LumoAiDetector

插件

· 作者 isLumo

一款实验性的 Minecraft 反作弊系统,它会记录战斗旋转数据并在 Java 中直接训练本地随机森林模型。它无需外部 API 或 Python 服务即可运行。

0 本站下载 0 关注 更新于 5 个月前

最新 0.1.2 · 26.1.2 · Bukkit / Folia

一键开服(送7天)

LumoAiDetector

LumoAiDetector banner

一款免费的 Minecraft 反作弊插件,它会在你的服务器内部训练自己的 AI 模型。它会记录战斗中的视角旋转窗口,剔除不良数据,使用 Java 训练随机森林模型,并在玩家行为可疑时通知你的管理人员。

我最初是为自己的服务器构建了这个插件。一段时间后,我决定将其分享出来。市面上有免费的反作弊方案和一些机器学习实验项目,但我找不到任何一个能完美实现以下完整流程:录制你自己的数据集、在本地训练模型、在游戏中管理模型文件,并确保所有消息均可编辑。

本插件不附带任何预训练模型。你需要自己训练模型。数据质量越高,检测效果越好,而你的玩家群体与我的并不相同。

实际工作原理

该插件监控的是战斗视角旋转,而非随机的鼠标移动。只有当所有条件都满足时,窗口数据才会送入模型:

  • 玩家最近进行了攻击或挥动武器。
  • 附近有存活的目标,且位于玩家的瞄准锥内。
  • 在 15 个刻(tick)的窗口期内,鼠标移动幅度足够大。
  • 刻的时间间隔保持在配置的网络延迟范围内。

每个有效的窗口会转换为 120 个数值(15 个刻 × 8 个值:dx, dy, dt, v, a, j, err, derr)。标签仅为 0(正常玩家)和 1(作弊者)。

How LumoAiDetector learns: record, filter, train, alert

为什么要训练自己的模型

服务器环境各不相同。不同的玩家、客户端、网络延迟、竞技场、PvP 风格以及作弊设置都会影响模型表现。在一个小型私人环境中训练出的模型可能在演示中表现完美,但在你的服务器上却可能失效。

因此,请录制正常的普通战斗。录制自瞄(cracked aim)和平滑自瞄。录制新手玩家、高手玩家、高和低灵敏度、跳跃、侧移、恐慌性快速甩枪以及失准的情况。当数据集不再过于“干净”时,模型才会变得更智能。

LumoAiDetector compared to fixed-rule anti-cheats

功能特性

  • 兼容 Bukkit、Spigot、Paper、Purpur 和 Folia。
  • Java 8 字节码目标平台。无需 NMS 或 ProtocolLib。
  • 可编辑的 config.yml 和 messages.yml。
  • 支持录制正常玩家和作弊者的样本数据。
  • 异步随机森林训练,带有日期标记的模型文件和元数据。
  • 游戏中支持模型的激活、停用和临时备份。
  • 超过配置的可疑百分比阈值时向管理员发送警报,并提供按玩家分组的警报历史记录。
  • 支持自动惩罚功能,默认关闭。
  • 加载模型时进行 SHA-256 完整性检查。
  • 支持按世界禁用、UUID 白名单以及绕过权限。

0.1.2 新增内容

  • 可复现的训练:设置 training.seed 为固定值,相同的数据集将生成相同的模型。
  • 自动类别平衡:针对不平衡的数据集进行优化,防止少量作弊者样本被淹没。
  • 诚实的指标显示:当没有验证集保留数据时,插件会明确说明数字来源于训练数据,而不是假装它们是独立的估计值。
  • /lad models compare <a> <b>:并排比较两个模型。
  • 独立的预测线程池:确保模型推理不会阻塞数据集写入。
  • 可选的网络延迟范围:跳过在异常延迟下录制的窗口数据。
  • 流式数据集计数与修剪:状态和修剪命令不再需要将整个文件加载到内存中。

命令列表

命令 功能描述
/lad record legit|cheater <player> 开始或停止录制某位玩家的数据。
/lad record stop <player|all> 停止一个或所有正在进行的录制。
/lad train 基于当前数据集训练模型。
/lad active <model> 加载并激活指定模型。
/lad deactivate 停用当前激活的模型。
/lad models [page] 列出已训练的模型。
/lad models info <model> 显示模型的性能指标。
/lad models compare <a> <b> 比较两个模型。
/lad delete <model> 将模型移至备份目录。
/lad backup list|restore|purge 管理备份文件。
/lad check <player> [history] 查看玩家的可疑程度或查看警报历史。
/lad status 查看插件、检测器、模型和数据集的状态。
/lad dataset info 查看数据集的行数、平衡情况和文件大小。
/lad dataset trim <rows> 仅保留最后 N 行数据。
/lad reload 重新加载配置文件和消息文件。

快速上手

  1. 将 jar 文件放入 plugins 文件夹,然后启动服务器一次以生成配置文件。
  2. 录制正常游戏行为:/lad record legit <you>。四处移动、跳跃、快速甩枪、平滑追踪、偶尔失准、改变灵敏度等。
  3. 录制作弊特征:/lad record cheater <you>。尝试快速自瞄、平滑自瞄、明显的 Killaura 以及细微的视角旋转作弊。
  4. 训练模型:/lad train。
  5. 激活模型:/lad active <model>。

默认配置较为保守。警报处于开启状态,自动惩罚处于关闭状态。这是有意为之的。在你训练并测试过自己的模型之前,请勿开启惩罚功能。

许可证

Apache License 2.0。版权所有 2026 Lumo (Lumskyy)。

欢迎 Fork、修复和移植。请使用明显不同的名称,并声明你的构建基于 Lumo (Lumskyy) 的 LumoAiDetector。请勿使用我的名称或品牌重新上传。

你是这个资源的作者?登录后可认领此资源。

评论 0

0.0
暂无评分
5 星
0
4 星
0
3 星
0
2 星
0
1 星
0
我的评分

登录后参与评分

还没有评论,来抢沙发吧

评论配图

相似资源