‹ 返回文章列表

反過來問:先找出被封的帳號,再看他們的數據長什麼樣

2026-08-04· 8 分鐘閱讀#數據#反外掛#遙測#效果量
作者:L!NCHPIN

這篇怎麼來的(方法與樣本) 資料來源:本站自己累積的遙測快照資料庫——2,379 個帳號、70,578 場比賽的逐場解析結果,其中 796 個帳號有官方封鎖狀態紀錄Innocent / TemporaryBan / PermanentBan)。所有指標都 沿用本站現行的解析定義(與你在自己頁面上看到的是同一套),沒有為這篇另外發明指標。統計方法 全部採無母數(Cliff's delta、Mann–Whitney、留一法),因為正樣本很少——少到不足以宣稱準確 率,只夠談差距有多大。擷取於 2026-08-04。本篇不點名、不列出任何帳號,也不公布任何個人的 可疑分數——理由見最後一節。

上一篇我們用純數字篩出 13 個「好到不像人類」的帳號,再逐一查官方 封鎖紀錄,結果是 0 個被封。當時的結論是:banType 乾淨不等於清白,用數據抓外掛有它的極限。

那篇文章的問法是「先挑可疑的人,再看他們有沒有被封」。這次我們把問題整個倒過來:

先找出已經被官方封鎖的帳號,再回頭看他們被封之前,數據長什麼樣。

同一批工具、同一個資料庫,只是把因果方向調換。結果差非常多。

為什麼「倒過來問」是完全不同的一題

從可疑名單出發,你會撞上兩個死結:外掛可能還沒被抓(所以查不到封鎖紀錄),而且你永遠不知道自己 篩掉了多少真正的外掛。從已知被封的帳號出發就沒有這個問題——官方的封鎖紀錄就是答案,我們要做 的只是回頭看這些人的行為特徵。

更關鍵的是對照組。我們的封鎖狀態只對上過排行榜的帳號查詢,所以拿來比對的 778 個「未封鎖」 帳號,全部都是排行榜等級的強者。這代表我們不是在做「外掛 vs 一般玩家」那種太簡單的比較—— 門檻隨便設都分得開,沒有意義。我們做的是最難的那一題:

外掛,跟真正很強的人,數據上分不分得開?

我們差點被一個陷阱騙過去

第一輪跑完,數字看起來很漂亮:被封帳號每場擊殺更多、輸出更高。但有個地方不對勁——被封組的 「人類擊殺佔比」中位數是 100%,乾淨組是 93.3%。

這代表什麼?排位模式沒有機器人。 被封組打排位的比例明顯更高,而排位的對手更強、局勢更密集, 這件事本身就會推高輸出和擊殺數。如果不處理,我們量到的可能只是「這群人比較常打排位」。

本來想直接照模式切開來看,但撞到一個資料上的限制:記錄比賽模式的那個欄位是後來才加的,沒有 回填舊資料——被封組的 415 場快照裡有 311 場是空的,真的切下去只剩 3 個帳號可比,統計上毫無意義。

所以改用一個代理指標:「幾乎沒有機器人擊殺」≈「這個帳號主要在打排位」,兩組同時套用同一個 條件再重算。

結果是這篇最值得說的一件事:控制之後,差距變大了,不是變小。 原本的模式混合是在稀釋訊號, 而不是在製造訊號。

結果:11 個被封帳號 vs 310 個乾淨強者

以下都是模式控制後的數字。每個帳號取最近 14 場比賽,門檻與本站百分位面板完全相同。

指標被封帳號乾淨強者分辨力
爆頭率19.5%12.9%0.790
遠距離擊殺佔比30.9%12.9%0.717
每場人類擊殺數2.291.570.715
對人類的場均輸出4142300.696
遠距離輸出佔比37.7%26.1%0.694
被第三方收掉的比例5.0%14.3%0.340(反向)
每個擊殺花掉的傷害1221410.398(反向)
擊倒轉化率76.9%73.1%0.565(幾乎分不開)

「分辨力」這一欄的讀法很簡單:隨機抽一個被封帳號和一個乾淨帳號,被封的那個數字比較高的機率。 0.5 就是完全分不開(丟銅板);越接近 1 或 0,代表這個指標越能分辨兩群人。

我們也做了留一法檢查——每次拿掉一個被封帳號重算一次。爆頭率的分辨力在 0.770 到 0.846 之間浮動, 其他指標也一樣穩。這代表差距是整群人的共同特徵,不是被某一兩個極端帳號撐起來的,這是樣本只有 11 個時最該問的問題。

最有意思的發現,是反過來的那一項

看表格最容易注意到爆頭率和遠距離佔比,但真正讓人停下來的是被第三方收掉的比例

  • 乾淨強者:14.3% 的死亡來自第三方(你跟人打完剩半血,第三隊過來收掉)
  • 被封帳號:5.0%——不到三分之一

第三方是 PUBG 最經典的死法,而且很大程度上不是技術問題,是資訊問題。你打不打得贏眼前這隊, 是技術;你知不知道旁邊山坡上還蹲著一隊,是資訊。

這個差距的意思是:這些帳號很少「被偷」。 而「很少被偷」最直接的解釋,不是手更穩,是看得到 別人看不到的東西

換句話說,最有指向性的訊號可能不是「他打得太準」,而是「他知道得太多」。這一項也是我們接下來 要往下挖的方向。

完全沒有差異的那一項,反而讓我們更相信其他結果

擊倒轉化率(把打倒的人真的收掉的比例)在兩群人之間幾乎沒有差別:76.9% 對 73.1%,分辨力 0.565, 基本上是雜訊。

這件事很重要,因為它說明我們不是隨便挑了一堆指標然後宣稱「通通有差」。打倒之後補不補得掉,是 隊伍和局勢的函數——隊友在不在旁邊、有沒有第三隊壓過來、對方隊友會不會來拉。這不是一個人自己 「合不合理」的問題,所以它分不開兩群人,完全合理。

反過來說:如果連這種指標都「顯著」,那才該懷疑分析本身出了問題。

把訊號合起來:可以當篩子,不能當判決

我們把四個訊號合成一個分數(爆頭率、遠距離擊殺佔比、場均輸出,加上反向的第三方死亡率), 看看只檢查分數最高的一小群人,能涵蓋多少被封帳號:

只看分數最高的帳號數涵蓋的被封帳號
5%165 / 11(45.5%)
10%326 / 11(54.5%)
20%647 / 11(63.6%)

只檢查 10% 的帳號,就涵蓋了超過一半的被封帳號。 這說明數據可以當一個便宜的篩子,把要 仔細看的範圍縮小一個數量級。

但請注意這句話的另一半:篩子不是判決。 分數最高的 10% 裡面,絕大多數是沒有被封的帳號——他們 就是打得好而已。這正是下一節要講的。

老實說:這份數據證明了什麼,又證明不了什麼

這篇的每個數字都是真的量出來的,但它們能支撐的結論比看起來窄很多:

  • 正樣本只有 11 個帳號。 這是「差距有多大」的研究,不是準確率宣稱,也遠遠不足以訓練任何 模型。任何拿這種樣本數宣稱「偵測率 XX%」的說法都該被懷疑。
  • 合成分數的分辨力是樂觀的上界。 那個分數是在同一批資料上算出來的,沒有獨立的驗證集。
  • 對照組是「還沒被封」,不是「已驗證乾淨」。 沒被抓到的外掛一定混在對照組裡——這會讓我們低估 差距,但也代表標籤本身有雜訊。
  • 封鎖原因未知。 官方的封鎖狀態不會告訴你是因為外掛、組隊違規還是言語違規,所以被封組裡可能 混有非外掛的封鎖。
  • 最根本的一條:這些指標分不開「外掛」與「單純更強」。 我們證明了兩群人的打法確實不同, 但沒有證明差異的成因是外掛。爆頭率高可以是外掛,也可以是真的準。

最後一點正是我們不會、也不打算對任何具名帳號公布「可疑分數」的原因。統計異常值得懷疑, 但懷疑不是證據——這跟上一篇的立場完全一致,只是這次我們手上的數據更強,所以更需要把話說清楚。

我們順手試了下一步,然後撞牆了——但撞得很有資訊量

「他知道得太多」這個方向是可以繼續往下量的。PUBG 的遙測會記錄場上每一個人的位置時序(一般場 接近 100 人,排位則是 60 人上下),所以我們做了這樣一個測試:

每次有人開火打中對手,就回看接觸前那一段時間,比較他朝這個受害者移動的程度,和同一時刻、 同樣距離、同樣還活著的其他敵人相比,排第幾。

用同場、同時、同距離的其他敵人當對照,「大家都在往安全區跑」這個干擾就被吸收掉了。我們分析了 373 場比賽,結果是:兩群人沒有差別(分辨力 0.478,等於丟銅板)。

但這個「沒有差別」有兩層坑,兩層我們都踩了:

第一層是指標本身壞掉。 原本的觀測窗一路看到開火那一刻,結果 44% 的交戰都拿滿分——因為 「你有沒有朝著你後來開槍的那個人移動」對所有人都成立,這幾乎是套套邏輯。把觀測窗往前挪到 接觸前 60 秒,問題才變成真的問題(「還沒碰上的時候,他就已經往那個人去了嗎」)。修好之後, 答案還是沒有差別。

第二層更難堪:我們自己犯了這篇前半段在講的那個錯。 那 373 場比賽沒有按模式過濾——裡面混了 一般場、排位、團隊死鬥、甚至訓練場。而一般場接近 100 人、排位只有 60 人上下,人數直接決定「同距離 帶還有幾個人可以當對照」。更糟的是,被封組打排位的比例本來就比較高——正是我們在前半段花力氣控制 掉的那個干擾,在這個測試裡又原封不動跑回來了

補上模式過濾重跑,結果變成這樣:

跑法被封帳號數結果
混合模式140.478(有樣本,但有干擾)
只看排位50.329
只看一般場30.451

控制了干擾,樣本就垮了。 三次跑法沒有任何一次出現「被封組更高」,但控制模式後只剩 3–5 個帳號, 撐不起任何結論。所以誠實的說法只有一句:目前沒有證據顯示外掛帳號在「朝目標移動」這件事上不一樣 ——但這不等於證明沒有。

即使如此,把它跟前面的表格擺在一起還是有意思的:

面向我們量的東西結果證據強度
進攻(我怎麼找到你)朝目標移動的傾向三次都沒看到差別
防守(我怎麼不被偷)被第三方收掉的比例3 倍差距

這指向一個還沒被證實的推論:資訊優勢可能表現在防守面,而不是進攻面。看得到別人看不到的東西, 不會讓你用不同的方式去「找」人——但會讓你很少被偷襲

如果這個推論成立,那下一個該量的就不是「他怎麼接近你」,而是「他怎麼躲開你」。同一套資料就算 得出來。那會是下一篇——前提是我們湊得到足夠的樣本。

(還有一個硬限制值得記下來:位置資料每 10 秒才記錄一次。這個精度足以看出「數十秒尺度的移動 趨勢」,但完全不足以分析轉向、預瞄、反應時間這些真正能分辨外掛的細節。那些東西只存在於畫面裡, 不在任何官方 API 回傳的資料裡——這也是為什麼我們認為純數據終究有天花板。)