AntiVision-SDK

AntiVision 项目方案 v3.0

日期：2026-06-03
状态：概念验证通过，进入 MVP 开发

一、产品定义

我们卖什么

AntiVision SDK — 让 AI 视觉外挂变得不可靠的游戏引擎中间件。

核心机制

服务端每局下发种子 → 客户端加载对应的对抗纹理 → 角色纹理被微妙扰动
    ↓
AI 检测器有时能认人、有时不能 → 锁头不稳定
    ↓
外挂体验崩溃 → 挂狗投诉挂贩子 → 挂贩子无法定位根因
    ↓
外挂市场被不可靠性摧毁

不是”让 AI 瞎”，是”让 AI 不可靠”

二、当前进展

已验证

结论 证据
3D 纹理对抗攻击可行 v13：100% 降幅
单模型可以打到 90%+ v2.1：YOLOv8s +91%
多模型全正方向可达 v16：4 模型 35-69%
CNN 家族全覆盖 v14-v16
三代理（FRCNN+RetinaNet+DETR）联合提升覆盖面 v2.0：CNN 均 +44%
学术界有完整支撑 29 篇论文 + 9 个开源仓库

项目资产

资产 状态
3D 角色模型（古代战士 OBJ + 5 张 4K纹理） ✅
nvdiffrast 渲染管线 ✅
OBS 外挂模拟器 ✅
梯度投影攻击框架 ✅
OBJ 解析器（零外部依赖） ✅
特征层攻击（OSFD 风格） ✅
三代理联合攻击 ✅
本地模型缓存（9个检测模型+3个代理，327MB） ✅
青椒云镜像（开机即用） ✅
云端 5 个 YOLO 模型 + FRCNN 缓存 ⚠️ 需重租后恢复
UE5 插件骨架 ⚠️ 代码有，未跑通
服务端 Seed 管理 ✅
生成器网络 ❌ 未训练

三、产品架构：精准追猎系统

三层生成器 + 行为驱动调度

训练阶段：

  ┌─────────────────────────────┐
  │ 生成器 G_A                  │
  │ 专攻 v8全家族 (n/s/m)       │
  │ 同 backbone → 梯度方向相近   │
  │ 头部 UV 强攻                │
  │ 目标：均 60%+              │
  └─────────────────────────────┘
  ┌─────────────────────────────┐
  │ 生成器 G_B                  │
  │ 广域覆盖：v5 + v10全家族     │
  │ CNN 族覆盖面                │
  │ 目标：均 30-50%            │
  └─────────────────────────────┘
  ┌─────────────────────────────┐
  │ 生成器 G_C                  │
  │ RT-DETR 特攻                │
  │ 占市场 <5%                  │
  │ 目标：间歇性 15-20%↓       │
  └─────────────────────────────┘
              ↓
      ┌───────┴───────┐
      │   服务端调度器  │
      │ 行为驱动 + 追猎 │
      └───────┬───────┘
              ↓

追猎策略

策略 触发条件 动作 效果
被动轮换 所有玩家 G_A → G_B → G_C 三局一轮 挂狗无法适应任何单一检测器
诱敌深入 RT-DETR 检测到的玩家 连续 3-5 局用 G_A/G_B（不针对他）→ 第 6 局切换 G_C “刚才好好的怎么突然不行了”——投诉最大化
行为追猎 爆头率/KD 异常升高 下一局立刻丢进对应特攻局 不需要确凿证据——”太可疑了”就够，法律风险为零
杀鸡儆猴 被举报多次的玩家 锁定 G_A+B 混合模式，每局都不舒服 不开挂的举报者得到正反馈，开挂的体验崩塌

覆盖矩阵

挂狗用的模型 普通局（随机轮换） 被追猎后
YOLOv8s 三局废两局 每局都废
YOLOv5s 三局废两局 每局都废
YOLOv10s 三局废两局 每局都废
RT-DETR 5局舒服1局崩溃 追猎模式锁定崩溃

唯一”舒服”的群体：用小众模型且从不被举报的挂狗。 他们不是威胁——他们用的是没人用的模型，且低调到不引人注意。

四、MVP 开发计划

Phase 1：全模型基线 + 针对性加强（1-2 周）

任务 说明 时间
1.1 全模型基线 用 v2.0 纹理测 v8n/v8s/v8m/v5n/v5s/v10n/v10s/RT 1天
1.2 v8 家族专攻 FRCNN+RetinaNet 双代理，同家族联合训练，头部 UV 3天
1.3 v5+v10 广域 三代理联合，全身覆盖 3天
1.4 RT-DETR 间歇 长周期 NES，制造”突然不好使” 2天
1.5 验证 50 视角 × 8 模型评估 2天

Phase 2：生成器训练（2-3 周）

任务 说明 时间
2.1 训练 G_A seed→纹理网络，专攻 v8 全家族 4天
2.2 训练 G_B seed→纹理网络，覆盖 v5+v10 4天
2.3 训练 G_C seed→纹理网络，RT-DETR 间歇攻击 3天
2.4 导出 ONNX 3 个 × 2-5 MB 2天
2.5 调度器开发 行为触发 + 种子轮换逻辑 2天

Phase 3：引擎集成 + 商务（2-3 周）

任务 说明 时间
3.1 UE5 插件 ONNX Runtime + 纹理注入 3天
3.2 Demo 场景 UE5 Lyra，OBS 对比 2天
3.3 调度器集成 服务端组件 + 协议 2天
3.4 Demo 视频 + 白皮书 可发给 CTO 3天

Phase 2：引擎集成（1-2 周）

任务 说明 时间
2.1 UE5 插件 接 ONNX Runtime，运行时加载生成器 3天
2.2 纹理替换 在材质管线注入对抗纹理 2天
2.3 服务端调度 种子管理 + 生成器选择 + 下发协议 1天
2.4 Demo 场景 UE5 Lyra 里集成，OBS 抓不到敌人 2天

出口：可演示的 UE5 Demo

Phase 3：商务准备（1 周）

任务 说明 时间
3.1 Demo 视频 OBS 采集对比：原始 vs 对抗 2天
3.2 技术白皮书 整理成可发给 CTO 的文档 2天
3.3 目标客户列表 优先级排序 + 联系方式 1天
3.4 路演材料 10页PDF，一句话能讲清楚 2天

五、市场切入

第一批目标（按优先级）

优先级 目标 为什么 怎么接触
🥇 CS2 (Valve) VAC 管不了视觉挂，皮肤市场有付费意愿 技术博客 + 邮件
🥇 暗区突围 PC (腾讯魔方) 三角洲同一工作室，UE5 同引擎 117 直接谈
🥈 PUBG (Krafton) 同样受外挂困扰 邮件/LinkedIn
🥈 逃离塔科夫 (Battlestate) 硬核FPS，外挂致命 邮件
🥉 三角洲行动 (腾讯魔方) 正在炸锅 117 牵线或直接投递
🥉 Valorant (Riot) Vanguard 好但视觉面空白 LinkedIn

定价策略

方案 价格 适合
效果对赌 ¥5万基础 + 作弊率降X%付¥30万尾款 第一个客户
年度订阅 ¥30-80万/年/款 后续客户
收入分成 0.5% 游戏内购流水 大厂深度合作

六、北极星指标

外挂体验不可靠率： 作弊者在连续 10 次对枪中，有 ≥3 次锁头失败。

不是”AI 检测率降了多少”，不是”封了多少号”，是挂狗自己觉得这挂好不好用。

七、风险与缓解

风险 概率 缓解
生成器训不出来 中 回退到预计算纹理库（1000套离线生成，每周更新）
拿不到游戏角色资产 中 用古代战士 Demo 去敲门——”验证过了，需要你的资产做最终调优”
第一个客户不买 中 不要先找腾讯——找决策链短的中型团队
ACE/腾讯自己做 中 先拿中小客户做案例，积累数据优势
窗口关闭 低 三角洲的事刚过两个月，全行业都在看
心力耗尽 低 两天33个版本没停的人，不容易停

八、资源需求

资源 需要什么 状态
GPU RTX 4090 × 云租用 ¥2-3/时，青椒云
角色资产 游戏角色 FBX + 纹理 ⚠️ 古代战士可用，待真实资产
模型文件 检测器权重 + 代理模型 ✅ 本地327MB缓存
引擎 UE5（免费） ✅ 已安装
人 1人 ✅

九、时间线

Week 1-3:  生成器训练（G_A, G_B, G_C, G_D）
Week 3-4:  ONNX 导出 + 验证
Week 4-5:  UE5 插件集成 + Demo
Week 5-6:  Demo 视频 + 白皮书 + 客户接触

👆 第 6 周可以开始谈第一个客户

附：为什么现在没人做

相关文档