Ang FACEIT ay nagpalakas ng laban laban sa mga cheater. Ang kompetitibong platform na Counter-Strike 2 ay naglalabas ng isang machine-learning system na tinatawag na “Human Input Detection” na hindi naghahanap ng mga kilalang cheat software. Sa halip, ito ay nagmamasid kung paano ka lalaro at desisyunin kung may tao nga ba sa likod ng keyboard.
Lumalabas ang tampok noong Agosto 5, 2026, na nakatugma sa simula ng Season 9. Ito ay nagpapakita ng isang pangunahing pagbabago sa paraan kung paano tinatanggap ni FACEIT ang anti-cheat: sa halip na i-scan ang mga software signature, ang sistema ay nag-aanalisa ng mga in-game input upang matukoy kung ito ay tunay na tao.
Bakit nagkakaroon ng pagkatalo ang tradisyonal na anti-cheat
Ang mga tradisyonal na sistema laban sa pag-cheat ay gumagana tulad ng antivirus software, na nagpapanatili ng database ng mga kilalang banta at nag-scan para sa mga pagkakatugma. Ang mga cheat na may AI ay nagpapakita ng kahinaang ito. Ang mga kasangkapan na ito ay hindi nagpapakilala ng code sa laro o hindi nagmodyfik ng memorya sa paraan na nag-iiwan ng malinaw na mga dấu. Sila ay bumabasa ng screen data sa pamamagitan ng panlabas na hardware (karaniwan sa pamamagitan ng DMA cards) at isinasalin ito sa mga kilos ng mouse na tila legal. Sa isang scanner batay sa signature, lahat ay tila malinis.
Ang mga numero ang nagpapakita kung gaano kamasama ang sitwasyon. Hanggang Mayo 2026, ang AI at DMA cheats ang nagsisilbing 40% ng lahat ng mga pagbabawal sa platform ng FACEIT. Sa Season 7, tumabas ang mga pagkakakita sa AI cheat ng 272%, na nagresulta sa 372 na pagbabawal.
Ang umiiral na kernel-level na anti-cheat ni FACEIT, na gumagana sa pinakamalalim na layer ng operating system ng isang computer, ay nagpabuti ng kanyang sakop sa mga AI-supported na cheat hanggang sa gitna ng 2026. Ngunit hindi sapat ang kernel-level na access lamang.
Paano gumagana ang Human Input Detection
Ang bagong sistema ay tinuruan sa mga milyon na match na input data. Ito ay pinag-aaralan kung paano talaga gumagalaw ang tao sa mouse, klick, at i-adjust ang layo, pagkatapos ay binubuo nito ang modelo kung ano ang “karaniwan.” Kapag ang mga input ay naglihis mula sa mga pattern ng tao sa mga partikular, makabubuluhang paraan, sinisiguro ng sistema ang mga ito.
Ang FACEIT ay nagtrabaho kasama ang mga inhinyero ng Google sa pagbuo ng behavioral modeling simula sa maagang 2026, na tumulong sa pagbuo ng pundasyon para sa layer na ito ng pagdetekta.
Isang mahalagang desisyon sa disenyo: ang sistema ay nangangailangan ng maraming kumpirmahang signal bago isagawa ang anumang pagbawal. Hindi ka mababawal dahil sa isang mag-isa lamang na maliit na input sequence. Ginawa rin ng FACEIT ang mga partikular na akomodasyon para sa mga device para sa accessibility. Ang mga manlalaro na gumagamit ng adaptive controllers, alternatibong paraan ng input, o assistive technology ay hindi dapat mag-trigger ng maling positibong resulta.