irwin

irwin

Irwin est l'IA qui apprend des modèles de tricherie, marque les tricheurs et aide les modérateurs à évaluer les tricheurs potentiels.

Dépendances

Compatible avec Python 3.x

Bibliothèques python

pip3 install pymongo python-chess numpy requests

• TensorFlow : Guide d'installation de TensorFlow

Base de données

• MongoDB : Guide d'installation de MongoDB

Configuration

Créer conf/config.json

 {
  "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 contient la configuration pour Stockfish, MongoDB, TensorFlow, Lichess (jeton d'authentification et URL), etc ...

Construisez une base de données des joueurs analysés

Si vous n'avez pas déjà de base de données de joueurs analysés, il sera nécessaire d'analyser quelques centaines de joueurs pour former les réseaux de neurones. python3 main.py --no-assess --no-report

À propos

Irwin (nommé d'après Steve Irwin, le Crocodile Hunter) a commencé comme le nom du serveur sur lequel le trichet d'origine a fonctionné (maintenant déprécié). Ceci est le successeur de CheatNet.

Semblable à CheatNet, il fonctionne sur un concept similaire d'analyser les PV disponibles d'un jeu pour déterminer les chances de tricherie.

Ce bot apporte des améliorations par rapport à CheatNet en adoptant une approche radicalement plus modulaire de la conception des logiciels. modules/core contient la plupart des données génériques, des gestionnaires de sérialisation BSON et des couches d'interface de base de données. Il est également considérablement plus rapide en raison d'une approche simplifiée de l'utilisation de l'analyse de Stockfish.

modules/irwin contient le cerveau d'Irwin, c'est là que l'apprentissage et l'application TensorFlow ont lieu.

Irwin a été conçu pour que modules/irwin puissent être remplacés par d'autres approches de l'évaluation des joueurs.

Env.py contient tous les outils pour interagir avec LICHESS, IRWIN et les gestionnaires de base de données.

main.py couvre l'accès à l'API LICHESS ( modules/Api.py ) via Env pour obtenir des données de lecteur; Tirant des records de MongoDB, analysant les jeux à l'aide de Stockfish, évaluant ces jeux à l'aide de TensorFlow puis affichant les évaluations finales.