irwin

irwin 是一款能够学习作弊模式、标记作弊者，并协助版主评估潜在作弊者的 AI 系统。

依赖项

兼容 Python 3.x

Python 库

pip3 install pymongo python-chess numpy requests

• tensorflow：tensorflow 安装指南

数据库

• mongodb：mongodb 安装指南

配置

创建 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 包含 Stockfish、MongoDB、TensorFlow、Lichess（认证令牌和 URL）等的配置。

构建已分析棋手数据库

如果您尚未拥有已分析棋手的数据库，则需要先分析几百名棋手，以便训练神经网络。 python3 main.py --no-assess --no-report

关于

Irwin（以“鳄鱼亨特”史蒂夫·欧文命名）最初是原始 cheatnet 运行的服务器名称（现已弃用）。它是 cheatnet 的后继项目。

与 cheatnet 类似，它基于相似的理念：通过分析对局中的可用变例来判断是否存在作弊的可能性。

该机器人在软件设计上采用了更加模块化的架构，相比 cheatnet 有了显著改进。modules/core 模块包含了大部分通用数据类型、BSON 序列化处理程序以及数据库接口层。此外，由于简化了使用 Stockfish 分析的方式，其运行速度也大幅提升。

modules/irwin 模块是 Irwin 的核心部分，负责 TensorFlow 的学习与应用。

Irwin 的设计使得 modules/irwin 可以被其他棋手评估方法所替代。

Env.py 文件包含了与 Lichess、Irwin 以及数据库操作相关的所有工具。

main.py 负责通过 Env 访问 Lichess API（modules/Api.py），获取棋手数据；从 MongoDB 中提取记录，使用 Stockfish 分析对局，再利用 TensorFlow 对这些对局进行评估，并最终发布评估结果。

Irwin 快速上手指南

Irwin 是一款基于人工智能的开源工具，旨在通过分析棋局中的走法模式来识别作弊行为，并辅助管理员进行评估。它利用 Stockfish 引擎分析局面，并通过 TensorFlow 训练的神经网络判断作弊概率。

环境准备

在开始之前，请确保您的系统满足以下要求：

• 操作系统：Linux / macOS / Windows (需配置相应环境变量)
• Python 版本：Python 3.x
• 数据库：MongoDB (需本地运行或可远程访问)
• AI 框架：TensorFlow
• 棋盘引擎：Stockfish (需单独下载二进制文件并确保在路径中或配置正确路径)
• 外部服务：Lichess API Token (用于获取对局数据)

前置依赖安装

建议国内开发者使用清华源或阿里源加速 Python 包的安装。

1. 安装 Python 基础库：

   pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple pymongo python-chess numpy requests
   

2. 安装 TensorFlow： 请参考 TensorFlow 官方安装指南 或使用国内镜像：

   pip3 install -i https://pypi.tuna.tsinghua.edu.cn/simple tensorflow
   

3. 安装 MongoDB：

   • Ubuntu/Debian: sudo apt-get install mongodb
   • macOS (Homebrew): brew install mongodb-community
   • Windows: 下载官方安装包或使用 Docker。
   • 注：具体安装细节请参阅 MongoDB 官方文档。

4. 准备 Stockfish： 下载对应系统的 Stockfish 二进制文件，并确保其可执行。后续需在配置文件中指定线程数和内存等参数。

安装步骤

1. 克隆项目代码

   git clone <irwin-repo-url>
   cd irwin
   

   (请将 <irwin-repo-url> 替换为实际的仓库地址)

2. 创建配置文件 在项目根目录下创建 conf 文件夹，并在其中新建 config.json 文件。

   mkdir -p conf
   touch conf/config.json
   

3. 配置 conf/config.json 将以下内容写入 conf/config.json，并根据实际情况修改 token、数据库认证信息及 Stockfish 路径（如需）：

   {
     "api": {
       "url": "https://lichess.org/",
       "token": "YOUR_LICHESS_TOKEN_HERE"
     },
     "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
       }
     }
   }
   

   注意：若本地 MongoDB 未开启认证，可将 authenticate 设为 false。

基本使用

首次使用前，需要构建一个包含已分析玩家数据的数据库，以便训练神经网络。

1. 初始化数据库与数据采集

运行以下命令以开始分析数百名玩家的数据（此过程仅采集和分析数据，不进行作弊评估或生成报告）：

python3 main.py --no-assess --no-report

• 该脚本会通过 Lichess API 获取玩家对局数据。
• 调用 Stockfish 对对局进行深度分析。
• 将分析结果存入 MongoDB。

2. 后续操作

当数据库积累足够的数据后，您可以移除 --no-assess 和 --no-report 参数来启动完整的评估流程，系统将利用 TensorFlow 模型对玩家进行作弊概率评分并生成报告。

python3 main.py

提示：具体的训练周期和批次大小可在 conf/config.json 的 irwin.train 字段中调整。