检测在线扑克作弊

最近在一个大型扑克网站上出现,一些玩家可能通过利用一个被发现的安全漏洞,能够在游戏时看到所有对手的牌

一个幼稚的作弊者会以极快的速度赢钱,而这些作弊者通常会被迅速抓获。即使没有迅速被抓获,也可以通过快速扫描他们的手牌历史记录来轻松检测到他们。

更困难的问题出现在作弊者表现出智慧时,他们在肯定会被跟注的情况下诈唬,用最差的牌跟注河牌圈的下注。其基本前提是,他们故意输掉彩池,以掩盖他们能够看到其他玩家牌的能力,并以合理的速度赢钱。

假设:

  • 拥有数百万条经过验证且完整的详细手牌历史记录的数据集
  • 理论上无限的计算机算力
  • 假设游戏为无限注德州扑克,尽管关于奥马哈或限注扑克的建议可能也有益

我们如何才能合理准确地对这些作弊者进行分类?最初的2+2论坛帖子征集想法,我认为SO社区可能会有一些有用的建议。

这也是一个有趣的问题,因为它目前切实存在,如果有人找到创造性的解决方案,它将真正改善世界,因为当发现作弊者时,真正的玩家很有可能会获得资金退款。


回答:

绘制所有玩家的 V$PIP 与胜率的关系图,这些玩家具有统计上显著的 #手牌数量。你应该可以用肉眼看到异常值。我认为这是首先要做的基本事情。

然后你可以绘制 WTSD 与胜率、摊牌胜率与非摊牌胜率、摊牌获胜百分比与 VPIP 的关系图。

你选择的统计数据必须在统计上显著。如果你了解扑克,以上选择是有道理的。

这不是机器的工作,异常值是用眼睛检测出来的。

编辑:奥马哈要困难得多,因为它确实有很多变数。有些弱势玩家在没有作弊的情况下,也创造了令人难以置信的连胜记录。

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注