各位传奇，又到了反作弊更新的时间了。随着“摊牌”（Showdown）活动的进行，我们希望与大家分享一些上赛季的数据洞察、正在进行的努力以及未来的展望。团队一直在幕后努力，不断推进我们打击不公平游戏行为和恶意玩家的持续工作。以下是今日开发日志重点内容的简要总结：

• 回顾“天才（Prodigy）”赛季：与前两个赛季相比，总封禁数（TB）、比赛感染率（MIR）和人均举报数（RPU）均出现波动（见下方图表）。这部分归功于一个额外的数据流，它改进了追踪能力并扩大了我们的主机端检测范围。我们也一直在努力打击第三方宏设备。
• 持续努力：我们详细分析了 TB、MIR 和 RPU——作为我们常规考量的三个指标。我们通过多个不同层级的数据进行汇总，这可能导致数值出现差异（示例见下文）。MIR 侧重于排位赛，而 TB 和 RPU 则涵盖所有模式。
• 近期重点：一套新工具系统的推出增强了我们的适应性，该系统将随着作弊手段的进化而不断升级。它帮助我们进一步处理包括组队作弊（teaming）和第三方机器人程序在内的首要任务。自 2 月以来，组队作弊的举报量减少了 33%，随着后续结果的体现，我们将继续监控并训练该工具。自瞄和防后坐力辅助也是我们目前正在积极开发与测试的核心重点。

正如我们在之前的开发日志中所提到的，只要有可用的信息，我们都会持续与大家分享详情。

回顾“天才”赛季

总体而言，上赛季总封禁数有所增加。比赛感染率和人均举报数与上赛季相比也出现了一些轻微波动，具体情况因平台而异。我们最近还解锁了一个新的数据流，使我们能够考量更多的控制台封禁数据，因此以下数据较我们之前分享的数据更全面地反映了我们的行动。对这些数据的改进追踪，使我们能够更具战略性地做出关于工作优先级和资源分配的决策，包括向感染率较高的地区分配额外的人力。

此前，我们的数据主要集中在 PC 端，这是因为我们将重点放在了主机端较少见的作弊程序上。随着我们加大对组队作弊的检测和打击力度，并致力于打击第三方宏设备，我们也开始将主机账户纳入这些统计数据中。下方的图表中，比赛感染率和人均举报数反映的是每个赛季或赛季中段更新后前两周的数据。总封禁数则反映了整个半个赛季的周期。

持续努力

我们在 之前的更新 中提到过，反作弊是一个永无止境的过程，涉及大量始终在运行的环节。总封禁数、比赛感染率和人均举报数只是拼图中的几块，但我们希望分享更多关于它们如何形成的细节。

• 总封禁数 (Total Bans)： 通过自动系统或人工审核对玩家账户采取的处罚总数（临时 + 永久）。我们结合其他方式（如移除排位分）来对付违规玩家。

• 比赛感染率 (Match Infection Rate, MIR)： 在过去 14 天内，至少有一名玩家被举报 3 次及以上并因作弊被封禁的比赛所占的百分比。《Apex 英雄》每场比赛的玩家基数较大（相比某些竞品），这可能会导致较高的 MIR。只要大逃杀比赛中 60 名玩家里有一人作弊，该场比赛即被视为“已感染”，即便如此，你可能也从未直接遇到该作弊者或感受到他们对比赛的影响。

  • 我们降低 MIR 的一个关键方法是缩短封禁响应时间。更快地检测到作弊者意味着他们影响的比赛场次会更少。

• 人均举报数 (Reports Per User)： 在过去 28 天内，被举报 3 次及以上的玩家被举报总数，除以同一时间段内的活跃玩家数量。

  • 我们并不要求必须达到 3 次举报才进行封禁。这是一个用于判断某人是否在负面影响玩家体验的一般准则，而不论最终是否因举报采取行动。纳入 3 次及以上的举报阈值很重要，因为它通常能捕捉到那些起初表现正常、后来才开始作弊的玩家。

所有指标（包括我们提到的指标）都是通过多个层级汇总而成的，包括数据中心、游戏模式、比赛等级、举报类型等。这意味着数值会因玩家、比赛、会话甚至地区的不同，在数据交叉比对中产生显著差异。以下是一些变量示例：

• 比赛感染率通常在作弊者最集中的排位赛中最高。

  • 非排位赛模式的 MIR 明显低于排位赛（降低了 50% 至 80%）。

• MIR 也会随着排位等级的提高而增加。钻石和大师段位的比赛被感染的可能性是全球排位赛平均感染率的两倍，而低段位比赛则明显低于平均水平。

近期重点

我们整理了近期几个工作重点的简要更新，因为我们希望尽可能地对社区保持透明。

额外的系统工具

我们在第 23 赛季推出了一套新系统，通过分析每个玩家基于游戏内指标表现出的各类不公平行为，来辅助我们对违规玩家采取行动。该系统具有适应性，并会随着新的作弊变种的出现而不断进化。

展望未来，我们希望将这些努力扩展到输入修改行为和防后坐力检测领域。

组队作弊、第三方机器人检测及更多

在检测方面，我们已在多个领域取得进展，并感谢大家在五月份反作弊和匹配机制 AMA 中提供的反馈，我们 新增了“透视/外挂意识（Wallhacking/Impossible Gamesense）”的举报选项。以下是我们几项首要任务的更新：

• 组队作弊 (Teaming)： 自我们上次讨论组队作弊以来，我们已经在持续改进该模型，并且观察到举报率相比二月份进一步下降 (-33%)。随着我们额外工具的推出，我们已经能够基于更多的游戏内行为指标增加检测量。
• 第三方机器人 (Third-party Bots)： 在优化了游戏指标后，我们能够利用现有工具定位并清除“机器人农场”，并为未来的检测进一步训练我们的额外工具——包括一个正在开发中的自动化机器人检测模型。我们将密切监测结果，你可能会在未来的数据分享中看到其对 MIR 和玩家举报的影响。
• 自瞄与防后坐力 (Aim Bots & Anti-Recoil)： 这一领域的检测是我们工作的重中之重，我们正在自主开发针对自瞄和防后坐力设备的内部游戏行为检测模型。