актуальність обраної теми зумовлена стрімким розвитком індустрії
кіберспорту, де забезпечення чесної гри та Competitive Integrity є критичним
фактором успіху будь-якого проєкту. У відповідь на вдосконалення античит-
систем рівня ядра Ring 0, які успішно блокують прямі ін’єкції в пам’ять,
зловмисники перейшли до використання “зовнішніх” систем (External
Cheats), що функціонують поза адресним простором гри. Дослідження таких
засобів, які використовують методи комп’ютерного зору для аналізу
відеопотоку та симулюють апаратне введення, є надзвичайно важливим для
побудови нових парадигм захисту.
Рівень вивченості теми свідчить про ґрунтовне опрацювання в
академічному середовищі методів сигнатурного аналізу та захисту
оперативної пам’яті від вірусного програмного забезпечення. Проте питання
протидії “пасивним” загрозам, що базуються на швидкому захопленні кадрів
(бібліотеки рівня mss) та математичному розпізнаванні колірних патернів
(numpy, PIL), залишаються недостатньо висвітленими. Це створює
методичний вакуум у розробці алгоритмів детектування програмної
симуляції пристроїв введення через API рівня DirectX.
Завданнями роботи є аналіз еволюції ігрових загроз, дослідження
архітектурних вразливостей систем, що забезпечують несанкціонований
аналіз візуальних даних екрана, а також розробка автономного Python-
прототипу для автоматизації реакції на зміну піксельної матриці. Додатково
передбачено оцінку ефективності рішення та формування пропозицій щодо
вдосконалення поведінкових аналізаторів безпеки.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 4
а
1 ПОСТАНОВКА ЗАДАЧІ
Метою кваліфікаційної роботи бакалавра є дослідження архітектурних
вразливостей сучасних систем захисту ігрового програмного забезпечення до
методів пасивного аналізу візуальних даних та розробка програмного
прототипу зовнішнього засобу автоматизації Color Trigger для демонстрації
механізмів обходу античит-рішень.
Реалізація поставленої мети передбачає виконання низки інженерних та
науково-технічних завдань, що починаються з глибокого аналізу методів
швидкого захоплення відеопотоку в режимі реального часу. Для цього
необхідно дослідити та впровадити алгоритми отримання кадрів екрана за
допомогою спеціальних бібліотек, зокрема mss, що дозволяють досягти
високої частоти оновлення кадрів при мінімальному навантаженні на
центральний процесор. Ключовим етапом є розробка алгоритму колірного
розпізнавання на основі математичної обробки матриць бібліотекою numpy,
що має забезпечити точну ідентифікацію цільових патернів у зоні пошуку
(FOV) з урахуванням динамічних змін освітлення та графічних похибок
рендерингу.
Окрім аналітичної частини, задача включає реалізацію модуля
симуляції апаратних переривань через низькорівневі API для імітації
натискань маніпулятора, що дозволяє обходити стандартні програмні фільтри
операційної системи. Процес розробки також охоплює проектування
інтерактивного графічного інтерфейсу для гнучкого керування параметрами
тригера, такими як вибір колірного діапазону, налаштування затримки
реакції та визначення радіуса пошуку. Для забезпечення стабільності роботи
комплексу на різних конфігураціях систем сімейства Windows необхідно
реалізувати автономний модуль управління залежностями, який автоматизує
перевірку та інсталяцію необхідного програмного оточення.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 5
а
Завершальним етапом є експериментальне тестування працездатності
прототипу в ігровому середовищі та оцінка його здатності уникати
детектування існуючими античит-системами, що базуються на моніторингу
адресного простору та сигнатурному аналізі пам’яті. До розроблюваного
продукту висуваються суворі вимоги щодо повної автономності
функціонування без втручання в пам'ять цільового додатка, забезпечення
високої швидкодії з часом реакції не більше 50 мілісекунд, а також
підвищеної скритності за рахунок мінімізації використання стандартних
бібліотек високого рівня, які легко відстежуються системами моніторингу
поведінки.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 6
а
2 АНАЛІЗ ПРОБЛЕМАТИКИ НЕСАНКЦІОНОВАНОГО ВТРУЧАННЯ
В КОМП'ЮТЕРНІ ІГРИ
2.1 Еволюція загроз безпеці в ігровій індустрії та кіберспорті
Ігрова індустрія зазнала радикальної трансформації та перетворилася з
конкурентної форми розваг на багатомільярдний глобальний бізнес. Ігрове
середовище включає прості мобільні додатки, жорсткі кіберспортивні
змагання та передові технології віртуальної реальності. Зростання грошової
цінності та соціального статусу в іграх призвело до зростання ризиків
кіберзагроз. Початкова загроза комп'ютерних ігор полягала в маніпуляціях
локальною пам'яттю, а онлайн-ігри призвели до серйозної еволюції
кіберзагроз.
Кіберзлочинці тепер розглядають ігрові платформи та гравців як легкі
мішені, які надають великі кошти. Така поведінка наражає на небезпеку
звичайних користувачів і наражає на небезпеку гравців кіберспорту та
стримерів, а також наражає на шкоду організаторів турнірів. Облікові записи
та цифрова репутація професійних гравців слугують їхнім основним
джерелом доходу, що робить їх цінними цілями, які стикаються з певними
загрозами атак.
З моменту переміщення ігрового бізнесу в інтернет, компрометація
кінцевих пристроїв гравців стала одним із найпоширеніших методів атаки.
Фішинг - це один із методів соціальної інженерії, який застосовують
зловмисники: фальшиві електронні листи, повідомлення, що надсилаються в
чатах ігрових додатків, або посилання в соціальних мережах, які
створюються з метою обману користувачів для введення їхніх облікових
даних.
Ще одним поширеним методом є розповсюдження шкідливого
програмного забезпечення під виглядом ігрового контенту. Гравці, які
зацікавлені в грі з несправедливою перевагою або бажають грати в платний
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 7
а
контент без оплати, часто отримують доступ до неперевірених файлів, які
також називають патчами, фанатськими модифікаціями або чітами.
Фактично, ці файли приховують встановлення троянських програм, які
дозволяють зловмисникам красти фінансову інформацію, особисті дані та
натискання клавіш [12, 9].
Атаки з використанням заповнення облікових даних є значною
загрозою для безпеки вашого особистого ігрового облікового запису.
Оскільки більшість гравців використовують однакові паролі на різних
платформах, зловмисники використовують викрадені бази даних для
здійснення автоматизованих масових спроб входу в ігрові облікові записи.
Після того, як зловмисник отримав контроль над обліковим записом, він
може перепродавати незвичайні ігрові предмети та торгувати цифровою
валютою на чорному ринку або розповсюджувати більше шкідливого
програмного забезпечення, використовуючи обліковий запис.
З розвитком змагального геймінгу та кіберспорту, головною
інфраструктурною загрозою стали DDoS-атаки (Distributed Denial-of-Service).
Статистика на рисунку 2.1 свідчить, про безперервне та агресивне зростання
цього типу загроз. Лише у першому півріччі 2024 року загальна кількість
DDoS-атак у світі зросла на 46% порівняно з аналогічним періодом
попереднього року, досягнувши позначки у 445 000 інцидентів у другому
кварталі 2024 року [4].
Якщо у другому кварталі 2024 року кількість інцидентів становила 445
000, то вже у першій половині 2025 року світовий показник перетнув
позначку в 1,17 мільйона атак, що свідчить про зростання на 41% відносно
попереднього року. Тенденція збереглася і на початку 2026 року: на рисунку
2.1 показано, як за прогнозними та фактичними даними першого кварталу,
кількість атак сягнула рекордних 820 000 інцидентів на квартал.
Паралельно з кількісним зростанням відбувається і технологічне
ускладнення: пікова потужність атак у 2025 - 2026 роках досягла критичних 6
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 8
а
Тбіт/с. Це створює безпрецедентне навантаження на магістральні канали
зв’язку, роблячи традиційні методи фільтрації трафіку недостатніми без
застосування інтелектуальних систем захисту в реальному часі.
Рисунок 2.1 – Динаміка зростання кількості DDoS-атак у 2023–2026 роках
Ігрова та азартна галузі продовжують залишатися абсолютною
мішенню номер один для зловмисників: на них припадає 49% від загальної
кількості всіх DDoS-атак. Якщо розглядати атаки виключно на мережевому
рівні (L3-4 за моделлю OSI), частка ігрової індустрії становить 47%, як
показано на рисмунку 2.2 [3]. Висока вразливість цього сектору зумовлена
специфікою архітектури комп'ютерних ігор: вони вимагають безперервної
взаємодії в реальному часі та мінімальних затримок - Ping [3]. Навіть
короткочасна затримка або втрата пакетів може критично вплинути на
результати кіберспортивного матчу.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 9
а
Рисунок 2.2 – Розподіл мережевих DDoS-атак (L3-4) за галузями
Еволюція DDoS-атак в іграх демонструє перехід від простого “грубого”
флуду до більш витончених, сфокусованих тактик. Найчастіше для атак на
мережевому рівні використовуються UDP-флуди, які експлуатують
вразливості в протоколах зв'язку [4]. Цікавою є зміна парадигми тривалості
атак: в ігровій галузі зловмисники все частіше застосовують короткотривалі,
але високочастотні атаки. Їхня мета - не повністю вивести сервер з ладу, а
постійно погіршувати якість з'єднання (деградація сервісу), що викликає
роздратування у гравців і змушує їх переходити на сервери або проекти
конкурентів [4]. Крім того, цілеспрямовані DDoS-атаки часто застосовуються
безпосередньо проти окремих кіберспортсменів або стрімерів під час
важливих трансляцій для їхньої дискваліфікації або фінансового
шантажу [12].
Технологічний прогрес неминуче призводить до появи нових векторів
атак. У міру того, як ігрова індустрія інтегрує технології Web3, такі як
блокчейн та невзаємозамінні токени (NFT), з'являються нові вразливості на
рівні смарт-контрактів та криптовалютних гаманців гравців [12].
Окремим викликом є стрімкий розвиток технологій штучного
інтелекту. У сфері кібербезпеки штучний інтелект став інструментом
подвійного призначення: з одного боку, розробники та фахівці з безпеки
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 10
а
використовують його для прискореного виявлення аномальної поведінки
гравців та запобігання атакам; з іншого боку, хакери застосовують машинне
навчання для створення ідеально переконливих фішингових кампаній,
генерації поліморфного шкідливого коду та створення AI-ботів (Computer
Vision Aimbots), які імітують рухи реальної людини [12].
Зрештою, з розвитком концепції метавсесвіту та поширенням ігор у
віртуальній реальності (VR), до ігрового процесу буде прив’язуватися дедалі
більше конфіденційних даних користувачів, включаючи голосові запити та
біометричні показники: рухи очей, пульс, патерни рухів тіла [12]. Захист цих
масивів даних вимагатиме переходу на принципово новий рівень.
2.2 Типологія читів: від втручання в пам'ять до апаратних рішень
Шахрайство в онлайн-іграх стало серйозною проблемою для ігрового
бізнесу. Розробники встановлюють античіт-системи, щоб підтримувати
чесність та справедливість у грі, виявляючи спроби втручання в ігровий
клієнт або операційну систему для отримання нечесних переваг. Щоб
зрозуміти функціонування античіт-систем, нам потрібно класифікувати типи
читів, які еволюціонували від простих зломів пам'яті до складних систем, що
поєднують програмне та апаратне забезпечення. Такий вид втручання є
найпоширенішим і функціонує в тому ж середовищі, що й гра.
Це найбільш поширений тип втручання, який функціонує в тому ж
просторі, що й сама гра. Зловмисники створюють програми, які здатні
зчитувати або модифікувати оперативну пам'ять ігрового процесу.
Використовуючи методи інжекції коду - DLL Injection, чит отримує доступ
до прихованої інформації і маніпулює нею: координати супротивників, їхнє
здоров'я тощо.
Типовим прикладом такого програмного втручання є візуалізація
прихованих об'єктів (Wallhack або ESP). На рисунку 2.3 продемонстровано
процес роботи такого читу: на одному моніторі виконується інжекція
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 11
а
шкідливого коду в процес гри, а на іншому - результат його роботи, де
координати ворогів витягуються з пам'яті та відмальовуються червоними
силуетами поверх стандартних текстур карти.
Рисунок 2.3 – Приклад програмного втручання: інжекція коду та візуалізація
Wallhack у грі
Античит-системи базового рівня борються з цим шляхом постійного
сканування пам'яті комп'ютера на наявність відомих сигнатур читів. Однак
цей підхід має суттєві обмеження через архітектурні особливості
операційних систем.
Сучасні операційні системи використовують багаторівневу архітектуру
для розмежування доступу до системних ресурсів, відому як кільця захисту
(Protection Rings), як показано на рисунку 2.4 [21].
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 12
а
Рисунок 2.4 – Архітектура привілеїв кілець захисту (Protection Rings)
операційної системи
Найменш привілейованим рівнем є Ring 3, де працюють звичайні
користувацькі додатки, включаючи самі ігри та базові античити. Найбільш
привілейованим рівнем є Ring 0, яке безпосередньо взаємодіє з ядром
операційної системи - Kernel.
Оскільки розробники читів постійно шукають нові шляхи обходу, вони
почали переносити свої шкідливі програми на рівень ядра Ring 0. Програма,
що працює в Ring 0, має вищі привілеї і може приховати свої процеси та
маніпуляції з пам'яттю від античиту, який працює з меншими привілеями у
Ring 3. Саме тому розробники ігор змушені створювати Kernel-level античити
(Vanguard, BattlEye або Akros), які також завантажуються на рівні ядра, щоб
мати змогу контролювати та блокувати загрози на найглибшому рівні
операційної системи [21, 22].
Новітнім етапом еволюції загроз є повна відмова від прямої маніпуляції
пам'яттю операційної системи комп'ютера. До цієї категорії належать:
1. Апаратні чити (DMA - Direct Memory Access): Використання
зовнішніх плат наприклад, підключених через PCIe, які читають
оперативну пам'ять в обхід центрального процесора та ядра ОС,
роблячи їх невидимими навіть для Kernel-level античитів.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 13
а
2. ШІ-боти (Computer Vision): Системи, що аналізують візуальне
зображення з екрана, як це робить людина, за допомогою алгоритмів
комп'ютерного зору і самостійно генерують команди для миші чи
клавіатури [22].
Як зазначають дослідники, багато існуючих античит-систем наразі не
мають комплексних інструментів для протидії модулям на базі ШІ, оскільки
такі чити не залишають традиційного цифрового сліду в пам'яті гри. Це
вимагає розробки нових евристичних алгоритмів для аналізу поведінкових
аномалій гравців.
2.3 Вразливості архітектури мережевих ігор (Peer-to-Peer та Клієнт-
-Сервер)
Архітектура мережевої взаємодії є фундаментальним фактором, що
визначає рівень захищеності комп'ютерної гри від несанкціонованого
втручання. Історично та технологічно в ігровій індустрії сформувалися дві
основні парадигми побудови мережевої інфраструктури: однорангова мережа
P2P та клієнт-серверна архітектура (Client-Server). Кожна з них має свої
специфічні вразливості, які експлуатуються зловмисниками для отримання
переваги [3].
У традиційній P2P-архітектурі ігрові програми взаємодіють
безпосередньо між користувачами, або один із користувачів виступає в ролі
хоста. Основним архітектурним недоліком цього підходу є парадигма
“Довіряй клієнту”. Оскільки кожен клієнт обчислює свою діяльність на
комп'ютері та ділиться результатами з іншими, зловмисник може змінити
інформацію в оперативній пам'яті свого комп'ютера наприклад, змінити
розташування, стан або кількість ресурсів, і ця змінена інформація буде
прийнята іншими користувачами мережі як дійсна.
P2P-ігри, що включають стратегії в реальному часі та файтинги,
використовують детермінований алгоритм, відомий як детермінований
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 14
а
Lockstep, для досягнення синхронізації. Цей підхід вимагає від кожного
гравця сприйняття всієї інформації про стан гри в кожному кадрі. Система
робить ігри вразливими до інформаційних шахрайств, включаючи Wallhack
(ESP) та Maphack (видалення туману, або закритих територій на карті),
оскільки клієнт зберігає всі приховані дані в пам'яті таким чином, що не
може приховати їх за допомогою програмного забезпечення.
Додатковою загрозою є маніпуляції з боку хоста. Якщо хостом
виступає зловмисник, він отримує можливість фільтрувати або затримувати
мережеві пакети інших гравців (Host Advantage), а також штучно розривати
з'єднання (Drop Hack), щоб уникнути фіксації поразки [3].
Це відомо як клієнт-серверна архітектура, де центральний виділений
сервер, відомий як Виділений сервер, функціонує як єдина точка істини.
Клієнти лише подають свої команди наприклад, вектори руху або натискання
клавіш, а сервер самостійно виконує логічні обчислення, фізичне
моделювання та перевірку дій, а потім передає змінений стан гри клієнтам.
Даний підхід має власні вектори атак:
1. Атаки на відмову в обслуговуванні (DDoS): Оскільки сервер є
центральним вузлом з фіксованою IP-адресою, він стає ідеальною
мішенню для DDoS-атак. Виведення сервера з ладу призводить до
зупинки гри для всіх підключених клієнтів ,як зазначалося в підрозділі
2.1.
2. Експлуатація компенсації затримки (Lag Compensation Exploits):
Для забезпечення плавного ігрового процесу сервери використовують
алгоритми передбачення та компенсації пінгу. Зловмисники
застосовують апаратні або програмні переривачі трафіку (Lag
Switches), штучно затримуючи відправку своїх пакетів. Це змушує
сервер некоректно обробляти переміщення клієнта, створюючи ефект
"телепортації" або невразливості на короткі проміжки часу [2].
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 15
а
3. Перехоплення та підміна трафіку (Man-in-the-Middle): Якщо
протокол обміну даними наприклад, UDP між клієнтом та сервером не
має належного криптографічного захисту, зловмисник може
використовувати аналізатори трафіку для перехоплення пакетів, їх
розшифровки та підміни перед відправкою [3].
Індустрія кіберспорту перейшла на клієнт-серверну архітектуру та
валідацію на стороні сервера. Новий підхід не здатний ідентифікувати
Aimbots, які імітують введення користувача, тому клієнтські системи захисту
від читерства повинні використовуватися одночасно.
За допомогою архітектурного аналізу ми виявили, що ігрова індустрія
зараз постійно перебуває в процесі балансування між швидкістю мережі та
надійністю безпеки. Хоча клієнт-серверна структура є стандартною основою
для змагальних ігор, розробники повинні впроваджувати алгоритми
прогнозування на стороні клієнта, щоб досягти бездоганного ігрового
досвіду. Практичні дані показують, що зловмисники атакують
найпоширеніші сучасні мікрочіти в межах проміжку між прогнозуванням та
перевіркою під час локальної обробки кадрів сервером.
Отже, боротьба з шахрайством триває, оскільки сам по собі дизайн
мережі не може повністю вирішити проблему. Наявність безпечного
мережевого протоколу не відповідає вимогам багатокористувацьких
проектів, оскільки розробники повинні впроваджувати додаткові розширені
античит-системи.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 16
а
3 ДОСЛІДЖЕННЯМЕТОДІВ ТА СИСТЕМ ЗАХИСТУ ІГРОВИХ
ДАНИХ
3.1 Принципи роботи сучасних античит-систем
Фундаментальне завдання будь-якої античит-системи полягає у
виявленні несанкціонованого доступу до ігрового процесу та запобіганні
модифікації даних. Сучасні системи захисту є складними програмними
комплексами, які функціонують на перетині криптографії, системного
програмування та статистичного аналізу [10]. Більшість сучасних
клієнтських античітів працюють за допомогою аналізу сигнатур та перевірки
цілісності, а також евристичного моніторингу.
Цей метод є концептуальним аналогом роботи класичного
антивірусного програмного забезпечення. Античит містить постійно
оновлювану базу даних хешів відомих шкідливих програм, читів та
інжекторів. Під час роботи гри захисний модуль циклічно сканує активні
процеси в оперативній пам'яті RAM комп'ютера. Якщо виявляється збіг
фрагмента коду з відомою сигнатурою, античит негайно блокує ігровий
процес та відправляє репорт на сервер. Недоліком цього методу є його
неефективність проти унікальних або поліморфних читів, сигнатури яких ще
немає в базі.
Однак, аналіз історичних сигнатур, який шукає незмінні послідовності
байтів на жорсткому диску, втратив свою ефективність, оскільки розробники
чітів масово використовують протектори, криптографи та інструменти
обфускації, такі як VMProtect або Themida. Отже, сучасні античіт-системи
мають передові методи динамічного розпакування коду. Сканування
здійснюється в оперативній пам'яті (Memory Dumping), коли шкідливий код
розшифровується для виконання процесором. Замість жорстких хеш-сум
існує пошук за шаблоном, який являє собою сканування певних
алгоритмічних ланцюжків інструкцій асемблера. Це допомагає античіт-
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 17
а
системі розпізнавати змінені версії існуючих чітів, навіть якщо зловмисник
змінив вихідний код і перекомпілював програму.
Оскільки більшість чітів використовують перехоплення системних
викликів (API Hooking) або ін'єкцію DLL, античіти постійно сканують
цілісність ігрової пам'яті. Вони порівнюють код виконання оперативної
пам'яті з її еталонною копією на диску. Античіти також перевіряють
імпортовані та експортовані таблиці функцій та відхиляють сторонні
процеси, які намагаються отримати доступ для читання або запису до
ігрового процесу.
Щоб гарантувати незмінність адресного простору гри, система також
виконує безперервне хешування сторінок пам'яті, відоме як хешування
сторінок. Система безпеки перевіряє криптографічні хеші найважливіших
розділів ігрового коду та порівнює їх у циклі з опорними значеннями, що
зберігаються на сервері. Будь-яка незаконна модифікація, навіть однієї
частки байта, наприклад, спроба змінити інструкції процесора, виправлення
коду, негайно призведе до невідповідності хешів. Ще одна область уваги
приділяється безпеці системних таблиць Windows, а саме таблиці імпорту
адрес (IAT) та таблиці експорту (EAT). У випадку, якщо античит виявить, що
системний виклик перенаправлено до незнайомої області пам'яті, він миттєво
завершить ігровий процес.
Щоб уникнути випадку, коли зловмисник активно блокуватиме роботу
античит-системи локально наприклад, через брандмауер, це ще більше
посилюється використанням збору телеметрії та криптографічного захисту
звітів. Модуль захисту клієнта зобов'язаний передавати пакети даних після їх
шифрування через задані інтервали часу на центральний сервер.
Телеметричний пакет містить скріншот поточної активності операційної
системи, перелік завантажених драйверів та активних процесів, а також
незвичайний доступ до пам'яті гри. Щоб уникнути підміни цих звітів (Packet
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 18
а
Spoofing), для шифрування всіх даних використовуються асиметричні
криптографічні алгоритми наприклад, RSA.
Коли сигнатурний аналіз виявляється безсилим, системи захисту
переходять до аналізу поведінки. На клієнтському рівні античит може
відстежувати підозрілі аномалії: звернення до пам'яті гри з невідомих
ділянок, нестандартні хуки миші/клавіатури для виявлення Aimbots, або
спроби дебагінгу ігрового процесу.
Математичний аналіз шаблонів введення даних є більш значним рівнем
поведінкового захисту. Координати руху миші та невеликі затримки між
натисканнями клавіш зберігаються системою в масивах, а потім визначає, чи
є вони ідеальними для людини, чи не вимагають вони ручного мікротремору,
а також швидкість штучної реакції.
Навіть за умови роботи методів програмного захисту на максимальній
швидкості, клієнтські античіти наразі мають дуже серйозну сліпу зону.
Оскільки це програмне забезпечення встановлено на комп'ютері клієнта, що
грає, воно може аналізувати лише ті процеси, які виконуються через
центральний процесор та операційну систему.
Слабкість конструкції призвела до зростання популярності інструментів
апаратного втручання, які використовують технологію прямого доступу до
пам'яті. Спосіб, яким гравці обходять звичайні античіти за допомогою DMA,
показано на рисунку 3.1.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 19
а
Рисунок 3.1 – Схема апаратного обходу античит-системи з використанням
технології DMA
Як видно з рисунку 3.1, зловмисник використовує фізичну карту DMA,
встановлену на цільовому ігровому комп'ютері. Ця плата зчитує оперативну
пам'ять напряму через системну шину і передає копію пам'яті на сторонній
комп'ютер. Оскільки на самому ігровому комп'ютері не запускається жодного
шкідливого програмного забезпечення, процесор не обробляє сторонній код,
а цілісність файлів не порушується, клієнтський античит не фіксує жодних
аномалій.
Сучасна система захисту відеоігор використовує не лише перевірки
клієнтів, а й перевірки серверів, засновані на математичних методах, та
захисні програми в операційній системі.
Впровадження гібридних моделей захисту було б наступним
природним кроком. Розробники систем безпеки звертаються до аналізу,
заснованого на результатах, а не до спроб знайти шкідливий код, оскільки
апаратне забезпечення для прикладу, DMA та технології віртуалізації
роблять клієнтські комп'ютери повністю ненадійними, або середовищами
Zero-Trust. Великі дані аналізуються в режимі реального часу на потужних
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 20
а
обчислювальних кластерах на стороні сервера аналітики. Математичні
методи, такі як моделі машинного навчання та статистичний аналіз, можуть
бути використані для виявлення мікропорушень у ігровому процесі, таких як
неймовірно висока точність прицілювання, бездоганний час реакції в
мілісекундах або систематичне уникнення сліпих ділянок, що недоступно для
звичайної людини. Метод дозволяє виявити використання шахрайського
програмного забезпечення незалежно від технічних засобів, чи це
програмних, або апаратних, що використовуються для його запуску.
У відповідь на атаки драйверів BYOVD та руткіти, що ховаються в
ядрі, клієнтські модулі захисту від читерства зазнали значних архітектурних
змін. Сучасні рішення захисту від читерства повинні бути інтегровані
глибоко на низьких рівнях операційної системи. Захисне програмне
забезпечення, інтегроване під час завантаження операційної системи, здатне
виявляти атаки незаконного доступу до пам'яті ще до запуску ігрового
клієнта та отримувати ексклюзивний та безперервний контроль над ігровим
сеансом.
Таким чином, повна інформаційна безпека сучасного змагального
ігрового проекту реалізується лише шляхом поєднання трьох елементів:
фундаментального сканування клієнта, глибокого захисту на рівні ядра
операційної системи та математичного профілювання поведінки гравців на
сервері.
3.2 Аналіз античит-рішень на рівні ядра (Kernel-level anti-cheat)
Еволюція шкідливого програмного забезпечення, зокрема перехід
розробників читів до використання вразливостей операційної системи на
рівні ядра Ring 0, змусила індустрію кібербезпеки адаптувати свої підходи.
Традиційні античит-системи, що функціонують у просторі користувача Ring
3, виявилися неспроможними ефективно протидіяти загрозам, які мають
вищий рівень привілеїв. Це спонукало до створення античітів рівня ядра, які
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 21
а
запускали власні драйвери на Ring 0 для моніторингу систем на низькому
рівні.
Показовим прикладом еволюції заходів безпеки є контраст двох
абсолютно протилежних філософій: системи Valve Anti-Cheat (VAC) у
Counter-Strike: Global Offensive (CS:GO / CS2) та системи Riot Vanguard,
створеної для гри Valorant.
Першою метою системи VAC була повна неагресивна поведінка.
Більшість модулів VAC працюють на Ring 3 та в межах області користувача,
виконуючи пошук у пам'яті для пошуку встановлених сигнатур чітів.
Головна особливість VAC полягає у принципі відкладеного покарання:
система не блокує порушника миттєво, а збирає дані, після чого проводить
масові блокування (ban waves) [15].
Такий підхід має мінімальний вплив на продуктивність комп'ютера
гравця та не порушує його конфіденційність, оскільки античит працює лише
під час запущеної гри. Однак, згідно з незалежними дослідженнями ринку,
відсутність глибокого доступу до ядра робить VAC одним із найменш
ефективних рішень проти сучасних приватних читів та DMA-пристроїв [15].
Зловмисники можуть приховати свої процеси від античітів Ring 3. Це
провокує величезну кількість чітів у змагальному режимі.
Водночас, Valve утримується від агресивних атак на базу ОС, і
компенсує це, будуючи глибоку серверну архітектуру, що працює на
машинному навчанні, а саме на системі VACnet. Ця нейронна мережа може
працювати на мільйонах зіграних матчів і оцінювати поведінкову логіку
гравців, таку як неприродне прицілювання та прицілювання під дивними
кутами, а також неприродна швидкість реакції на серверному обладнанні.
Тим не менш, основним недоліком такої архітектури є те, що вона має
зворотну силу та потребує часу для виявлення порушення, що не зупиняє
негативний вплив на чесних гравців миттєво.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 22
а
У відповідь на технічні обмеження традиційних систем, компанія Riot
Games розробила Vanguard - античит-систему нового покоління. Її головна
інновація полягає не просто в роботі на рівні ядра, а в часі ініціалізації:
базовий драйвер Vanguard (vgk.sys) завантажується безпосередньо під час
старту операційної системи Windows, ще до завантаження більшості
користувацьких програм і драйверів [1].
Такий підхід вирішує найбільшу проблему принципу “хто перший
завантажиться, той і керує системою”. Оскільки Vanguard працює разом з
ядром операційної системи, він створює надійне середовище та може
запобігти завантаженню непідписаних або вразливих драйверів, які
використовуються шахраями для впровадження коду (атака BYOVD).
Завдяки такій жорсткій політиці, Vanguard має найвищі значення
ефективності виявлення несанкціонованого втручання в сучасних
кіберспортивних дисциплінах, тоді як системи рівня користувача наприклад,
як у Counter-Strike 2 знаходяться на останніх позиціях рейтингів безпеки, як
показано на рисунку 3.2.
Щоб зробити його ще сильнішим, такі системи, як Vanguard, активно
почали взаємодіяти з модулями апаратної безпеки сучасних материнських
плат. Зокрема, використання технології Secure Boot та TPM 2.0 стало
суворою вимогою для гри на Windows 11. Це також створює додатковий
захист шифруванням, що унеможливлює заміну шкідливих завантажувачів, а
також ускладнює підробку апаратної ідентифікації - метод, який
зловмисники використовують для обходу блокування облікових записів на
основі серійних номерів компонентів комп'ютера.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 23
а
Рисунок 3.2 – Результати незалежного тестування ефективності античит-
систем у сучасних відеоіграх
Крім пропрієтарних систем (VAC, Vanguard), розроблених спеціально
для однієї гри, ринок кібербезпеки активно використовує універсальні
комерційні модулі, які ігрові студії інтегрують за ліцензією B2B.
Найпопулярнішими представниками цього сегменту є Easy Anti-Cheat (від
Epic Games) та BattlEye.
Easy Anti-Cheat (EAC) працює за принципом динамічного гібридного
захисту. Завантажуючись на рівні ядра Ring 0 разом із запуском ігрового
клієнта, але не при старті Windows, на відміну від Vanguard, EAC
фокусується на запобіганні модифікації пам'яті за допомогою технологій
обфускації власного коду. Його головною перевагою є модульність та
кросплатформенність, тому підтримується на Linux та на macOS). Однак,
через його масове використання в сотнях ігор (Apex Legends, Fortnite, Rust),
архітектура EAC є найбільш вивченою зловмисниками, що робить її
головною мішенню для розробників приватних читів.
BattlEye є однією з найстаріших і найагресивніших комерційних
систем (використовується в PUBG, Rainbow Six Siege). Система працює на
рівні Ring 0 і відрізняється проактивним скануванням системи. BattlEye
використовує динамічно завантажувані модулі: замість статичного клієнта
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 24
а
сервер постійно надсилає нові зашифровані алгоритми перевірки прямо під
час гри. Це робить реверс-інжиніринг системи вкрай складним. Проте
агресивність BattlEye часто призводить до конфліктів із легітимним
програмним забезпеченням такими як антивіруси або драйвери віртуалізації,
що негативно впливає на користувацький досвід.
Для систематизації підходів до захисту ігрового простору, основні
переваги та недоліки провідних систем наведено у таблиці 3.1.
Таблиця 3.1 – Порівняльна характеристика існуючих комерційних
античит-систем
Назва Рівень Переваги (Сильні Вразливості та
системи доступу сторони) ризики
Вкрай низька
Мінімальний вплив ефективність проти
Valve Anti- на продуктивність; апаратних DMA та
Ring 3
Cheat відсутність проблем з Ring 0 читів;
(Користувач)
(VAC) конфіденційністю; відкладені бани
відсутність BSoD. псують поточний
матч.
Найвища
Потенційна загроза
ефективність завдяки
безпеці; високий
ініціалізації до
Riot Ring 0 (Під рівень доступу до
запуску інших
Vanguard час Boot) приватних даних;
драйверів;
блокування
блокування BYOVD
легітимних драйверів.
атак.
Easy Anti- Гнучкість інтеграції; Запускається після
Ring 0 (Під
Cheat підтримка багатьох старту операційної
час гри)
(EAC) операційних систем; системи, що дозволяє
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 25
а
потужний руткітам сховатися
евристичний аналіз заздалегідь; головна
на стороні сервера. ціль для хакерів через
масовість.
Динамічне Часті конфлікти зі
завантаження антивірусами; вплив
Ring 0 (Під алгоритмів перевірки на частоту кадрів
BattlEye
час гри) “на льоту”; жорстке (FPS) під час
проактивне агресивного
сканування пам'яті. сканування.
Хоча античит-системи рівня Vanguard є дуже ефективними, вони
викликають серйозні суперечки в науковій спільноті через інформаційну
безпеку користувача. Античит-системи рівня ядра вважаються дослідниками
програмним забезпеченням на основі руткітів.
Основні ризики включають:
1. Єдина точка відмови (Single Point of Failure): Оскільки драйвер
античиту має максимальні привілеї в системі, будь-яка вразливість у
його коді (наприклад, переповнення буфера) може бути експлуатована
зловмисниками для отримання повного контролю над комп'ютером
жертви (Privilege Escalation) [1].
2. Проблеми зі стабільністю: Якщо код Ring 0 містить помилку, це не
просто збій гри, а вся операційна система буде виведена з ладу та
непрацездатна - BSoD.
3. Конфіденційність даних: Античит, що працює на рівні ядра з моменту
запуску ПК, має технічну можливість безперешкодного доступу до
будь-яких файлів, процесів та криптографічних ключів користувача,
що вимагає абсолютного рівня довіри до компанії-розробника [15].
4. Ризик атаки ланцюга поставок (атака Furnish Chain): Оскільки на
мільйонах комп'ютерів по всьому світу встановлено драйвер з
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 26
а
максимальними системними привілеями, порушення інфраструктури
самої античит-компанії може призвести до глобальної кіберкатастрофи.
Зловмисники можуть використовувати довірений канал оновлень
античит-систем для масового розповсюдження шкідливого
програмного забезпечення на пристрої кінцевих користувачів,
минаючи системи безпеки Windows.
Проблема сучасної ігрової індустрії полягає в тому, що чесну гру
необхідно перевіряти з таким обсягом доступу до операційної системи
гравця, що це відкриває нові небезпечні хакерські загрози поза межами ігор.
Розглядаючи розвиток методів на прикладі VAC та Vanguard, можна
зробити кілька важливих висновків щодо майбутнього кібербезпеки ігор.
Існує значна фінансова та технологічна перешкода для розробки систем на
рівні ядра. Для створення безпечного драйвера Ring 0 необхідно найняти
досвідчених інженерів з реверс-інжинірингу та системного програмування, а
також пройти сувору сертифікацію WHQL від Microsoft. Більшість середніх
та малих ігрових студій не мають необхідних бюджетів для власної розробки
такого роду, тому їм доводиться використовувати сторонні рішення, такі як
Easy Anti-Cheat або BattlEye, або вони залишаються беззахисними.
З точки зору кінцевого користувача, імплантація войовничих античит-
систем створює компроміс між конфіденційністю та зручністю. Геймер, який
сьогодні займається спортивними змаганнями, або просто звичайний гравець
змушений свідомо вирішувати, від чого відмовитися, щоб корпорація-
розробник отримала повний контроль над комп'ютером в обмін на
можливість грати на рівних умовах. Цифрова індустрія вступає в
ризикований стан, коли програми, що використовуються для розваг,
отримують привілеї, рівні з привілеями повноцінного антивіруса.
Архітектурний аналіз показує, що парадигма програмного захисту
клієнтів досягла своєї максимальної ефективності. Античіти досягли захисту
на основі ядра на Ring 0, але вони не можуть продовжити проникнення в
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 27
а
операційну систему. Зловмисники вже перейшли до зовнішнього апаратного
середовища за допомогою систем прямого доступу до пам'яті DMA та
комп'ютерного зору, і вони не контролюються драйверами операційної
системи. Майбутнє захисту ігрових даних передбачає не подальший розвиток
локальних систем керування на комп'ютері користувача, а розробку
інтелектуальних систем оцінки на стороні сервера на основі математичного
профілювання для оцінки даних про ігровий процес та продуктивність.
3.3 Критерії оцінки ефективності та продуктивності захисних
систем
Розробка та впровадження античит-систем вимагає чіткої методології
для вимірювання їхньої дієвості. Оскільки ігровий клієнт є ресурсоємним
додатком, що працює в режимі реального часу, оцінка захисних модулів
здійснюється за двома основними напрямками: критеріями безпекової
ефективності (Accuracy & Detection Rate) та критеріями системної
продуктивності (Performance Overhead). Оптимальна система захисту
повинна знаходити баланс між жорсткістю виявлення загроз та непомітністю
для кінцевого користувача [19].
Здатність системи виявляти несанкціоновані втручання вимірюється за
допомогою стандартних метрик виявлення бінарного класифікатора, які
представлені в Матриці плутанини. Чотири основні критерії виявлення
наведено нижче:
1. Рівень істинного виявлення (True Positive Rate, TPR): Вимірює
частку користувачів-шахраїв, яким вдалося запобігти використанню
пристроїв/систем для шахрайства. Чим вищий TPR, тим надійніша
система.
2. Рівень хибних спрацьовувань (False Positive Rate, FPR): Відсоток
чесних гравців, які були помилково ідентифіковані як порушники і
заблоковані. В ігровій індустрії цей показник є найбільш критичним.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 28
а
Оскільки помилковий бан завдає непоправної репутаційної шкоди
компанії та викликає відтік аудиторії, розробники наприклад, Valve
свідомо знижують загальну чутливість античиту, щоб наблизити FPR
до абсолютного нуля [20].
3. Рівень пропуску загроз (False Negative Rate, FNR): Кількість
шахраїв, яким вдалося пройти через систему захисту.
4. Захист від несанкціонованого доступу (Tamper Resistance):
Зловмисники витрачають багато часу та зусиль на декомпіляцію
античит-коду або на розробку обхідного коду (Bypass) після випуску
оновленої версії. У сучасних умовах цей час вважається одним із
головних індикаторів якості архітектури захисту [20].
Інженери з кібербезпеки використовують криву робочих характеристик
приймача ROC-крива разом з метрикою площі під кривою AUC для
об'єктивної оцінки продуктивності алгоритмів виявлення. ROC-крива - це
математичне представлення компромісу між чутливістю TPR та
специфічністю FPR при рівнях класифікатора. Оптимальне застосування для
боротьби з шахрайством матиме значення AUC майже 1; отже, чим ближче
до 1 AUC, тим ефективніший детектор.
У більшості випадків розробник повинен змістити поріг прийняття
рішення, збільшуючи ймовірність виявлення, до максимальної
специфічності, щоб запобігти хибнопозитивним результатом. Таким чином,
розробник буде змушений прийняти нижчу ймовірність виявлення, якщо
пом'якшення підвищеного FNR не може бути виправдане деінде. Крім того,
розробник зобов'язаний прийняти зниження ймовірності виявлення, доки це
не буде виправдано.
Додаткова, дуже важлива та дуже динамічна часова метрика, пов'язана
з усіма критеріями реагування на інциденти, є показником ефективності
безпеки. У світі кібербезпеки компанії використовують дві стандартні
метрики: MTTD та MTTR для вимірювання часу реагування своїх систем на
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 29
а
інциденти. У контексті шахрайства в іграх, MTTD вимірює проміжок часу
між першим використанням нового (нульового дня) чіта в онлайн-ігровому
матчі та часом, коли технологія боротьби з чітом, автоматизовані системи
або ручні аналітики, здатні ідентифікувати та створити методи виявлення
(новий підпис або евристичні правила) для чіта. MTTR вимірюватиме часовий
інтервал від моменту, коли система боротьби з чітом розробила новий метод
виявлення для ідентифікованого чіта, до моменту, коли система боротьби з
чітом поширила новий метод виявлення (оновлений підпис безпеки) на всі
свої клієнтські пристрої, а також тривалість часу до виконання масової хвилі
банів. Ідеальна система мінімізує як MTTD, так і MTTR, таким чином
мінімізуючи час, доступний користувачеві-шахраю для використання чіта, і,
сподіваємося, зробить його невигідним для фінансових вкладень у подальшу
розробку з боку зловмисників.
Корпоративні антивірусні програми працюють у фоновому режимі,
тому вони можуть використовувати ресурси комп'ютера будь-коли. Ігрове
античит-програмне забезпечення працює в середовищі, де кілька мілісекунд
затримки мають серйозні наслідки. Продуктивність ігрового античит-
програмного забезпечення можна виміряти за допомогою таких показників
продуктивності:
1. Використання ресурсів (CPU & RAM Overhead): Використання
ресурсів, як витрати на процесор та оперативну пам'ять: Як тільки
ігрове античит-програмне забезпечення перевищує або перевищує
ліміти використання, це призводить до зниження частоти кадрів (FPS) у
грі та/або проблем із мікрозависанням в іграх.
2.Мережева затримка (Network Latency): Шифрування та передача
телеметричних пакетів, яке необхідно для цілей боротьби з читерством,
щоб не погіршити продуктивність пінгу в ігровому середовищі.
Пропускна здатність передачі в сучасних змагальних іграх підтримує
швидкість передачі приблизно 64-128 пакетів (Tickrate) за секунду.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 30
а
Впровадження великої кількості телеметрії в основну ігрову пропускну
здатність може створити надмірне навантаження на канали зв'язку, що
призведе до втрати пакетів - Packet Loss. Щоб рішення для боротьби з
читерством забезпечували максимальну затримку, вони повинні
використовувати агресивно стиснуті схеми стиснення даних та
динамічно змінювати частоту опитування (Polling Rate), з якою
опитуються клієнти, залежно від ступеня їхньої “підозри”.
3. Оцінка криптографічного навантаження (Cryptographic Overhead):
Вплив алгоритмів шифрування на продуктивність системи необхідно
оцінювати окремо. Програмам проти читерства потрібна криптографія
для захисту своїх пакетів від атак повторного відтворення та
перехоплення пакетів. Виконання складних криптографічних
перетворень займає процесорний час. Основним показником якості,
який ми шукаємо в архітектурі програм проти читерства, є здатність
процесора виконувати низькорівневу апаратно-прискорену
криптографію, щоб ігровий трафік можна було криптографічно
шифрувати “на льоту”, не надаючи значного впливу на обчислювальні
ядра, призначені для роботи самого ігрового движка.
4.Масштабованість серверної частини (Scalability): Здатність бек-енд
інфраструктури античиту обробляти величезні масиви даних (Big Data)
у режимі реального часу від мільйонів підключених клієнтів без
перевантаження серверів баз даних [20].
Масштабованість сервера є важливим показником продуктивності
системи, як і пропускна здатність обробки даних у серверному конвеєрі
даних. Загалом, нова парадигма архітектури нульової довіри, яку
використовує сучасний бізнес, означає, що комп'ютери користувачів
вважаються скомпрометованими; тому основна частина прийняття рішень
здійснюється в системах на базі центрів обробки даних. Тому, оцінюючи
аспекти бекенду “серверного” рішення для боротьби з читерством, ми
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 31
а
оцінюємо бекенд систему боротьби з читерством як високопродуктивну
систему потокової аналітики. Система потокової аналітики вимірюється на
основі того, наскільки ефективно вона може безперервно обробляти сотні
тисяч подій за секунду (EPS), включаючи обробку векторів погляду, подій
пострілів, мікрорухів миші тощо від мільйонів гравців одночасно. Якщо
бекенд не може масштабуватися горизонтально під час пікових навантажень,
це створить значну та затриману доступність (Desync) під час перевірки цих
ігрових дій та потенційно спричинить крах усієї мережевої інфраструктури.
На практиці розробники ігор вимірюють ці критерії за допомогою
певних методологій тестування. Вони часто впроваджують нові алгоритми
боротьби з обманом у так званому “тіньовому режимі”, де система перевіряє
пам’ять і мережевий трафік, виявляє незвичайну активність і генерує
ймовірність шахрайства без застосування штрафів до гравця. Протягом цього
часу інженери з безпеки збирають велику кількість емпіричних даних,
вимірюють кількість потенційних хибних спрацьовувань і калібрують різні
математичні моделі, що використовуються в процесі, не ризикуючи
блокуванням легітимних гравців. Останнім кроком буде мінімізація кількості
статистичної похибки, перш ніж вони зможуть активувати модуль для
блокування користувачів.
Поточні критерії оцінювання включають загальні показники взаємодії з
користувачем (якість взаємодії або QoE) як ключовий показник. Наприклад,
якщо система боротьби з читерством виявляє загрози зі 100% показником
виявлення загроз TDR, але водночас затримує роботу операційної системи
комп'ютера на кілька хвилин або створює конфлікти з легітимним
програмним забезпеченням, вона буде вважатися неефективною для
комерційних цілей. Таким чином, процес розробки систем боротьби з
читерством можна вважати безперервною вправою у досягненні балансу між
забезпеченням найвищого рівня якості безпеки та підтримкою комфортного
середовища для легітимних гравців.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 32
а
Успішна античит-система повинна демонструвати високий рівень
виявлення аномалій при гарантованій відсутності деградації ігрового процесу
для легітимних користувачів.
У третьому розділі проведено комплексне дослідження методів та
систем захисту ігрових даних. Встановлено, що класичний сигнатурний
аналіз та перевірка цілісності на рівні простору користувача (Ring 3)
вичерпали свій потенціал і не здатні протидіяти сучасним поліморфним та
DMA загрозам.
Архітектура більш просунутих модулів безпеки робить очевидним
неминучий перехід галузі до систем рівня ядра операційних систем (таких як
Vanguard). Системи рівня ядра ініціалізуються під час запуску операційної
системи та забезпечують глибокий превентивний контроль над середовищем.
Щоб максимізувати можливості системи (тобто отримати повні привілеї),
існує багато ризиків як для інформаційної безпеки, так і для
конфіденційності користувачів.
Архітектура локального захисту програмного забезпечення обмежує
або заважає його можливості захищати локально встановлене та кероване
програмне забезпечення. Найкращим та найефективнішим методом
забезпечення безпеки є поєднання локальних клієнтів та стандартних засобів
контрою безпеки із серверного аналітикою штучного інтелекту. Поєднання
засобів захисту вимагатиме врахування кількох факторів під час оцінки
продуктивності рішення наприклад, кількість хибнопозитивних результатів,,
що генеруються, обсяг ресурсів, що використовуються ігровим клієнтом.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 33
а
4 МАТЕМАТИЧНЕ МОДЕЛЮВАННЯ ВИЯВЛЕННЯ АНОМАЛІЙ У
ГЕЙМПЛЕЇ
4.1 Формалізація задачі виявлення несанкціонованого втручання
Як було встановлено у попередніх розділах, традиційні сигнатурні
методи втрачають свою ефективність проти апаратних та алгоритмічних
втручань. Сучасний підхід до безпеки ігрових екосистем базується на
концепції безперервного моніторингу в реальному часі та поведінковому
аналізі [18]. З метою реалізації рішення на рівні сервера, першим кроком є
​створення математичної моделі ігрового процесу та виявлення аномалій.
Ігровий процес будь-якого користувача можна розглядати як дискретну
послідовність подій (Event Stream), що формуються під час ігрової сесії.
Нехай - множина користувачів, підключених до ігрового
сервера.
Для кожного користувача uᵢ сервер фіксує послідовність дій у часі Т.
Цю поведінку гравця в момент часу t можна формалізувати як
багатовимірний вектор ознак Xᵢ, який відображає поточний стан гравця.
, де xᵢⱼ ​ – числові показники, або параметри, що відображають поведінку
гравця залежно від того, як він грає. До таких метрик можуть належати:
 xᵢ₁​– кутова швидкість руху прицілу (градусів/мілісекунду);
 xᵢ₂ – час реакції на появу візуального контакту з противником
(мілісекунди);
 xᵢ₃​– відсоток влучань у критичні зони (Headshot ratio);
 xᵢ₄ – інтенсивність натискання клавіш (Actions Per Minute, APM).
Оскільки оцінювання лише миттєвого стану гравця не забезпечує
достатньої об’єктивності для прийняття рішень, на практиці застосовують
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 34
а
підхід ковзного вікна. Поведінка гравця розглядається не як одиничний
вектор, а як матриця спостережень Wᵢ розмірності n × k, де k - кількість
дискретних вимірювань за інтервал часу Δt:
Такий підхід до агрегування дає змогу системі оцінювати не лише
статичні характеристики, а й їхню часову динаміку, зокрема, варіацію
швидкості наведення. Це є принципово важливим для виявлення сучасних
алгоритмів згладження прицілювання (Aimbot Smoothing / Humanization), які
навмисно імітують поведінку реального гравця.
З математичної точки зору, виявлення несанкціонованого втручання - це
класична задача бінарної класифікації та пошуку викидів (Anomaly Detection)
[18, 6].
Нехай існує простір усіх можливих станів поведінки Ω, в якому діє
функція класифікації . Мета античит-моделі полягає у знаходженні такого
відображення , яке для кожного вектора ознак ​ повертає значення з
бінарної множини {0,1}:
, де:
 0 - гіпотезаH₀​: поведінка гравця є нормальною;
 1 - гіпотеза H₁: у поведінці присутні аномалії, що свідчать про
використання читів.
Оскільки поведінка живої людини є випадковим процесом, жорсткі
правила генерують забагато хибних спрацьовувань. Тому замість
детермінованої функції доцільно використовувати ймовірнісну модель
оцінки [6]. Задачу можна переформулювати як обчислення апостеріорної
ймовірності того, що гравець ​ використовує шкідливе програмне
забезпечення за умови спостереження вектора поведінки ​:
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 35
а
Якщо обчислена ймовірність перевищує заздалегідь
встановлений пороговий рівень чутливості системи (Threshold), система
генерує сигнал про порушення [17]:
Важливим питанням, пов'язаним з цією моделлю, є встановлення
найкращого значення для порогу та ваги кожної метрики xᵢⱼ. Низький поріг
збільшить частоту хибнопозитивних результатів або, іншими словами,
забанить невинних гравців. Вищий поріг , у свою чергу, збільшує кількість
хибнонегативних результатів, а це означає, що деякі шахраї зможуть обійти
систему.
Загальносвітньою метою математичних моделей для античит-систем є
зменшення функції втрат (Loss Function) L до мінімуму; збалансований
результат правильного виявлення загроз з точністю та підтримки лояльності
до автентифікованих гравців.
,
де FPR вказує на частку хибнопозитивних результатів, а FNR вказує на
частку справжніх загроз, які не були виявлені, α – це ваговий коефіцієнт,
який застосовується до FPR, а β – це ваговий коефіцієнт, який
застосовується до FNR, щоб визначити, наскільки серйозною є античит-
система щодо репутації гри; отже, α переважає над значенням β. (головним
чином α≫ β, оскільки хибне звинувачення може зашкодити репутації гри).
Щоб ефективно розрахувати, наскільки аномальним є вектор, зазвичай
використовується метрика відстані для визначення різниці між цим вектором
та еталонним розподілом легальних гравців. У випадку багатовимірних
ігрових даних найефективнішим інструментом є відстань Махаланобіса, на
відміну від звичайної евклідової відстані. Ця відстань враховує як варіацію
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 36
а
різних вимірів, так і їх кореляцію один з одним наприклад, швидкість миші
проти відсотка правильних влучань. Відстань обчислюється за формулою:
,
де - вектор математичних сподівань еталонної (нормальної) поведінки, а
- обернена коваріаційна матриця ознак. Якщо розрахована відстань
(або ймовірність P) перевищує критичне значення порогу чутливості
(Threshold), система генерує алерт:
Крім того, з додаванням більшої кількості параметрів телеметрії
виникатиме “прокляття розмірності”, що створюватиме ще більше
навантаження на всі сервери через те, що кількість вимірів зростатиме
експоненціально. Тому, щоб зменшити кількість вимірів, розмірів у
математичній моделі та досягти оптимальних результатів перед
класифікацією, зазвичай використовується кілька методів, включаючи аналіз
головних компонентів PCA.
Цей підхід проектує вихідну матрицю Wᵢ ​у простір нижчої вимірності d
(де d≪n), зберігаючи при цьому максимальну дисперсію даних.
Математично це зводиться до знаходження власних векторів (Eigenvectors)
коваріаційної матриці телеметрії. Це знижує обчислювальну складність
функції класифікації від квадратичної O(n²) до прийнятних для реального
часу значень, дозволяючи серверу безперебійно обробляти мільйони
поведінкових патернів.
Сформульована математична постановка задачі слугує основною для
подальшого використання статистичних методів і поведінкових алгоритмів,
що дають змогу визначати відхилення фактичних ігрових даних від
еталонних норм.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 37
а
4.2 Поведінкові алгоритми та статистичний аналіз відхилень
поведінки
Розробники шкідливого програмного забезпечення, зокрема Aimbots,
постійно вдосконалюють свої алгоритми для імітації рухів живої людини,
прості порогові фільтри є неефективними. Сучасні серверні античит-системи
використовують гібридний підхід, що поєднує класичне статистичне
профілювання з методами машинного навчання без вчителя (Unsupervised
Learning) та аналізом часових рядів [13].
Базовим рівнем виявлення аномалій є побудова індивідуального та
глобального статистичного профілю для ізольованих ігрових метрик
наприклад, швидкості реакції або відсотка влучань у голову. Для оцінки міри
відхилення поточної поведінки від глобальної норми використовується
стандартизована Z-оцінка (Standard Score) [13].
Якщо значення x має нормальний розподіл серед генеральної
сукупності спортсменів або гравців із середнім значенням μ та стандартним
відхиленням σ, то Z-оцінка для конкретного гравця розраховуватиметься так:
Використання цього методу може зробити дані більш узгодженими.
Якщо середньостатистичному гравцеві кіберспорту потрібно 180 мс для
реакції, то зафіксована стабільна реакція означатиме, що гравець реагує
протягом 50 мс, і в цьому випадку Z-показник буде > 4. Оскільки існування
людини статистично неможливе (P < 0,003%) згідно з правилом трьох сигм,
система негайно позначить цей вектор як аномалію (активує тригерне
​сповіщення).
Необроблені координати руху миші (необроблені вхідні дані миші)
пройдуть значну кількість інженерії характеристик перед подальшим
аналізом, щоб алгоритми могли точніше приймати рішення. Замість того,
щоб просто дивитися на двовимірну точку руху миші на основі її
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 38
а
розташування у певний момент часу , ви також зможете розрахувати
та використовувати деякі похідні кінематичні параметри, включаючи
миттєву швидкість , прискорення та ривок , який є третьою
похідною положення відносно часу, тобто зміною прискорення протягом
заданого періоду часу. Жива людина не може підтримувати лінійне
прискорення без мікротремору рухової системи, який є шумом від
нейромоторної системи. Аімботи - це програмні алгоритми, побудовані на
математичних сплайнах або кривих Без'є для створення плавних прискорень
та кривих ривків. Розрахунок квадратичного ривка дозволяє нам розрізняти
зняття напруження, що відповідає природному наведенню, та штучному.
Алгоритм просторової кластеризації можна використовувати для
складніших, багатовимірних даних, таких як, наприклад загальна траєкторія
руху миші до цілі). Метрика Махаланобіса не обов'язково має мати опорний
вектор при використанні алгоритмів кластеризації.
Найбільш адаптивним для ігрової телеметрії є алгоритм просторової
кластеризації з урахуванням щільності та шуму - DBSCAN [13]. Його
перевага полягає в тому, що він ідентифікує кластери будь-якої довільної
форми та автоматично ізолює викиди. Алгоритм групує гравців з однаковим
типом прицільного руху, по типу типовий постріл з кидком, відстеження цілі
тощо, у щільні кластери C. Якщо гравець має повністю пряму траєкторію від
одного ворога до іншого, і траєкторія його руху не потрапляє в епсилонну
щільність жодного з кластерів легітимних рухів, вони будуть класифіковані
як шум (аномалія).
Приховані марковські моделі добре працюють на додаток до
просторової кластеризації при аналізі дискретних ігрових станів. Ігровий
процес також можна розділити на скінченну кількість прихованих станів S:
“вільний рух”, “пошук цілі”, “фокусування на цілі”, “контроль віддачі”. У
реальних гравців матриця ймовірності переходу A має природну стохастичну
мінливість. Реальна людина схильна відволікатися або мати помилки
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 39
а
синхронізації. Макроси, що імітують керування віддачею зброї, мають майже
повністю детерміновані переходи з ймовірністю переходу близькою до 1,0.
Аналіз ланцюгів Маркова може забезпечити сервером дуже точний метод для
визначення апаратної автоматизації рутинних дій гравця.
Найвищим рівнем поведінкового аналізу є відмова від оцінки
статичних метрик на користь аналізу динаміки переміщення гравця у часі.
Рухи в таких іграх розглядаються як складні часові ряди. Оскільки
алгоритмічні боти мають детерміновану логіку переміщення (пошук
найкоротшого шляху), а людина - стохастичну, їх можна розрізнити за
допомогою методів глибинного навчання [14].
Для вирішення цієї задачі застосовуються архітектури рекурентних
нейронних мереж RNN, зокрема мережі з довгою короткостроковою пам'яттю
- LSTM [14]. Звичайні нейронні мережі не здатні зберігати інформацію про
попередні стани системи (сегменти руху) у своїй пам'яті. У LSTM мережа
зможе “запам'ятовувати” попередні стани та визначити, який зв'язок між
поточним станом та попереднім станом, тобто, через скільки часу після
останнього відбувся поточний стан.
Функціонування LSTM-блоку можна описати через оновлення стану
його комірок ​та прихованого стану ​на кожному кроці часу :
,
,
,
,
де ​- поточні координати гравця, ​, ​- вентилі забування та входу,
- сигмоїдна функція активації.
Мережа LSTM тренується на масивах нормальної поведінки гравців.
Під час реальної гри модель намагається передбачити наступний крок гравця
на основі його попередніх рухів. Якщо фактичні координати різко
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 40
а
відрізняються від передбачених мережею (висока помилка реконструкції),
система класифікує цю поведінку як роботу стороннього програмного
забезпечення [14]. Згаданий метод дозволяє виявляти найскладніші приватні
системи чітів, а також апаратні рішення DMA, які недоступні для античіт-
рішень типу Ring 0.
Дрейф концепції створює проблеми для довгострокового
профілювання поведінки, тобто того факту, що гравець природним чином
покращуватиметься з часом. Тому використовуються методи онлайн-
навчання разом з експоненціальним згладжуванням історичних даних під час
побудови математичних моделей, щоб переконатися, що система не
заборонить гравця кіберспорту за раптове покращення його продуктивності.
Вплив історичних векторів поведінки поступово зменшується, а вплив нових
телеметричних даних зростає. Рішення про застосування обмежень
приймається не одним алгоритмом, а набором класифікаторів. Ансамблеве
навчання архітектура, так би мовити, поєднує та зважує результати
алгоритмів Z-Score та DBSCAN разом з результатами ланцюгів Маркова та
нейронних мереж LSTM; результатом цього є максимальна стійкість моделі
відносно хибнопозитивних результатів моделі.
4.3 Поведінкові алгоритми та статистичний аналіз відхилень
поведінки
Інтелектуальні системи на базі нейронних мереж та алгоритмів
кластеризації здатні ефективно виявляти аномалії, їхнє впровадження у
реальні ігрові проекти стикається з критичною математичною проблемою -
контролем рівня хибних спрацьовувань (False Positives). У контексті ігрової
кібербезпеки хибне спрацьовування означає блокування легітимного
користувача, що завдає незворотної шкоди репутації проекту [13]. Таким
чином, модель боротьби з обманом розроблена не лише для класифікації
поведінки, але й для оцінки ймовірності власної неправильної класифікації.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 41
а
Надійність технології класифікації розраховується на основі матриці
плутанини машинного навчання. У цій матриці коефіцієнт хибнопозитивних
результатів (FPR) розраховується як кількість чесних гравців, яких було
помилково заблоковано (FP), поділена на загальну кількість чесних гравців
(FP + TN, де TN – кількість чесних гравців, яких було правильно
ідентифіковано):
Однак, підхід машинного навчання базується на шаблонах поведінки
штучного інтелекту, які використовуються для оцінки ймовірності настання
події за допомогою функцій щільності ймовірності. Припустимо, що функція
щільності звичайного гравця - це f(x), а функція щільності порушника правил
- g(x). Отже, ймовірність отримання хибнопозитивного результату за
заданого налаштування чутливості θ - це площа під кривою розподілу
звичайного гравця, яка перевищує це значення:
Цей інтеграл наочно демонструє, що будь-яке зниження порогу (для
виявлення більшої кількості читерів) неминуче захоплює частину “хвоста”
розподілу нормальних гравців, як наприклад талановитих кіберспортсменів,
перетворюючи їх на FP [14].
Головна складність систем виявлення несанкціонованого втручання
полягає у сильному дисбалансі класів. У будь-якій популярній грі кількість
чесних гравців на порядки перевищує кількість зловмисників. Цей факт
генерує математичний парадокс, який найкраще описується через теорему
Байєса [13].
Сформулюємо задачу: системі необхідно розрахувати реальну
ймовірність того, що гравець дійсно використовує чити (C), за умови, що
математична модель класифікувала його поведінку як аномальну (отримано
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 42
а
алерт, подія A). Згідно з теоремою Байєса, ця апостеріорна ймовірність
обчислюється як:
де
P(A|C) - чутливість античиту (True Positive Rate), ймовірність того, що
система виявить реального читера.
P(A|C ̄) - рівень хибних спрацьовувань (FPR), ймовірність того, що система
дасть хибний алерт на чесного гравця.
P(C) - базова частка читерів у грі (Base Rate).
P(C ̄) - базова частка чесних гравців.
Розглянемо практичний приклад. Припустимо, розроблено
високоефективну нейромережу з точністю виявлення
та дуже низьким рівнем хибних спрацьовувань .
Припустимо також, що в грі читери становлять лише 1% від загальної
аудиторії, тобто , а чесні гравці .
Підставивши ці значення у формулу Байєса, отримаємо:
Результат свідчить про глибоку математичну проблему: незважаючи на
те, що античит має феноменальну точність у 99%, через величезну перевагу
кількості чесних гравців, лише 50% спрацьовувань системи будуть
правильними, а кожне друге блокування виявиться хибним (False Positive).
З огляду на парадокс базової оцінки, оптимізація класифікатора
виключно за метрикою загальної точності є неприйнятною. Натомість
використовується концепція вартісно-чутливого навчання, яка вводить
несиметричну матрицю вартості помилок (Cost Matrix). Нехай
репутаційна та фінансова вартість помилкового блокування легітимного
гравця, а вартість пропуску одного читера, який псує гру іншим.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 43
а
Математична функція очікуваного емпіричного ризику R для системи
класифікації набуває вигляду:
В ігровій індустрії приймається аксіома, що ​, тобто вартість
хибного бану у сотні разів перевищує вартість пропуску порушника. Тому
алгоритми оптимізації (наприклад, градієнтний спуск у нейромережах)
налаштовуються таким чином, щоб мінімізувати саме перший доданок
рівняння, навіть ціною тимчасового збільшення кількості пропущених загроз
( ).
Саме через парадокс базової оцінки розробники античит-систем не
можуть покладатися виключно на бінарну класифікацію нейронних мереж.
Сучасні архітектури змушені штучно занижувати рівень FPR до
екстремальних значень (наприклад, 0.0001%) [14].
Для досягнення таких показників розрахунок ймовірності хибних
спрацьовувань доповнюється багатофакторною валідацією. Замість
миттєвого блокування при перетині порогу , система розраховує довірчий
інтервал для серії ігрових сесій. Оптимальним математичним апаратом для
цього є послідовний критерій відношення ймовірностей Вальда (SPRT).
Алгоритм SPRT не має фіксованого розміру вибірки. Сервер
безперервно накопичує логарифм відношення правдоподібності (Log-
Likelihood Ratio, LLR) з кожною новою зафіксованою дією гравця ​:
Прийняття рішення відбувається за двома динамічними порогами, A та
B, які жорстко прив'язані до допустимого рівня хибних спрацьовувань та
хибних пропусків . Якщо , гравець гарантовано визнається
порушником і блокується. Якщо , гравець визнається легітимним,
тому перевірка призупиняється. Якщо ж , система не приймає
рішення і продовжує прихований збір телеметрії (Shadow Mode).
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 44
а
Блокування ініціюється виключно тоді, коли кумулятивна ймовірність
використання читів протягом тривалого вікна спостереження перетинає
асимптотичну межу, при якій ймовірність , що заблокований гравець
був чесним - стає статистично незначущою.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 45
а
5 ДОСЛІДЖЕННЯ ТА МОДЕЛЮВАННЯМЕХАНІЗМІВ ОБХОДУ
СИСТЕМ ЗАХИСТУ
5.1 Апаратний обхід за допомогою технології DMA та накладання
відеосигналу
Як свідчить ретроспективний аналіз еволюції ігрового шахрайства [2],
архітектура шкідливого програмного забезпечення завжди адаптувалася до
нових рівнів захисту. З переходом передових античит-систем на рівень ядра
операційної системи (Ring 0) та впровадженням жорстких політик перевірки
цифрових підписів драйверів, програмне приховування читів на цільовому
комп'ютері стало економічно та технічно недоцільним для зловмисників. Це
змусило розробників шкідливого програмного забезпечення шукати
принципово нові вектори атак, які б повністю виключали програмну
взаємодію з операційною системою цільової машини. Таким вектором стала
експлуатація фундаментальних принципів комп'ютерної архітектури через
використання апаратної технології прямого доступу до пам'яті DMA [11, 16].
У стандартній архітектурі персонального комп'ютера технологія DMA
була розроблена для оптимізації продуктивності: вона дозволяє
високошвидкісним периферійним пристроям обмінюватися даними з
оперативною пам'яттю напряму, минаючи центральний процесор. Оскільки
процесор не бере участі у транзакціях з пам'яттю, операційна система не
отримує відповідних апаратних переривань, а отже, її захисні механізми
залишаються “сліпими” до факту копіювання даних [11].
Системна шина PCI-Express проектувалася з урахуванням необхідності
обробки величезних масивів даних із мінімальними затримками. Тому вона
надає підключеним периферійним пристроям прямий апаратний маршрут до
контролера пам'яті через кореневий комплекс (Root Complex). Зловмисники
використовують цю архітектурну особливість для створення фізичних
пристроїв (переважно на базі програмованих логічних інтегральних схем -
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 46
а
ПЛІС / FPGA), здатних самостійно формувати низькорівневі запити
транзакційного рівня (Transaction Layer Packets, TLP) на читання фізичної
оперативної пам'яті (RAM). Оскільки такі транзакції виконуються апаратно
на рівні материнської плати і не генерують жодних програмних переривань
для центрального процесора, операційна система залишається абсолютно
сліпою до факту витоку інформації. Процес зчитування (Memory Dumping)
відбувається несанкціоновано, повністю непомітно для античиту та в режимі
реального часу. Для ефективного застосування цієї вразливості на практиці
та конвертації сирих даних пам'яті у реальну ігрову перевагу, зловмисникам
доводиться розбудовувати цілу мережу ізольованих пристроїв. Архітектура
та топологія такого сучасного комплексного апаратного обходу наочно
продемонстрована на рисунку 5.1.
Рисунок 5.1 – Структурна схема комплексного апаратного обходу античит-
системи з використанням плати DMA, контролера Kmbox та змішувача Fuser
Як видно з наведеної схеми, екосистема апаратного втручання
складається з декількох ізольованих вузлів. Основною ланкою є цільовий
ігровий комп'ютер, на якому не запускається жодних сторонніх програмних
процесів. У вільний слот PCI-Express цього комп'ютера встановлюється
спеціалізована плата прямого доступу (DMA card), яка безперервно передає
копію фізичної пам'яті через інтерфейс USB 3.0 на зовнішній
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 47
а
обчислювальний пристрій. Для успішного функціонування та обходу
сучасних захисних механізмів материнської плати, таких як віртуалізація
вводу-виводу (IOMMU), ці плати використовують складні методи підробки
апаратної ідентифікації (Device Spoofing). Зловмисники прошивають у плату
копії легітимних просторів конфігурації (PCIe Configuration Space),
включаючи Vendor ID та Device ID реальних пристроїв, що змушує ядро
операційної системи та античит вважати цей пристрій цілком безпечним та
дозволеним до використання [11, 16].
Вся логіка аналізу та розрахунків виноситься на другий комп'ютер,
який знаходиться повністю поза юрисдикцією античиту ігрової машини.
Отримавши сирий дамп пам'яті, спеціалізоване програмне забезпечення на
зовнішньому пристрій розшифровує ігрові вказівники та витягує координати
ворогів - Entity List. На основі цих даних розраховуються балістичні вектори
для автоматичного прицілювання та формується графічний інтерфейс з
підказками про місцезнаходження супротивників.
Для безпечного відображення отриманої ігрової переваги, яка
найчастіше реалізується у вигляді візуального функціоналу екстрасенсорного
сприйняття (ESP) або можливості бачити крізь перешкоди (Wallhack),
використовується спеціалізований апаратний змішувач відеосигналу,
технічно відомий як Fuser. Основна мета цього пристрою - гарантувати
абсолютну невидимість графічних малюнків для локальних модулів безпеки.
Будь-яка спроба програмно відмалювати графічний оверлей безпосередньо в
операційній системі цільової ігрової машини негайно призвела б до
виявлення алгоритмічної аномалії. Сучасні античит-системи безперервно
сканують графічний конвеєр, здійснюють перехоплення функцій бібліотек
DirectX або Vulkan, а також регулярно створюють приховані знімки екрана
кадрового буфера (Frame Buffer) для пошуку сторонніх графічних елементів.
Натомість зовнішній змішувач приймає два незалежні фізичні відеопотоки
через високошвидкісні інтерфейси, такі як HDMI або DisplayPort. Перший
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 48
а
потік - це чисте, оригінальне зображення від відеокарти ігрового комп'ютера,
а другий - згенероване зображення з графічними підказками: рамками,
векторами та інформацією про супротивників, яке відмальовується на
абсолютно чорному фоні за допомогою допоміжної обчислювальної системи.
Високопродуктивний мікроконтролер пристрою виконує попіксельне
накладання другого зображення на перше в режимі реального часу. Він
апаратно видаляє фоновий колір за принципом хромакею (Color Keying),
після чого передає фінальний комбінований кадр безпосередньо на фізичний
монітор гравця. Оскільки цей процес відбувається виключно на апаратному
рівні зовнішньої плати, античит продовжує фіксувати абсолютно чисту гру,
тоді як зловмисник отримує точну візуальну інформацію без жодних
відчутних затримок передачі сигналу, що дозволяє зберегти високу частоту
оновлення кадрів для змагального процесу.
Вирішення проблеми автоматизації рухів миші для реалізації систем
автоматичного наведення – Aimbot, забезпечується через застосування
апаратних інжекторів вводу, таких як контролер Kmbox. Оскільки сучасні
ігри блокують спроби ін'єкції віртуальних кліків миші через API Windows
[16], фізична ігрова миша підключається безпосередньо до контролера
Kmbox. Коли другий ПК розраховує необхідний вектор переміщення
прицілу, він надсилає відповідну команду на мікроконтролер. Kmbox
апаратно конвертує цю команду у легітимні пакети формату USB HID і
транслює їх на ігровий комп'ютер. З точки зору операційної системи такі
рухи ідентифікуються як абсолютно природні фізичні переміщення миші,
зроблені рукою гравця, що унеможливлює програмне виявлення підміни на
локальному рівні.
Для підтвердження та верифікації наведеної теоретичної моделі атаки,
приклад конфігурації реального апаратного стенду для проведення етапу
зчитування (DMA-атаки) наведено на рисунку 5.2.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 49
а
Рисунок 5.2 – Практична реалізація DMA-атаки з використанням пристрою
Screamer PCIe Squirrel та ПЗ PCILeech
На рисунку 5.2 зображено процес фізичної інтеграції апаратного
модуля до портативного комп'ютера. У даному сценарії використовується
перехідник з інтерфейсу M.2 на повноцінний слот PCI-Express для
підключення спеціалізованої плати Screamer PCIe Squirrel до цільової
системи. На зовнішньому дисплеї другого комп'ютера запущено
спеціалізоване консольне програмне забезпечення фреймворку PCILeech.
Цей інструментарій дозволяє встановлювати прямий зв'язок з пам'яттю
цільової машини, виконувати безперервний моніторинг структур даних ядра
Windows у режимі реального часу та зчитувати ігрову телеметрію зі
швидкістю, достатньою для синхронізації з частотою кадрів ігрового
рушія [11].
Розглянутий комплексний апаратно-програмний ланцюг є
найскладнішим викликом для сучасної індустрії кібербезпеки. Він майстерно
експлуатує фундаментальні принципи апаратної архітектури фон Неймана,
роблячи будь-який локальний програмний захист ігрового клієнта фактично
сліпим та недієздатним у виявленні самого факту втручання [16].
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 50
а
5.2 Програмні вектори атак: перехоплення трафіку та ін'єкції в
пам'ять
Незважаючи на стрімкий розвиток апаратних засобів обходу, програмні
вектори атак залишаються наймасовішим інструментом втручання в ігровий
процес. Програмні атаки вимагають безпосередньої взаємодії з операційною
системою цільового комп'ютера та її мережевими інтерфейсами. Успішність
таких втручань базується на експлуатації архітектурних вразливостей ядра та
мережевих служб найпоширеніших операційних систем, зокрема
Windows [5].
Критичною проблемою інформаційної безпеки є несанкціонована
модифікація адресного простору гри. Вона стає можливою через вразливості
файлової системи та витоки даних з оперативної пам'яті [5]. Зловмисники
впроваджують шкідливий код у легітимний процес гри (DLL Injection),
отримуючи можливість зчитувати координати об'єктів з пам'яті або
модифікувати параметри середовища.
Опинившись всередині адресного простору, шкідливий код здійснює
перехоплення системних функцій (API Hooking). Оскільки багато ігрових
клієнтів, та їхні античити вимагають високих привілеїв, експлуатація таких
вразливостей через буферні переповнення чи експлойти драйверів може
призвести не лише до отримання ігрової переваги, але й до привілейованого
виконання довільного коду на рівні ядра операційної системи (Ring 0) [5].
Іншим потужним вектором програмних атак є втручання в мережевий
обмін даними. Сучасні онлайн-ігри функціонують на основі клієнт-серверної
архітектури, активно використовуючи TCP та UDP порти для обміну
телеметрією в режимі реального часу [5].
Якщо ігровий трафік не має належного криптографічного захисту на
транспортному рівні (наприклад, TLS/DTLS), зловмисники застосовують
атаку “Людина посередині” (Man-in-the-Middle). Вона дозволяє
перехоплювати пакети між клієнтом та сервером, щоб прочитати ігрову
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 51
а
телеметрію, викрасти облікові дані або підмінити ігрову ситуацію на свою
користь.
Особливу небезпеку становить ін'єкція пакетів. Аналізуючи структуру
ігрового протоколу, зловмисники формують і відправляють підроблені
пакети даних на відкриті порти сервера або клієнта [5]. Це призводить до
перехоплення ігрових сеансів та підміни координат гравця [7]. Крім того,
цілеспрямована генерація великої кількості модифікованих запитів (зокрема
через вразливості UDP-ампліфікації) використовується для організації
локальних DoS/DDoS-атак. У таких випадках мережевий канал
перевантажується сфабрикованим трафіком, що спричиняє критичні
затримки та недоступність сесії [5].
Для виявлення та протидії подібним програмно-мережевим аномаліям
вимагається впровадження інтелектуальних систем виявлення мережевих
вторгнень NIDS. Такі системи здатні аналізувати трафік у реальному часі,
фіксувати надмірну кількість запитів між клієнтом і сервером та ізолювати
аномальну активність, перш ніж вона завдасть шкоди ігровому процесу [7].
Окрім безпосередньої модифікації коду гри, серйозним викликом для
систем захисту є використання легітимного програмного забезпечення для
приховування візуальних індикаторів читів (функцій ESP або Wallhack).
Оскільки створення сторонніх прозорих вікон поверх ігрового клієнта легко
детектується модулями безпеки, зловмисники застосовують техніку Overlay
Hijacking. Такі програми, як платформи голосового зв'язку (Discord), системи
цифрової дистрибуції (Steam, EA) або утиліти драйверів відеокарт (NVIDIA
GeForce Experience, AMD Radeon Software), мають офіційний дозвіл від
античиту на відображення свого графічного інтерфейсу безпосередньо
поверх рушія гри. Шкідливий код ін'єктується в процес такого довіреного
оверлею і використовує його графічний контекст (DirectX/OpenGL Hook) для
відмальовування рамок супротивників, ліній напрямку погляду чи
балістичних підказок. Під час створення знімку екрана (скріншоту) античит
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 52
а
бачить лише стандартну роботу легітимного комунікаційного додатка, що
робить виявлення візуального втручання локальними засобами вкрай
складною алгоритмічною задачею.
Для безпосереднього пошуку необхідних координат у пам'яті гри
сучасні програмні засоби обходу майже повністю відмовилися від
використання статичних адрес. Це зумовлено тим, що базові адреси модулів
постійно змінюються після кожного оновлення клієнта або перезапуску
операційної системи через роботу механізму ASLR (Address Space Layout
Randomization). Натомість програмні інжектори застосовують метод
динамічного сигнатурного сканування пам'яті. Шкідлива програма швидко
зчитує сторінки оперативної пам'яті в пошуках унікальних послідовностей
байтів, які відповідають за ініціалізацію певних ігрових структур, таких як
масив гравців або параметри локального персонажа. Виявивши ці патерни,
алгоритм у режимі реального часу обчислює динамічні зміщення (Offsets) і
встановлює стабільні вказівники на необхідні дані.
З метою уникнення виявлення з боку евристичних аналізаторів,
розробники шкідливого ПЗ масово застосовують криптографічні методи
обфускації, поліморфізму та віртуалізації коду. У таких випадках кожна
окрема збірка чит-програми, яка постачається кінцевому користувачу,
генерується з унікальною двійковою структурою. Використовується
змінений порядок машинних інструкцій, додавання Junk Code та шифрування
всіх текстових рядків і викликів системних API. Це призводить до того, що
традиційний сигнатурний аналіз, який базується на порівнянні хеш-сум
файлів, стає фактично недієздатним. Індустрія кібербезпеки змушена
констатувати, що блокування таких загроз на рівні простору користувача
Ring 3 вичерпало свій потенціал, оскільки операційна система не надає
достатніх інструментів для гарантованої верифікації цілісності потоків
виконання ізольованих програм.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 53
а
5.3 Аналіз вразливостей архітектури клієнт-сервер
Еволюція апаратних та програмних методів втручання довела
фундаментальну проблему кібербезпеки: будь-який захисний модуль, що
виконується на апаратному забезпеченні клієнта, може бути ізольований або
скомпрометований. Це змушує індустрію переходити до парадигми нульової
довіри, де комп'ютер користувача апріорі вважається ворожим середовищем,
а головна лінія оборони переноситься на серверну частину.
Архітектура клієнт-сервер є фундаментальною концепцією сучасних
обчислень, яка забезпечує розподілену обробку даних і послуг [8]. Більшість
сучасних багатокористувацьких ігор побудовані на базі виділеного
“авторитетного сервера”. У цій моделі сервер є єдиним джерелом істини: він
самостійно розраховує фізику, зіткнення та результати пострілів, тоді як
користувач лише відправляє команди вводу і відмальовує отриману
картинку. Хоча така архітектура має багато переваг з точки зору
масштабованості та гнучкості, вона також містить критичні недоліки, серед
яких складність реалізації та “єдина точка відмови” [8].
Клієнт-серверна архітектура стикається з труднощами під час
використання в іграх у реальному часі через затримку мережі. Щоб
забезпечити безперебійний ігровий досвід, розробники інтегрують
прогнозування на стороні клієнта, що залишає значні вразливості в безпеці.
Клієнт може розраховувати стан гри локально, до підтвердження сервера. Це
призводить до маніпуляцій з частотою тиків. Зловмисники Speedhack
використовують цей архітектурний компроміс, щоб надсилати фальшиві
пакети даних на сервер і обманювати сервер, змушуючи його повірити, що
персонаж рухається надзвичайно швидко, що суперечить фізичним
обмеженням ігрової інфраструктури.
Через Ping мережею Інтернет, жорстка авторитарна модель робить
ігровий процес некомфортним. Для компенсації цих затримок розробники
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 54
а
змушені впроваджувати механізми прогнозування на стороні клієнта. Саме ці
компромісні архітектурні рішення створюють специфічні ігрові вразливості:
1.Маніпуляція часом та переміщенням (Speedhack / Teleport):
Оскільки клієнту дозволено локально прогнозувати свої рухи,
зловмисник може надсилати на сервер фальсифіковані пакети з
прискореними часовими мітками. Якщо сервер недостатньо жорстко
валідує швидкість (Tick-rate validation), він приймає ці дані, що
дозволяє читеру рухатися швидше, ніж дозволено фізичним рушієм
гри.
2. Надлишковість даних (Передумова для ESP/Wallhack): Для
забезпечення плавного відображення ігрового світу, сервер змушений
передавати клієнту масив інформації з надлишком, включаючи
координати ворогів, які ще знаходяться за стінами і не є видимими. Ця
архітектурна необхідність і є головною причиною існування візуальних
читів.
Як зазначається в дослідженнях клієнт-серверної архітектури, одним із
її головних недоліків є залежність усієї системи від центрального вузла. В
контексті відеоігор це означає, що у разі успішної DDoS-атаки на відкриті
порти авторитетного сервера, гра зупиняється не лише для конкретного
користувача, але й для всіх клієнтів у сесії. Зловмисники масово
експлуатують цю архітектурну слабкість для “крашу” (DDoS-Drop) серверів,
щоб уникнути поразки в змагальних матчах.
Оскільки клієнтським рішенням для боротьби з читерством стає все
важче довіряти, клієнт-серверні моделі мають власні обмеження на обсяг
переданих даних, спеціалізовані кластери штучного інтелекту тепер беруть
на себе роль виявлення загроз. Деякі з провідних світових ігрових компаній
зараз починають використовувати дуже потужні рішення для потокового
аналізу, такі як система VACnet.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 55
а
Ці бекенд-системи збирають масиви великих даних у режимі реального
часу, які включають вектори погляду, мікрорухи миші, час реакції тощо.
Нейронні мережі генеруватимуть математичну модель поведінки
користувача для виявлення аномалій наприклад, рух Aimbot буде
представлено ідеальною лінійною інтерполяцією. Цей метод може виявляти
шахрайство на основі статистичної поведінки користувача, навіть якщо код
шахрайства прихований глибоко в апаратній або програмній архітектурі.
Таке об'єднання класичних методів автентифікації користувача та
сервера, інтегрованих із сучасними криптографічними протоколами для
комунікаційного трафіку та аналітичних даних, що надходять від сервера,
призводить до розробки загального уніфікованого технічного методу, як
описано та детально запропоновано в іншій частині цього дослідження.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 56
а
6 ПРОГРАМНА РЕАЛІЗАЦІЯ ДОСЛІДНОГО ПРОТОТИПУ ТА
АЛГОРИТМІВ АВТОМАТИЗАЦІЇ
6.1 Пропозиції щодо покращення захисту та архітектура захисного
модуля
Програмний комплекс було розроблено на основі досліджень
вразливостей ігрового середовища з використанням методів пасивного
візуального аналізу. Оскільки традиційні методи захисту від крадіжок на
рівні ядра Ring 0 переважно захищають адресний простір пам'яті, існує
потреба в розробці та спостереженні за інструментами, що використовують
принцип “зовнішнього” втручання (External). Основною метою розробки
програмного комплексу є створення дослідницької платформи Proof of
Concept, яка може імітувати алгоритми колірного тригера Color Trigger для
дослідження методів виявлення алгоритмів колірного тригера.
Згідно з результатами аналізу роботи механізмів створеного прототипу,
перелік технологічних удосконалень для покращення інтегрованих систем
захисту виглядає наступним чином:
1. Аналіз вхідних шаблонів: Програмні тригери – це сигнали кліків, які
математично створюються джойстиком. Для аналізу даних
мікротремтіння та інтервалу цих сигналів кліків рекомендується
використовувати серверні модулі. Будь-який ненульовий лінійний
інтерпольований рух або постійна затримка між часом виявлення
об'єкта та часом кліку користувача слід вважати аномальною,
незалежно від того, чи містить система шкідливе програмне
забезпечення.
2. Захист доступу до буфера кадрів: Ризики, пов'язані з використанням
бібліотек швидкого захоплення екрана наприклад, mss, можна
зменшити за допомогою апаратного захисту вмісту. Коли ви
застосовуєте певні засоби керування типом DRM до вашого графічного
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 57
а
конвеєра, це створює шар, який може маскувати конфіденційні ігрові
ресурси від тих програм, які роблять знімки екрана за допомогою
системних викликів, і забезпечує жорсткий опір будь-якому аналізу,
який вони виконують для визначення того, що вони захопили.
3. Комп'ютерна система візуальної ідентифікації: Розробляються
алгоритми з метою генерації динамічного забарвлення важливих
елементів у дуже вузькому діапазоні невидимого для людського ока
спектру світла, але що генерує шум при порівнянні з використанням
алгоритмів цифрової матриці комп'ютерів.
Дотримуючись принципів проектування складних комп'ютерних
систем, прототип не лише призначений для обробки даних на високих
швидкостях, але й надійно працюватиме завдяки модульній та багаторівневій
архітектурній структурі. Ієрархічна структура комплексу має два основні
рівні.
Модуль попередньої ініціалізації та керування залежностями Launcher.
Компонент launcher.py служить захистом та способом автоматизації
створення дослідницьких середовищ. Структура запуску побудована на
основі класу DependencyChecker, і цей клас виконує такі завдання:
1. Перевірка системного середовища перевірить, чи доступна для
використання правильна версія інтерпретатора Python, а також чи
доступне правильне розташування системних файлів для запуску
програми.
2. Завантаження та автентифікація бібліотек: Система використовуватиме
importlib для перевірки через певні проміжки часу шести основних
бібліотек системи; загалом чотирьох основних системних бібліотек
Pillow, pyautogui, pynput та pydirectinput, а також двох утилітних
бібліотек mss та numpy.
3. Автоматизоване встановлення пакетів: Якщо система виявляє, що
принаймні один пакет відсутній у середовищі, вона встановлює
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 58
а
необхідну кількість пакетів за допомогою subprocess.run з моменту
ідентифікації першого відсутнього пакета без необхідності втручання
користувача. POC також буде представлено візуально за допомогою
графічного інтерфейсу, як показано на рисунку 6.1 для демонстрації
операцій, що відбуваються під час створення тестового середовища.
Рисунок 6.1 – Графічний інтерфейс модуля перевірки та управління
залежностями Launcher
Головне програмне/аналітичне ядро ​складається з блоку автоматизації
реакцій. Після завершення процесу верифікації буде запущено головний
модуль програми main_file.py, який написаний з використанням об'єктно-
орієнтованого програмування в класі ColorTriggerApp. Воно ​складається з
таких компонентів:
1. Модель потокової обробки - використання бібліотеки потоків дозволяє
відокремити важкі процеси аналізу відеопотоку від основного потоку
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 59
а
програми, яким є графічний інтерфейс користувача. Таким чином, при
високому навантаженні процесора вікно програми працюватиме
безперебійно.
2. Блок моніторингу подій нижчого рівня використовує
pynput.keyboard.Listener для своєї конструкції. За допомогою цього
методу, коли натискається та утримується назначена клавіша, сама
клавіша визначається, незалежно від того, чи знаходиться головне
вікно програми у фокусі.
3. Блок моніторингу подій нижчого рівня використовує
pynput.keyboard.Listener для своєї конструкції. За допомогою цього
методу, коли натискається та утримується назначена клавіша, сама
клавіша визначається, незалежно від того, чи знаходиться головне
вікно програми у фокусі.
Python було обрано основною мовою програмування, оскільки це
найпоширеніша мова в галузі аналізу даних та машинного зору. Основною
причиною використання бібліотеки numpy як основного архітектурного
компонента програмного забезпечення є те, що вона дозволяє швидше
виконувати векторизовані операції з даними масивів пікселів (~50-100x
швидше, ніж звичайні цикли Python). Використання векторизованих операцій
у Python забезпечує час відгуку приблизно 20 - 50 мс, що буде важливою
частиною моделювання ігрових загроз для ігрових додатків нового та
поточного ігрових покоління.
Такий метод створення архітектурних структур дозволяє розробити
адаптивний мобільний програмний пакет, який може ефективно виконувати
свою функцію, а саме аналізувати вразливість каналів передачі візуальних
даних, що використовуються в ігрових системах.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 60
а
6.2 Реалізація алгоритмів захоплення екрана та колірного
розпізнавання
Підсистема пасивного візуального аналізу служить серцем
побудованого пробного прототипу. Вона розробляє метод отримання даних
кольорового зображення через активний дисплей операційної системи, а
потім ідентифікує визначені періоди кольору, створені одночасно.
Продуктивність зовнішніх кольорових тригерів значною мірою
залежить від того, як швидко обробляються кадри та коли відбувається
переривання апаратного забезпечення; отже, програмне забезпечення
побудовано на високопродуктивних матрицях.
Під час використання високорівневих бібліотек для отримання знімків
екрана, таких як захоплення зображень з пакета Pillow, виникає значна
затримка через те, як ця система взаємодіє з графікою, такою як GDI
Windows; це створює дуже високе навантаження на центральний процесор
системи. В ігровому середовищі навіть невелика затримка в кілька мілісекунд
перешкоджатиме продуктивності алгоритму. Щоб вирішити цю проблему,
алгоритм захоплення нашого розробленого модуля працює на
кросплатформній бібліотеці mss. Бібліотека взаємодіє з операційною
системою на найнижчих рівнях (API Windows та ctypes), щоб забезпечити
прямий та швидкий доступ до пам'яті відеоадаптера.
Збір даних виконується в нескінченному циклі, поки self.is_running:
виконується в ізольованому потоці програми, що запобігає блокуванню
основного графічного інтерфейсу користувача системи. Система, по суті,
забезпечує максимальну продуктивність, відмовляючись від аналізу всього
екрану одночасно та аналізуючи невелику прямокутну частину екрана, також
відому як поле зору (FOV). Розрахунок області моніторингу виконується з
використанням значень координат центру екрана (геометричний центр
екрана за замовчуванням (з можливістю ручного калібрування)) та розмірів
зони пошуку. Сканування в обмеженій області зменшує кількість даних, що
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 61
а
підлягають аналізу, в 1000 разів і дозволяє мати швидкість сканування понад
100 кадрів на секунду на типових комп'ютерних системах.
Після того, як модуль mss передає “сирі” дані, графічні дані миттєво
перетворюються на числовий масив n вимірів. Для виконання цього
перетворення використовується бібліотека numpy. Обробка кожного пікселя
інтерпретованою мовою Python за допомогою стандартних циклів призвела б
до значного зниження продуктивності, тому цей крок є архітектурно
важливим; numpy дозволяє перенести обробку на рівень оптимізованого коду
C за допомогою векторизованих операцій. Зазвичай системні API Windows
створюють матрицю даних у форматі BGRA (синій, зелений, червоний та
альфа-канали). Система використовує зрізи масиву, щоб миттєво видалити
альфа-канал та реорганізувати цю структуру даних у стандартний формат
даних RGB, щоб порівняти ці дані з еталонним шаблоном.
Для збільшення загальної швидкості обробки було реалізовано
механізм просторового проріджування за допомогою змінної сканування
пікселів. Алгоритм обробляє пікселі за один або кілька кроків, ефективно
зменшуючи розмір матриці в 4, або більше рази, з незначною втратою
здатності алгоритму виявляти присутність об'єкта. Для кожного пікселя в
заданому зрізі обчислюється модуль різниці між значенням RGB поточного
пікселя та значенням цільового кольору еталону. Оскільки на колір об'єкта в
більшості ігор може впливати динамічне освітлення та тіні, а також ефекти
постобробки, алгоритм також створює булеву маску, щоб визначити, чи
знаходиться різниця між усіма трьома каналами в межах порогу чутливості
(допуску), встановленого користувачем.
Під час перевірки логічної маски за допомогою функції np.any, якщо є
один піксель, який відповідає заданим умовам, це означає, що об'єкт
виявлено, і буде згенеровано повідомлення для виклику модуля моделювання
кліків маніпулятора. Крім того, для візуального контролю
експериментатором, масив після перетворення буде повернуто назад у
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 62
а
графічний об'єкт і відображено в блоці “Кадр реакції”, як показано на
рисунку 6.2.
Рисунок 6.2 – Результати роботи алгоритму колірного розпізнавання в
реальному часі з відображенням зони захоплення
Запропонована математична модель ілюструє, що методи
комп'ютерного зору є дуже успішними. Прототип може постійно оцінювати
зміни в графічному буфері та негайно реагувати на виявлення цільового
об'єкта менш ніж за одну секунду, залишаючись при цьому невиявним для
стандартних систем боротьби з обманом.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 63
а
6.3 Розробка графічного інтерфейсу та алгоритми симуляції вводу
Графічний інтерфейс було створено для зручності дослідження та
швидкої зміни налаштувань прототипу. Візуальна оболонка програми була
створена з використанням стандартної кросплатформної бібліотеки tkinter.
Це дозволило нам не використовувати великий фреймворк та зберегти
загальний рівень продуктивності системи.
На рисунку 6.3 видно, як логічно виконано дизайн інтерфейсу
користувача шляхом поділу функцій на різні блоки, що відповідають крокам
налаштування тригера.
Рисунок 6.3 – Головне вікно графічного інтерфейсу дослідного прототипу
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 64
а
Головне вікно складається з таких модулів:
1. Блок конфігурації для цільового кольору: місце, де дослідник
може вказати колір, значення RGB об’єкта, до якого система реагуватиме.
Для забезпечення максимальної точності передбачено два методи вибору
кольору.
Інструмент “Піпетка” використовує pynput.mouse.Listener, який
перехоплює глобальні події миші. Після активації дослідник може вибрати
піксель з будь-якої точки екрана, і система зчитує значення кольору пікселя
за допомогою pyautogui.pixel.
Системна палітра використовує набір функцій color
chooser.askcolor для відображення стандартного діалогового вікна вибору
кольору. Після відображення діалогового вікна кольору можна вручну
налаштувати ключові параметри як відтінок, яскравість та контрастність
вибраного кольору показаного на рисунку 6.4. Панель позначок кольору в
реальному часі live_color_label, яка знаходиться внизу блоку вибору,
відображає інформацію про колір, вибраний користувачем, числове значення
різниці між вибраним кольором та стандартним опорним кольором, а також
те, чи знаходиться, або не знаходиться - різниця в межах вибраного рівня
допуску.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 65
а
Рисунок 6.4 – Діалогове вікно системної палітри для точного вибору
цільового колірного патерну
2. Блок налаштування зони моніторингу: містить елементи
керування, що використовуються для визначення геометрії сканування
(FOV). Користувач використовує повзунки tk.Scale для налаштування
розміру квадрата сканування region_size; від 10 до 400 пікселів, а також рівня
допуску до відхилень кольору colour_tolerance; 0 - 150. Після натискання
кнопка «Встановити центр» запускає таймер перед встановленням поточного
положення курсора як нового центру пошуку геометрії.
3. Блок керування станом (Status): керує основним аналітичним
потоком. Алгоритм моніторингу запускається за допомогою звукового
сповіщення winsound.beep. Він використовує додатковий механізм
модифікації клавіш, щоб запобігти випадковому натисканню користувачем,
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 66
а
коли визначена клавіша не натиснута. У даній програмі, клавіша Shift
використовується як додатковий модифікатор клавіші.
4. Блок реєстрації (Log): містить текстову область, де відображаються
системні повідомлення та помилки разом зі статусом операцій перехоплення
цілі. Це допомагає в налагодженні системи.
Кінцева мета кольорових тригерів - створити результат, який імітує
людську реакцію, тобто натискання клавіші миші. Стандартні методи
автоматизації pyautogui.click використовують виклики вищого рівня
наприклад, подію миші, SendInput, і ці виклики вищого рівня виявляються та
блокуються сучасними іграми в операційній системі.
Щоб обійти ці захисти, програма пропонує кілька способів генерації
подій введення:
1. Основний метод введення (DirectInput): використання бібліотеки
pydirectinput. Бібліотека виступає основним інструментом у цьому
процесі. Замість використання стандартного API, pydirectinput
підключається безпосередньо до підсистеми DirectX, і коли буде
створюватись подія за допомогою pydirectinput.click, код сканування
буде надіслано до буфера драйвера пристрою, створюючи таким чином
видимість фактичного переривання від апаратного контролера. Це
дозволяє нашому натисканню на клавішу виглядати ідентично події
миші, згенерованій користувачем, для великого відсотка локальних
античит-систем.
2. Автоматичне звільнення модифікаторів: щоб ключі активації не
«застрягли», алгоритм примусово надсилає сигнал “деактивації” до
системи введення pydirectinput.keyUp('Shift') перед ініціюванням
натискання на клавішу мишею. Конфлікт введення виникає, коли
програма отримує два різні типи подій. Коли користувач одночасно
натискає більше однієї клавіші-модифікатора, а потім натискає на
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 67
а
клавішу мишки. Оскільки може виникнути кілька типів конфліктів
введення, алгоритм був створений для зменшення конфліктів введення.
3. Резервний механізм: якщо програма стикається з помилкою під час
виклику DirectInput, алгоритм перехопить цю помилку за допомогою
оператора try/except, і використає pyautogui для виконання
“резервного” натискання на клавішу, як резервну альтернативу.
Встановлення такого типу інтерфейсу з апаратним входом свідчить про
те, що зовнішні засоби автоматизації можна легко налаштувати та обійти
фундаментальні обмеження програмного забезпечення, що існують в
операційних системах. Тому необхідно розробити та використовувати нові
методи виявлення загроз, зокрема поведінкову аналітику, як зазначено в
підрозділі 6.1.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 68
а
ВИСНОВКИ
У кваліфікаційній роботі бакалавра вирішено важливе науково-
технічного питання шляхом аналізу вразливостей в архітектурі захисту
сучасного ігрового програмного забезпечення та демонстрації (шляхом
практичної розробки прототипу програмного забезпечення “Color Trigger” -
зовнішнього пристрою автоматизації) механізмів для боротьби з програмним
забезпеченням проти обману. Результати аналізу еволюції кіберзагроз для
індустрії відеоігор свідчать про те, що системи захисту на основі сигнатур та
цілісності пам'яті на рівні простору користувача більше не є корисними.
Багато нових рішень проти обману працюють на рівні ядра, тобто Ring 0;
однак, використовуючи апаратне забезпечення DMA або методи
комп'ютерного зору, нові вектори атак змістилися у зовнішнє середовище.
Завдяки дослідженню архітектури клієнт-сервер було зроблено висновок, що
прагнення до візуального рендерингу даних на локальному рівні забезпечує
місце для розробки пасивних систем аналізу, які не матимуть прямого
доступу до ігрового коду; тому ці системи залишатимуться невиявними для
класичних інструментів моніторингу.
Під час практичної частини цієї роботи було розроблено та
протестовано прототип програмного забезпечення Color Trigger на Python.
Програмне забезпечення працює повністю автономно. Дуже швидкий знімок
екрана досягається за допомогою спеціалізованої бібліотеки mss без
надмірного використання процесора та за допомогою numpy для виконання
математичної обробки масивів пікселів для визначення точних колірних
шаблонів з урахуванням помилок динамічного рендерингу. Крім того,
успішна реалізація модуля моделювання апаратного входу з використанням
низькорівневих API DirectX продемонструвала потенціал для обходу
програмних фільтрів, що знаходяться в операційній системі. Нарешті,
швидкість відгуку цього прототипу (тобто 20 - 50 мс) продемонструвала, що
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 69
а
такі системи можуть забезпечити значну штучну перевагу над можливостями
реакції людини.
Тестування експериментального дослідницького стенду (Proof of
Concept) виявило фундаментальну проблему інформаційної безпеки в іграх,
тобто локальні механізми/рішення проти читерства не мають здатності
розпізнавати зовнішні алгоритми, які використовують лише візуальну
інформацію для ігрових цілей. Майбутні напрямки досліджень у цій галузі
повинні бути зосереджені на відмові від розширення локальних привілеїв
драйверів проти читерства та розробці та впровадженні архітектури типу
“нульова довіра” в ігрових системах. Розробка серверного аналітичного
апарату машинного навчання забезпечить майбутній “надійний” механізм
захисту ігрових систем, де глибокий поведінковий аналіз телеметрії та рухів
гравця може бути використаний для надійного виявлення автоматизації гри,
згенерованої комп'ютером.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 70
а
ПЕРЕЛІК СКОРОЧЕНЬ ТА УМОВНИХ ПОЗНАЧЕНЬ
БД – База даних.
ОС – Операційна система.
ПЗ – Програмне забезпечення.
ПК – Персональний комп’ютер.
ПЛІС – Програмована логічна інтегральна схема.
ЦП – Центральний процесор.
ШІ – Штучний інтелект.
API (Application Progrmming Interface) – Інтерфейс прикладного
програмування.
AUC (Area Undre the Cruve) – Площа під кривою робочих характеристик.
BGRA (Blue, Green, Red, Alpha) – Колірні моделі, що описують значення
каналів.
BYOVD (Bring Your Own Vulnerable Driver) – Атака з використанням
вразливого легітимного драйвера.
DBSCAN (Densite-Based Spatial Clustering of Application with Noise) –
Алгоритм просторової кластеризації на основі щільності із зашумленням.
DDoS (Disctributed Denial-of-Service) – Розподілена атака на відмову в
обслуговуванні.
DLL (Dymanic-Link Library) – Динамічно підключаєма бібліотека.
DMA (Direct Memory Access) – Прямий доступ до пам’яті.
ESP (Extra-Sensory Preception) – Візуалізація прихованих об’єктів у грі.
FNR (False Negative Rate) – Рівень пропуску загроз, або хибнонегативних
результатів.
FOV (Field of View) – Поле зору, або зона пошуку на екрані.
FPGA (Field-Programming Gate Array) – Програмована логічна інтегральна
схема.
FPR (False Positive Rate) – Рівень хибних спрацьовувань.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 71
а
FPS (Frames Per Second) – Кількість кадрів на секунду.
GDI (Graphics Device Interface) – Інтерфейс графічних пристроїв операційної
системи Windows.
LSTM (Long Short-Term Memory) – Архітектура рекурентних нейронних
мереж “довга коротка пам’ять”.
MTTD (Mean Time To Detect) – Середній час до виявлення загрози.
MTTR (Mean Time To Respond) – Середній час до реагування на загрозу.
NIDS (Network Intrusion Detection System) – Система виявлення мережевих
вторгнень.
P2P (Peer-to-Peer) – Однораногова мережа.
PCA (Principal Component Analysis) – Метод головних компонент.
PCIe (Peripheral Component Interconnect Express) – Високошвидкісна шина
вводу-виводу.
PoC (Proof of Concept) – Дослідний прототип.
RAM (Random Access Memory) – Оперативна пам’ять.
RGB (Red, Green, Blue) – Колірні моделі, що описують значення каналів.
RNN (Recurrent Neural Network) – Рекурентна нейронна мережа.
ROC (Receiver Operating Characteristic) – Крива робочих характеристик
приймача.
SPRT (Sequential Probability Ratio Test) – Послідновний критерій відношення
ймовіірностей Вальда.
TMP (Trusted Platform Module) – Модуль довірчої платформи апаратного
захисту.
TPR (True Positive Rate) – Рівень істинного виявлення загроз.
UDP (User Datagram Procotol) – Протокол користувацьких датаграм.
VAC (Valve Antic-Cheat) – Система захисту від шкідливого програмного
забезпечення (читів) розробки компанії Valve.
WHQL (Windows Hardware Quality Labs) – Сертифікація апаратного
забезпечення від компанії Microsoft.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 72
а
ДОДАТОК А
«ЗАТВЕРДЖУЮ»
Завідувач кафедри ІБ та КІ
к.т.н., доцент Артем ЛАВДАНСЬКИЙ
__________________
«___» ____________ 2026 року
Загрози безпеки та захист комп’ютерних ігор від
несанкціонованого втручання
Специфікація
482.ЧДТУ.62208-01
Листів 2
Розробник _______________ Сергій ПАНЧЕНКО
Керівник _______________ Артем ЛАВДАНСЬКИЙ
Черкаси 2026
2
482.ЧДТУ.62208-01
Позначення Найменування Примітка
Документація
482.ЧДТУ.62208-01 12 01 Текст програми
482.ЧДТУ.62208-01 34 01 Інструкція користувача
ДОДАТОК Б
Загрози безпеки та захист комп’ютерних ігор від
несанкціонованого втручання
Текст програми
482.ЧДТУ.62208-01 12 01
Листів 10
Розробник: Сергій ПАНЧЕНКО
Черкаси 2026
import tkinter as tk from PIL import ImageGrab, ImageTk,
from tkinter import ttk, colorchooser Image
import threading import pyautogui as _pyautogui
import time import pydirectinput as _pydirectinput
import ctypes from pynput import keyboard as
import winsound _keyboard
import sys pyautogui = _pyautogui
import subprocess pydirectinput = _pydirectinput
import importlib keyboard = _keyboard
import os
try:
_DEPENDENCIES = [
("Pillow", "PIL", "Робота із ctypes.windll.shcore.SetProcessDpiAwarene
зображеннями"), ss(1)
("pyautogui", "pyautogui", except Exception:
"Керування мишею/клавіатурою"), pass
("pynput", "pynput", "Слухач
клавіш/миші"), class ColorTriggerApp:
("pydirectinput", "pydirectinput","Пряме def __init__(self, root):
введення (DirectInput)"), self.root = root
("mss", "mss", "Швидкий self.root.title("Color Trigger v2.0
знімок екрана"), (Simple)")
("numpy", "numpy", self.root.attributes('-topmost', True)
"Математичні обчислення"), self.root.geometry("350x600")
] self.root.resizable(False, False)
self.target_color = (255, 0, 0)
def _check_dependencies(): self.is_running = False
results = [] self.shift_pressed = False
for pip_name, import_name, desc in self.monitoring_thread = None
_DEPENDENCIES: self.overlay_window = None
try: self.picking_mode = False
self.mouse_listener = None
importlib.import_module(import_name)
results.append((pip_name, self.region_size = 60
import_name, desc, True)) self.color_tolerance = 30
except ImportError: self.scan_step = 2
results.append((pip_name, self.create_widgets()
import_name, desc, False))
return results self.keyboard_listener =
keyboard.Listener(on_press=self.on_key_pr
ess, on_release=self.on_key_release)
def _all_installed(): self.keyboard_listener.start()
return all(ok for _, _, _, ok in
_check_dependencies()) self.update_live_info()
self.update_vision_preview_loop()
def _do_imports(): def create_widgets(self):
global ImageGrab, ImageTk, Image, style = ttk.Style()
pyautogui, pydirectinput, keyboard style.configure("Bold.TLabel",
font=("Arial", 10, "bold"))
3
482.ЧДТУ.62208-01 12 01
threading.Thread(target=self.start_calibratio
header = tk.Frame(self.root, n).start())
bg="#222", pady=10) self.calib_btn.pack(fill="x", pady=5)
header.pack(fill="x")
tk.Label(header, text="�� TriggerBot sz_row = tk.Frame(r_frame)
v1.0", font=("Segoe UI", 14, "bold"), sz_row.pack(fill="x")
fg="white", bg="#222").pack() tk.Label(sz_row,
text="Розмір:").pack(side="left")
main_frame = tk.Frame(self.root, self.region_var =
padx=10, pady=10) tk.IntVar(value=self.region_size)
main_frame.pack(fill="both", self.region_var.trace_add("write",
expand=True) self.on_settings_change)
tk.Scale(sz_row, from_=10, to=400,
c_frame = tk.LabelFrame(main_frame, orient="horizontal",
text="1. Колір цілі", padx=5, pady=5) variable=self.region_var,
c_frame.pack(fill="x", pady=5) showvalue=False).pack(side="left", fill="x",
expand=True, padx=5)
row1 = tk.Frame(c_frame) tk.Label(sz_row,
row1.pack(fill="x", pady=2) textvariable=self.region_var).pack(side="lef
t")
self.color_display = tk.Label(row1,
bg=self.rgb_to_hex(self.target_color), tol_row = tk.Frame(r_frame)
width=6, height=1, relief="solid") tol_row.pack(fill="x", pady=5)
self.color_display.pack(side="left", tk.Label(tol_row,
padx=5) text="Допуск:").pack(side="left")
self.tol_var =
self.pick_btn = tk.Button(row1, tk.IntVar(value=self.color_tolerance)
text="�� Піпетка", self.tol_var.trace_add("write",
command=self.start_picker, bg="#eee") self.on_settings_change)
self.pick_btn.pack(side="left", padx=5) tk.Scale(tol_row, from_=0, to=150,
orient="horizontal", variable=self.tol_var,
tk.Button(row1, text="�� Палітра", showvalue=False).pack(side="left", fill="x",
command=self.choose_color_dialog).pack(si expand=True, padx=5)
de="left", padx=5) tk.Label(tol_row,
textvariable=self.tol_var).pack(side="left")
self.live_color_label =
tk.Label(c_frame, text="Помічено: ...", self.overlay_btn = tk.Button(r_frame,
font=("Consolas", 8)) text="Показати рамку",
self.live_color_label.pack(pady=2) command=self.toggle_overlay,
bg="#FFC107")
r_frame = tk.LabelFrame(main_frame, self.overlay_btn.pack(fill="x", pady=5)
text="2. Зона (центр екрана)", padx=5,
pady=5) ctrl_frame =
r_frame.pack(fill="x", pady=5) tk.LabelFrame(main_frame, text="3.
Статус", padx=5, pady=5)
self.calib_btn = tk.Button(r_frame, ctrl_frame.pack(fill="x", pady=5)
text="�� Встановити центр",
command=lambda: self.status_lbl = tk.Label(ctrl_frame,
text="ЗУПИНЕНО", fg="red",
font=("Arial", 12, "bold"))
4
482.ЧДТУ.62208-01 12 01
return (cx - s//2, cy - s//2, cx + s//2, cy
+ s//2)
def start_calibration(self):
self.calib_btn.config(text="Наведіть
на приціл! (3)", bg="orange")
self.root.update()
time.sleep(1)
self.calib_btn.config(text="Наведіть
на приціл! (2)")
self.root.update()
time.sleep(1)
self.calib_btn.config(text="Наведіть
на приціл! (1)")
self.root.update()
time.sleep(1)
pos = pyautogui.position()
self.custom_center = pos
self.calib_btn.config(text=f"Центр:
{pos}", bg="#ddd")
winsound.Beep(1000, 200)
if self.overlay_window:
self.update_overlay()
else:
self.toggle_overlay()
def toggle_overlay(self):
if self.overlay_window:
self.overlay_window.destroy()
self.overlay_window = None
self.overlay_btn.config(text="Показати
зону реакції")
else:
self.overlay_window =
tk.Toplevel(self.root)
self.overlay_window.attributes('-
topmost', True)
self.overlay_window.attributes('-
alpha', 0.5)
self.overlay_window.attributes('-
transparentcolor', 'red')
self.overlay_window.overrideredirect(True)
self.cv =
tk.Canvas(self.overlay_window, bg='red',
5
482.ЧДТУ.62208-01 12 01
highlightthickness=2, self.pick_btn.config(text="��
highlightbackground='green') Піпетка", bg="#eee")
self.cv.pack(fill='both', self.root.config(cursor="")
expand=True)
self.update_overlay() self.color_display.config(bg=self.rgb_to_he
x(self.target_color))
self.overlay_btn.config(text="Сховати зону self.log(f"Колір обрано:
реакції") {self.target_color}")
def update_overlay(self): def choose_color_dialog(self):
if self.overlay_window: c =
x1, y1, x2, y2 = get_bbox = colorchooser.askcolor(color=self.rgb_to_hex
self.get_region() (self.target_color))
w = x2 - x1 if c[0]:
h = y2 - y1 self.target_color = tuple(map(int,
c[0]))
self.overlay_window.geometry(f"{w}x{h}+ self.color_display.config(bg=c[1])
{x1}+{y1}")
self.cv.delete("all") def start(self):
self.cv.create_line(w//2, 0, w//2, h, if not self.is_running:
fill="green") self.is_running = True
self.cv.create_line(0, h//2, w, h//2, self.monitoring_thread =
fill="green") threading.Thread(target=self.loop,
daemon=True)
def start_picker(self): self.monitoring_thread.start()
self.picking_mode = True
self.btn_start.config(state="disabled")
self.pick_btn.config(text="Натисніть...", self.btn_stop.config(state="normal")
bg="yellow")
self.root.config(cursor="cross") self.status_lbl.config(text="ОЧІКУВАННЯ
SHIFT", fg="orange")
from pynput import mouse winsound.Beep(500, 200)
self.mouse_listener =
mouse.Listener(on_click=self.on_click_pick def stop(self):
) self.is_running = False
self.mouse_listener.start() self.btn_start.config(state="normal")
self.btn_stop.config(state="disabled")
def on_click_pick(self, x, y, button,
pressed): self.status_lbl.config(text="ЗУПИНЕНО",
if not pressed and self.picking_mode: fg="red")
try: winsound.Beep(300, 200)
px = pyautogui.pixel(int(x), int(y))
self.target_color = px def loop(self):
self.root.after(0, self.finish_pick) import mss
except Exception as e: import numpy as np
print(e)
return False # Стоп pydirectinput.PAUSE = 0
def finish_pick(self): with mss.mss() as sct:
self.picking_mode = False
6
482.ЧДТУ.62208-01 12 01
while self.is_running: except:
if self.shift_pressed: pass
try:
x1, y1, x2, y2 = def is_match(self, c):
self.get_region() rd = abs(c[0] - self.target_color[0])
monitor = { gd = abs(c[1] - self.target_color[1])
"top": int(y1), bd = abs(c[2] - self.target_color[2])
"left": int(x1), return max(rd, gd, bd) <=
"width": int(x2 - x1), self.color_tolerance
"height": int(y2 - y1)
} def update_live_info(self):
try:
sct_img = sct.grab(monitor) cx, cy, _, _ = self.get_region() # top-
left
arr = np.array(sct_img) cx += self.region_size // 2
arr_rgb = arr[:, :, [2, 1, 0]] cy += self.region_size // 2
step = max(1, self.scan_step) c = pyautogui.pixel(cx, cy)
scan_slice =
arr_rgb[::step, ::step] rd = abs(c[0] - self.target_color[0])
gd = abs(c[1] - self.target_color[1])
diff = bd = abs(c[2] - self.target_color[2])
np.abs(scan_slice.astype(int) - diff = max(rd, gd, bd)
self.target_color)
match = "ТАК!" if diff <=
mask = np.all(diff <= self.color_tolerance else "НІ!"
self.color_tolerance, axis=2) fg = "green" if diff <=
self.color_tolerance else "red"
if np.any(mask):
self.shoot()
self.log("MATCH! self.live_color_label.config(text=f"Центр:
Clicking...") {c} | Різниця: {diff} | Відповідність:
time.sleep(0.1) {match}", fg=fg)
self.last_img = except:
Image.fromarray(arr_rgb, 'RGB') pass
self.root.after(100,
except Exception as e: self.update_live_info)
self.log(f"ERR: {e}")
def update_vision_preview_loop(self):
def shoot(self): if hasattr(self, 'last_img') and
try: self.last_img:
pydirectinput.keyUp('shift') try:
i =
pydirectinput.click() self.last_img.resize((int(self.last_img.width
* (80/self.last_img.height)), 80))
except Exception as e: self.tk_img =
self.log(f"Помилка кліку: {e}") ImageTk.PhotoImage(i)
try: self.preview_canvas.delete("all")
pyautogui.click()
7
482.ЧДТУ.62208-01 12 01
self.root.title("�� TriggerBot —
self.preview_canvas.create_image(0, 0, Перевірка залежностей")
anchor="nw", image=self.tk_img) self.root.configure(bg=_BG)
except: pass self.root.resizable(False, False)
self.root.after(100, self.root.attributes('-topmost', True)
self.update_vision_preview_loop)
win_w, win_h = 530, 800
def on_key_press(self, key): sx = self.root.winfo_screenwidth() // 2 -
if key == keyboard.Key.shift or key == win_w // 2
keyboard.Key.shift_r: sy = self.root.winfo_screenheight() // 2
if not self.shift_pressed: - win_h // 2
self.shift_pressed = True
if self.is_running: self.root.geometry(f"{win_w}x{win_h}+{sx
}+{sy}")
self.status_lbl.config(text="АКТИВНО!",
fg="green") self.dep_rows = {}
self.installing = False
def on_key_release(self, key): self.should_launch = False
if key == keyboard.Key.shift or key ==
keyboard.Key.shift_r: self._build_ui()
self.shift_pressed = False self._refresh()
if self.is_running:
def _build_ui(self):
self.status_lbl.config(text="ОЧІКУВАННЯ # Header
SHIFT", fg="orange") header = tk.Frame(self.root,
bg=_BG_SURFACE, pady=14)
def rgb_to_hex(self, rgb): header.pack(fill="x")
return '#%02x%02x%02x' % rgb tk.Label(header, text="�� Перевірка
def log(self, msg): залежностей",
self.log_text.insert("1.0", f"{msg}\n") font=("Segoe UI", 16, "bold"),
fg=_MAUVE, bg=_BG_SURFACE).pack()
_BG = "#1e1e2e" tk.Label(header, text="TriggerBot
_BG_SURFACE = "#282840" v2.0",
_BG_CARD = "#313244" font=("Segoe UI", 10),
_TEXT = "#cdd6f4" fg=_TEXT_DIM,
_TEXT_DIM = "#6c7086" bg=_BG_SURFACE).pack()
_GREEN = "#a6e3a1"
_RED = "#f38ba8" py_frame = tk.Frame(self.root,
_YELLOW = "#f9e2af" bg=_BG, pady=8, padx=20)
_BLUE = "#89b4fa" py_frame.pack(fill="x")
_MAUVE = "#cba6f7" py_ver =
_BTN_BG = "#45475a" f"{sys.version_info.major}.{sys.version_inf
o.minor}.{sys.version_info.micro}"
tk.Label(py_frame, text=f"✅ Python
class _DepCheckerWindow: {py_ver}",
def __init__(self): font=("Segoe UI", 11, "bold"),
self.root = tk.Tk() fg=_GREEN, bg=_BG,
anchor="w").pack(fill="x")
8
482.ЧДТУ.62208-01 12 01
tk.Label(py_frame, text=f" relief="flat", padx=10,
{sys.executable}", cursor="hand2",
font=("Consolas", 8), command=lambda p=pip_name:
fg=_TEXT_DIM, bg=_BG, self._install_one(p)
anchor="w").pack(fill="x") )
tk.Frame(self.root, bg=_BTN_BG, self.dep_rows[pip_name] = {
height=1).pack(fill="x", padx=20, pady=4) "status_label": status_lbl, "btn":
install_btn,
tk.Label(self.root, text="Бібліотеки", "row": row, "installed": None,
font=("Segoe UI", 11, "bold"), }
fg=_TEXT, bg=_BG,
anchor="w", padx=20).pack(fill="x", tk.Frame(self.root, bg=_BTN_BG,
pady=(8, 4)) height=1).pack(fill="x", padx=20, pady=8)
deps_container = tk.Frame(self.root, self.overall_label = tk.Label(self.root,
bg=_BG, padx=20) text="Перевірка...",
deps_container.pack(fill="x") font=("Segoe UI",
12, "bold"), fg=_YELLOW, bg=_BG)
for pip_name, import_name, desc in self.overall_label.pack(pady=4)
_DEPENDENCIES:
row = tk.Frame(deps_container, btn_frame = tk.Frame(self.root,
bg=_BG_CARD, pady=6, padx=10) bg=_BG, pady=4)
row.pack(fill="x", pady=2) btn_frame.pack()
row.columnconfigure(1, weight=1)
⏳ self.install_all_btn = tk.Button(
status_lbl = tk.Label(row, text=" ", btn_frame, text="�� Встановити
font=("Segoe UI", 12), всі відсутні",
fg=_YELLOW, font=("Segoe UI", 10, "bold"),
bg=_BG_CARD, width=2) fg=_BG, bg=_YELLOW,
status_lbl.grid(row=0, column=0, activebackground="#e0c878",
rowspan=2, padx=(0, 8)) relief="flat", padx=16, pady=6,
cursor="hand2",
tk.Label(row, text=pip_name, command=self._install_all
font=("Segoe UI", 10, "bold"), )
fg=_TEXT, bg=_BG_CARD, self.launch_btn = tk.Button(
anchor="w").grid(row=0, column=1, btn_frame, text="�� Запустити
sticky="w") TriggerBot",
tk.Label(row, text=desc, font=("Segoe UI", 11, "bold"),
font=("Segoe UI", 8), fg=_BG, bg=_GREEN,
fg=_TEXT_DIM, activebackground="#8cd490",
bg=_BG_CARD, anchor="w").grid(row=1, relief="flat", padx=2, pady=8,
column=1, sticky="w") cursor="hand2",
command=self._do_launch
install_btn = tk.Button( )
row, text="Встановити", self.recheck_btn = tk.Button(
font=("Segoe UI", 9),
fg=_BG, bg=_BLUE, btn_frame, text="�� Перевірити",
activebackground=_MAUVE, font=("Segoe UI", 9), fg=_TEXT,
bg=_BTN_BG,
9
482.ЧДТУ.62208-01 12 01
activebackground="#585b70", self.overall_label.config(text="✅
relief="flat", padx=12, pady=4, Ваш пристрій готовий до роботи!",
cursor="hand2", fg=_GREEN)
command=self._refresh self.launch_btn.pack(pady=4)
) else:
self.overall_label.config(
log_frame = tk.Frame(self.root, text=f"⚠️Не встановлено:
bg=_BG, padx=20, pady=4) {missing} из {len(_DEPENDENCIES)}",
log_frame.pack(fill="both", fg=_RED)
expand=True) self.install_all_btn.pack(pady=4)
tk.Label(log_frame, text="Лог", self.recheck_btn.pack(pady=4)
font=("Segoe UI", 9),
fg=_TEXT_DIM, bg=_BG, def _install_one(self, pip_name):
anchor="w").pack(fill="x") if not self.installing:
self.log_text = tk.Text( self._run_install([pip_name])
log_frame, height=6,
font=("Consolas", 8), def _install_all(self):
bg=_BG_SURFACE, fg=_TEXT, if self.installing:
insertbackground=_TEXT, return
relief="flat", wrap="word" missing = [n for n, d in
) self.dep_rows.items() if not d["installed"]]
self.log_text.pack(fill="both", if missing:
expand=True) self._run_install(missing)
self.log_text.config(state="disabled")
def _run_install(self, packages):
def _refresh(self): self.installing = True
results = _check_dependencies()
missing = 0 self.ins⏳tall_all_btn.config(state="disabled",
for pip_name, _, _, installed in results: text=" Встановлюю...")
rd = self.dep_rows[pip_name] for n in packages:
rd["installed"] = installed
if installed: self.dep_ro⏳ws[n]["btn"].config(state="disabl
ed", text=" ...")
rd["status_label"].config(text="✅",
fg=_GREEN) def worker():
rd["btn"].grid_forget() for pkg in packages:
else: self._log(f">>> pip install {pkg}")
missing += 1 try:
rd["status_label"].config(text="❌", r = subprocess.run(
fg=_RED) [sys.executable, "-m", "pip",
rd["btn"].grid(row=0, column=2, "install", pkg],
rowspan=2, padx=(8, 0)) capture_output=True,
text=True, timeout=120
self.install_all_btn.pack_forget() )
self.launch_btn.pack_forget() if r.returncode == 0:
self.recheck_btn.pack_forget() self._log(f"✅ {pkg}
встановлено успішно!")
if missing == 0: else:
10
482.ЧДТУ.62208-01 12 01
self._log(f"❌ Помилка: if should_launch and _all_installed():
{(r.stderr or '')[-300:]}") _do_imports()
except root = tk.Tk()
subprocess.TimeoutExp app = ColorTriggerApp(root)
self._log(f"⏰ired:
Таймаут: root.mainloop()
{pkg}")
except Exception as e:
self._log(f"❌ {e}")
self.root.after(0, self._after_install)
threading.Thread(target=worker,
daemon=True).start()
def _after_install(self):
self.installing = False
self.ins��tall_all_btn.config(state="normal",
text=" Встановити всі відсутні")
for d in self.dep_rows.values():
d["btn"].config(state="normal",
text="Встановити")
importlib.invalidate_caches()
self._refresh()
def _do_launch(self):
self.should_launch = True
self.root.destroy()
def _log(self, msg):
def _append():
self.log_text.config(state="normal")
self.log_text.insert("end", msg +
"\n")
self.log_text.see("end")
self.log_text.config(state="disabled")
if threading.current_thread() is
threading.main_thread():
_append()
else:
self.root.after(0, _append)
def run(self):
self.root.mainloop()
return self.should_launch
if __name__ == "__main__":
checker = _DepCheckerWindow()
should_launch = checker.run()
ДОДАТОК В
Загрози безпеки та захист комп’ютерних ігор від
несанкціонованого втручання
Інструкція користувача
482.ЧДТУ.62208-01 34 01
Листів 7
Розробник: Сергій ПАНЧЕНКО
Черкаси 2026
2
482.ЧДТУ.62208-01 34 01
Для початку роботи з програмою необхідно запустити файл
color_trigger.exe. На екрані з’явиться вікно в якому відбувається перевірка
залежностей. Після успішної перевірки – програма надає можливість перейти
далі, надавши кнопку. Стан перевірки залежностей зображено на рисунку В.1
та рисунку В.2.
Рисунок В.1 - Вікно перевірки залежностей (перевірка успішна)
3
482.ЧДТУ.62208-01 34 01
Рисунок В.2 - Вікно перевірки залежностей (перевірка не успішна)
При не успішній перевірці, користувачу надається можливість
встановити залежність, якої не вистачає. Після успішного встановлення
бібліотек, яких не вистачило, ми побачимо у логах, яка залежність була
встановлена. Дану інформацію зображено на рисунку В.3.
4
482.ЧДТУ.62208-01 34 01
Рисунок В.3 - Повідомлення про успішне встановлення бібліотеки
Після натиснення кнопки “Запустити TriggerBot”, якщо встановлено усі
залежності, користувач переходить до іншого вікна програми.
У наступному вікні, користувачу надається панель, де можна
налаштувати програму та використовувати (рисунок В.4).
Рисунок В.4 - Вікно панелі налаштування
5
482.ЧДТУ.62208-01 34 01
Якщо потрібно налаштувати колір, на який програма буде реагувати
(натискати на ліву кнопку міши), можна натиснути на кнопку “Піпетка”, та
натиснути на відповідний колір на екрані, або натиснути на кнопку “Палітра”
та обрати потрібний колір, як показано на рисунку В.5.
Рисунок В.5 - Вікно палітри
Якщо користувачу програми потрібно змінити, або перевірити розмір
зони, в якій код реагує на обраний колір – натискаємо на кнопку “Показати
рамку”, щоб побачити зону реакції, або “Встановити центр”, щоб змінити
координати зони реакції, як показано на рисунку В.6.
6
482.ЧДТУ.62208-01 34 01
Рисунок В.6 - Відображення та зміна зони реакції
Після усіх налаштувань програми, користувачу потрібно натиснути на
кнопку “Старт”. Далі, у панелі з’явиться повідомлення “Очікування Shift”,
що значить успішний запуск програми. Щоб зробити запит на натискання
клавіши, натискаємо на відповідну клавішу – Shift. Коли програма буде
спрацьовувати – кадр, на який зреагував код, буде показано у вкладці “Кадр
реакції”. Також у вкладці “Лог”, буде показано, що код спрацював на
встановлений колір. Результат спрацювання буде показано на рисунку В.7.
7
482.ЧДТУ.62208-01 34 01
Рисунок В.7 - Результат спрацювання програми
СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ
1. Античити. Античит Counter-Strike є одними з найгірших в індустрії.
Найкращий античит у VALORANT [Електронний ресурс]: (GameInside.ua)
/ 2024. URL: https://gameinside.ua/news/doslidzhennia-pokazalo-shcho-
antychyty-dlia-counter-strike-ie-odnymy-z-najhirshykh-najkrashchyj-antychyt-
u-valorant/338156/
2. Використання P2P та клієнт-серверних моделей у багатокористувацьких
іграх. / [Кулик О. О.] ; наук. керів. - асистент Солодов В. Д. :Харківський
національний університет радіоелектроніки, каф. МІРЕС, м. Харків, 2024. -
3 c. : c. 1-3. - УДК 004.946.
3. Впровадження безпечної P2P архітектури для змагальних
багатокористувацьких ігор. [Електронний ресурс]: // Reddit / 2023. URL:
https://www.reddit.com/r/gamedev/comments/109t4fy/implementing_a_secure_
p2p_architecture_for/?tl=uk
4. Зростання DDoS-атак: звіт Gcore показує зростання у першому півріччі
2024 року. [Електронний ресурс]: // 10Guards / 2024. URL:
https://10guards.com/ua/blog/2024/09/23/surge-in-ddos-attacks-gcore-report-
reveals-46-increase-in-first-half-of-2024/
5. Інформаційні загрози та методи забезпечення безпеки в сучасних
мережевих іграх. Кібербезпека: освіта, наука, техніка / [Полотай О. І., Брич
Т. Б., Ткаченко А. М., Дітковський М. М., Гуменюк М. Р.] 2025. С. 51–64.
6. Математичні методи аналізу ігрової поведінки та виявлення стороннього
впливу у геймплеї. [Електронний ресурс]: (Tencent Cloud) / 2025. URL:
https://www.tencentcloud.com/techpedia/115547
7. Нікітенко А. О. Системи виявлення мережевих вторгнень на основі
нейронних мереж глибокого навчання. (Наукові праці ДонНТУ). Серія
[Інформатика, кібернетика та обчислювальна техніка]. 2023. - № 2 (37). С.
15–21.
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 91
а
8. Плакса І. О. Архітектура клієнт-сервер: огляд та її застосування в сучасних
обчисленнях / Федорченко В. М. Сучасні напрями розвитку інформаційно-
комунікаційних технологій та засобів управління: матеріали конф. Харків,
2017. С. 86.
9. Поширені загрози для геймерів: як суперники можуть впливати на хід гри.
[Електронний ресурс]: (ESET) / 2022. URL:
https://www.eset.com/ua/about/newsroom/blog/home-security/osnovnyye-
ugrozy-dlya-geymerov-kak-protivniki-mogut-vliyat-na-khod-igry/
10. Як працює античит. [Електронний ресурс]: // Reddit / 2018. URL:
https://www.reddit.com/r/gamedev/comments/87i3p1/anticheat_how_does_it_w
ork/?tl=uk
11. A Brief History of Game Cheating [Електронний ресурс]: (CyberArk) / David
El. 2024. URL: https://www.cyberark.com/resources/threat-research-blog/a-
brief-history-of-game-cheating
12. All you need to know about cybersecurity in gaming. [Електронний ресурс]:
(Tech Funding News) / Doe, J. 2023. URL: https://techfundingnews.com/all-
you-need-to-know-about-cybersecurity-in-gaming/
13. Anomaly Detection in eSport Games Through Periodical In-Game. Movement
Analysis with Deep Recurrent Neural Network. [Irvan M., Zimmer F.,
Kobayashi R., Perera M. N. S., Tamponi R., Yamaguchi R. S.] ; Graduate
School of Information Science and Technology, The University of Tokyo,
Japan. // In Proceedings of the 16th International Joint Conference on
Computational Intelligence / 2024. - 437 c. : c. 430-437. - ISBN: 978-989-758-
721-4 ; ISSN: 2184-3236
14. Anomaly detection in gaming analytics [Електронний ресурс]: (Meegle) /
2026. URL: https://www.meegle.com/en_us/topics/anomaly-detection/anomaly-
detection-in-gaming-analytics
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 92
а
15. Anti-cheat Vanguard. Riot Vanguard in Riot Games [Електронний ресурс]:
(Riot Games / Valorant Support) / 2024. URL: https://support-
valorant.riotgames.com/hc/en-us/articles/360046160933-What-is-Vanguard
16. Direct Memory Access Attacks: An easy way to hack into memory, bypass
logon screens and ignore device encryption. [Електронний ресурс]:
(CSACyber) / Steve V. 2024. URL: https://csacyber.com/blog/direct-memory-
access-attacks-an-easy-way-to-hack-into-memory-bypass-logon-screens-and-
ignore-device-encryption
17. Online Gaming Fraud Detection: How to Secure Your Online Games
[Електронний ресурс]: (Kount) / 2026. URL: https://kount.com/blog/online-
gaming-fraud-detection-how-to-secure-your-online-games
18. Real-time Fraud Detection in Gaming: A Comprehensive Guide [Електронний
ресурс]: (Didit) / 2026. URL: https://didit.me/blog/real-time-fraud-detection-in-
gaming-a-comprehensive-guide/
19. Systemization of Knowledge (SoK): Goals, Coverage, and Evaluation in
Cybersecurity and Privacy Games. [Yue H., Marthie G., Lauren S. F., Georgia
P., Sanchari D., Jing W., Helge J.] ; CHI '25: Proceedings of the 2025 CHI
Conference on Human Factors in Computing Systems / 2025. - 27 c. : c. 1-27.
20. What Does Modern, Effective Security Look Like for Gaming Organizations.
[Електронний ресурс]: (Bulletproof) / 2022 URL:
https://content.bulletproofsi.com/modern-effective-security-for-gaming-
organizations
21. What is anti-cheat and everything we need to know. [Електронний ресурс]: /
Rayyan J. K. 2025. URL: https://pk.ign.com/counter-strike-global-
offensive/241497/news/what-is-an-anti-cheat-all-you-need-to-know
22. What is kernel-level anti-cheat and why should it be removed manually.
[Електронний ресурс]: // Reddit / 2025. URL:
https://www.reddit.com/r/Steam/comments/1krjey9/what_exactly_is_kernal_lev
el_anticheat_and_why/?tl=uk
Лист
ЧДТУ.262208.008 ПЗ т
Зм. Лист № докум. Підпис Дат 93
а