irwin

Irwin

Irwin ist die KI, die Betrugsmuster lernt, Betrüger markiert und Moderatoren bei der Beurteilung potenzieller Betrüger hilft.

Abhängigkeiten

Kompatibel mit Python 3.x

Python -Bibliotheken

pip3 install pymongo python-chess numpy requests

• Tensorflow : TensorFlow Installation Guide

Datenbank

• MongoDB : MongoDB -Installationshandbuch

Konfigurieren

conf/config.json erstellen

 {
  "api" : {
    "url" : "https://lichess.org/" ,
    "token" : "token"
  } ,
  "stockfish" : {
    "threads" : 4 ,
    "memory" : 2048 ,
    "nodes" : 4500000 ,
    "update" : false
  } ,
  "db" : {
    "host" : "localhost" ,
    "port" : 27017 ,
    "authenticate" : false ,
    "authentication" : {
      "username" : "username" ,
      "password" : "password"
    }
  } ,
  "irwin" : {
    "train" : {
      "batchSize" : 5000 ,
      "cycles" : 80
    }
  }
}

conf/config.json enthält Konfiguration für Stockfish, MongoDB, TensorFlow, Lichin (Authentifizierungs -Token und URL) usw.

Erstellen Sie eine Datenbank mit analysierten Spielern

Wenn Sie noch keine Datenbank mit analysierten Spielern haben, müssen einige hundert Spieler analysiert werden, um die neuronalen Netzwerke zu trainieren. python3 main.py --no-assess --no-report

Um

Irwin (benannt nach Steve Irwin, dem Krokodiljäger) begann als Name des Servers, auf dem das ursprüngliche Cheatnet lief (jetzt veraltet). Dies ist der Nachfolger von Cheatnet.

Ähnlich wie bei Cheatnet funktioniert es ein ähnliches Konzept der Analyse der verfügbaren PVs eines Spiels, um die Wahrscheinlichkeit eines Betrugs zu bestimmen.

Dieser Bot verbessert sich gegenüber Cheatnet, indem sie einen dramatisch modulären Ansatz für das Softwaredesign verfolgt. modules/core enthält die meisten generischen Datatypen, BSON -Serialisierungshandler und Datenbankschnittstellenschichten. Es ist auch aufgrund eines vereinfachten Ansatzes zur Verwendung von Stockfish -Analysen erheblich schneller.

modules/irwin enthält das Gehirn von Irwin. Hier findet das Tensorflow -Lernen und die Anwendung statt.

Irwin wurde so konzipiert, dass modules/irwin durch andere Ansätze zur Bewertung der Spieler ersetzt werden können.

Env.py enthält alle Tools, um mit Lichin, Irwin und den Datenbankhandlern zu interagieren.

main.py deckt über Env den Zugriff auf die Lichin -API ( modules/Api.py ) ab, um Player -Daten zu erhalten. Ziehen Sie Aufzeichnungen von MongoDB, Analyse von Spielen mit Stockfish, Bewertung dieser Spiele mit TensorFlow und anschließend die endgültigen Bewertungen.