1樓：zthh
At GDC 2018, see how Valve uses deep learning to fight cheating in CS:GO!
2樓：樸素的貝葉斯
依賴深度學習，實質上是人類懶惰的體現。
深度學習使得再簡單的問題，人們也不願意動腦子去做。
人們期盼自己的顯示卡能給出十億個引數，恰巧能構成某個有邏輯的高效能圖靈機。
即使在次優解的海洋中顛簸到吐，咱也不願意親自掌舵。
我私以為問題沒那麼複雜，你看下面兩行語句：
mouse_event(MOUSEEVENTF_RIGHTDOWN,0, 0, 0, 0);
keybd_event('E',(BYTE)0, 0 ,0)這種東西正常程式不會沒事就迴圈呼叫的。
用API MONITOR可以檢測到。
想程式設計反這種外掛程式的話學一下 api hook。
這樣做速度快，準確度高，假陽低，ROC曲線下面積應該能碾壓深度學習。
腳疼咱不能找心理醫生，各位覺得呢。
3樓：Mr.Chen
就吃雞這款遊戲來說，因具有全球的大量玩家所產生的大量資料，可以從大資料方面進行深度學習，提取異常值，例如殺敵數，吃雞數波動幅度較大……
4樓：
1、是否可以通過監督學習很好地檢測這個問題？
個人猜測應該是挺難的，雖然指令碼簡單，但是也可以很大程度上模仿人的操作，這些操作在動作上可以隨機執行，邏輯上也可以隨機執行。只是提高開發的成本。一些比較簡單的指令碼必然是會被檢測出來的。
2、如果可以，是否有大規模應用的可能或價值？
價值是肯定有的，能不能大規模應用就要看成本的多少了，就好像很多端遊的防外掛程式軟體（TP,NP這些，我也不知道叫什麼，就叫軟體了），不是每個遊戲都用的起的。遊戲本身能盈利，控制外掛程式和指令碼又能促進收益或者拉新，維穩那麼才有意義去投資這些防外掛程式的東西，另外防外掛程式的不管是外接的還是內建的，都會一定程度上影響使用者體驗。
有什麼能加速大規模深度學習訓練又不損傷模型效能的方法嗎？
加速演算法了解的不多，說乙個小白在應用上 屢試不爽，尤其是自己寫的訓練指令碼 容易犯的錯誤 訓練啟動之後，nvidia smi你就盯著後面 volatile gpu util看 windows的話也可以看任務管理器 效能 要是波動特別大，尤其是linux環境經常性的0 說明你的訓練速度瓶頸可能在 C...
請問有做視覺SLAM基於深度學習閉環檢測的嗎？
九歌 俺就是在做深度學習與閉環檢測結合的工作的呀 目前將深度學習應用到閉環檢測中已經很普遍了吧。直接的想法是在bow框架下利用如superpoint d2 r2d2等深度學習特徵代替傳統orb sift等特徵。也有如NetVLAD CALC等用神經網路模擬傳統特徵提取策略，以獲得更好魯棒性的。也有加...
大規模lr訓練中，超引數除了暴力嘗試，是否有更好的優化方法？
用scikit learn裡的random search就行了。可以參考2012年的Random Search for Hyper Parameter Optimization 裡面對比了其他的一些自動調參法包括grid search，low discrepancy序列等等。作者還在文末吐槽說明明有...