# R0Guard 项目架构说明(公开版) > 版本:**1.0.39** | 平台:**Windows x64** | 目标游戏:**CS:GO / CS2** > 本文档为**对外公开**的架构说明,仅描述系统组成与 AI 视觉分析相关数据流,不包含检测算法、通信细节、防护机制等可被滥用的实现信息。 --- ## 一、系统组成 R0Guard 是一套面向 CS:GO / CS2 的反作弊系统,由以下逻辑模块协同工作: | 模块 | 角色 | |------|------| | **客户端** | 运行于用户机器,负责游戏环境监控、截图采集、与云端通信 | | **AI 图片检测服务** | 独立部署,接收截图并做视觉推理,输出结构化检测事件 | | **主服务端** | 用户会话、事件入库、规则处置、与平台系统对接 | 客户端还包含游戏进程内的辅助检测组件,以及供管理员远程查看的运行时控制台(经标准内网穿透方案暴露,具体实现不公开)。 --- ## 二、AI 视觉分析架构 这是当前对外重点说明的子系统:将**定时游戏截图**交由 AI 服务分析,再将结果汇总到主服务端统一处置。 ```mermaid flowchart LR Client["客户端\n截图采集"] AI["AI 图片检测服务\n视觉推理"] Server["主服务端\n事件入库与处置"] Platform["平台 / 审核"] Client -->|上传截图 + 元数据| AI AI -->|检测事件| Server Server --> Platform ``` ### 数据流 ``` 客户端定时截图 ↓ 上传至 AI 图片检测服务(含用户标识、截图类型、时间戳等元数据) ↓ AI 服务:接收 → 推理 → 生成标签 / 置信度 / 截图引用 ↓ 主服务端:写入事件库 → 规则匹配 → 人工或自动处置 ``` ### AI 服务职责(公开层面) | 环节 | 说明 | |------|------| | 截图接收 | 接收客户端上传的多类型屏幕截图 | | 视觉推理 | 识别可疑游戏界面元素(具体模型与特征不公开) | | 事件上报 | 以统一事件格式推送至主服务端 API | ### 典型事件字段(概念层) | 字段 | 说明 | |------|------| | `event_type` | 固定为 AI 截图检测类事件 | | 用户标识 | 与平台账号体系关联的 ID | | 截图类型 | 客户端截图引擎分类(具体枚举不公开) | | `labels` / `confidence` | AI 输出结果 | | 截图引用 | 存储路径或 ID,供后续审核 | --- ## 三、主服务端(公开层面) 主服务端负责: - 客户端认证与会话维护 - 接收 AI 服务上报的检测事件 - 事件持久化与查询 - 与现有平台封禁、审核流程对接 **不包含在本文档中的内容:** TCP/HTTP 协议细节、端口、域名、加密方案、黑白名单规则、自动封禁逻辑、数据库表结构等。 --- ## 四、客户端(公开层面) 客户端在本地完成: - 游戏相关环境监控(实现细节不公开) - 多种引擎的定时截图(引擎列表与调度策略不公开) - 将截图上传至 AI 服务 - 维持与主服务端的长连接(认证、心跳、非 AI 类事件上报) 远程管理控制台通过本地 Web 服务 + 内网穿透供授权人员访问,**接口列表与鉴权方式不公开**。 --- ## 五、模块边界 | 数据 | 路径(概念) | |------|----------------| | 定时反作弊截图 | 客户端 → AI 服务 → 主服务端 | | AI 检测事件 | AI 服务 → 主服务端 | | 其他运行时事件 | 客户端 → 主服务端 | | 远程控制台 | 授权访问方 → 客户端本地服务(经穿透) | --- ## 六、未公开内容说明 以下内容** intentionally 不包含**在公开文档与公开源码中,以降低被恶意逆向、仿制或绕过的风险: - 游戏内检测算法(模块、内存、Hook、完整性校验等) - 进程防护与反调试、加固策略 - 通信加密、证书、密钥与 pinned 网络配置 - 控制台完整 API、鉴权与穿透配置 - 黑白名单、特征库与自动封禁规则 - 文件特征扫描规则与启发式细节 完整内部设计文档见仓库私有目录 `docs/internal/`(不对外发布)。 --- ## 七、相关文档 | 文档 | 说明 | |------|------| | [README.md](./README.md) | 公开范围与代码开放政策 | --- **R0Guard** — CS:GO / CS2 Anti-Cheat System