TTKDAA（Tatako AI）使用

admin

导言：
Tatako的AI反自动瞄准检测（简称为TTKDAA）是由云驱动的检测。我们开设了官方的AI服务器（简称官推），也公开了服务端和一些技术细节，在此帖子。
TTKDAA如何工作？

客户端（反作弊程序） ——网络发送瞄准数据——> 服务端（使用AI模型评估外挂概率）——网络发回评估结果——> 客户端（反作弊程序）警报作弊者

服务器需要算力支持，所以你需要：
自行下载服务端部署AI推理服务器 / 购买官方或第三方开设的AI推理服务


高版本（> 1.12）服务器请勿使用Tatako作为客户端，你应该使用 https://github.com/tjshtqwq/TTKDAAClient
拥有攻击冷却的服务器不要使用Tatako AI。



1、在Tatako插件中设置。
注意：以下为由河众开发组自行开设的推理服务器（简称官推）进行的收费，如果您不想购买请跳过这里
Tatako一直公益，由我进行开发。如果您可以购买或捐助我（和整个开发组），我（和整个开发组）将不胜感激
令牌申请：[email protected] / [email protected]
令牌价格：（单位：人民币，外币按照当天汇率兑换）
令牌派发：0.1CNY，附赠1000请求配额。

* 如何判断您的服务器需要多少配额？
    TTKDAA需要20游戏刻（正常为1秒）的瞄准数据进行检测。在持续攻击且玩家转头的时候，1秒会消耗一次请求。
    但是玩家不是每时每刻都在攻击，所以正常很难做到1秒一次请求。
    日活10人的竞技场服务器一天大约需要消耗几千到几万次请求。
* 如果认为官推价格过贵（服务器玩家过多），如何才能使用低价的服务？
1、如果您的服务器是公益服务器，那么价格会比商业服务器的价格低50%以上（没有额外打折的情况下）。
    2、如果您有服务器运行Windows 7或Windows Server 2008以上版本的系统，或拥有Windows兼容层，可自行下载服务端部署AI推理服务。
    3、查看帖子查看免费获取官推的渠道（如果你没有Windows服务器或不会使用Windows兼容层）

官推 请求配额价格
商业服务器：
每10000请求 1CNY
每30000请求 2.5CNY
每50000请求 3.5CNY
每100000请求 5CNY
公益服务器（可联系我获得免费的令牌，根据您的服务器玩家数量附赠一些请求配额）：
每10000请求 0.5CNY
每30000请求 1CNY
每50000请求 1.5CNY
每100000请求 2CNY
接受的支付方式：微信支付，支付宝，银行卡转账
公益服务器可额外获得获得最高80%的优惠。大量购买可继续降低价格。
商业服定义：通过充值可以获取在游戏中的任何优势（包括间接的）。形式包括但不限于直接加成，额外套装等。
服务器地址：http://ttkdaa.hezhongkj.top/predict
请在config.yml文件中设置您的服务器地址和令牌。
向我提供无污染的AI数据，帮助我改进模型，可1:0.5（商业服务器）或1:1（公益服务器）获得免费的请求配额。

2、自行部署：
前往https://bbs.hezhongkj.top/down/ttkdaa_server.zip下载服务端并解压缩，运行run_server.exe，等待启动后使用help命令查看命令用法
你可以配置config.ini，包括启用cuda，配置端口和ip等。
不会的可以找我寻求帮助。你可以使用服务端的WebUI Panel功能方便的管理。
默认配置：

1. 
   
2. [server]
   
3. host = 0.0.0.0
   
4. port = 55555
   
5. index_info = Hezhong technology ttkdaa server
   
6. # 启动面板？
   
7. panel = True
   
8. # panel_url指定面板地址，例如设置为114514，则访问地址为：地址:端口/114514
   
9. panel_url = panel
   
10. max_memory = 2048
    
11. # 内存警告阈值。单位：MByte。默认2048M
    
12. clean_memory = 1000
    
13. # 每几次请求清理内存。默认1000
    
14. [prediction]
    
15. # True if you want to use GPU, ONLY NVIDIA GPU AND YOU MUST INSTALL CUDA AND CUDNN!!!
    
16. # 如果要使用GPU，设置为True。只能用Nvidia的GPU！你要安装Cuda和Cudnn！
    
17. # GPU的跑分可能不高，但并发可以
    
18. cuda = False
    
19. model = model.ttkdaa
    
20. 
    
21. encrypted = True
    
22. # 加密模型？
    
23. key = 114514
    
24. # 安全密钥，长度32字节
    
25. [auth]
    
26. user = admin
    
27. password = admin
    

复制代码

注意：你可以使用GPU推理，但是目前只支持NVIDIA GPU。你需要安装CUDA和CUDNN才可以使用GPU。
CUDA 下载：https://developer.nvidia.com/cuda-toolkit
CUDNN 下载：https://developer.nvidia.com/cudnn
下载需要NVIDIA账户，自行注册。

注意：使用一台带有Windows 7及以上系统的计算机。不支持Windows XP等系统。
原则上不支持Linux，如果你希望在Linux上使用推理服务器，请使用Wine。请在网络上自行查找Wine安装使用教程。不要通过除了Wine以外的方式在Linux上使用推理服务器。
如果你使用MacOS，请你使用其他办法兼容（可以使用虚拟机）或购买一台云服务器。

允许使用TTKDAA服务端向外开设推理服务并收费，但要求：
禁止冒充TTKDAA开发者（我）进行收费，在进行收费前请告知你的用户此项目的所有者及官方论坛和群聊。
最高收费不能超过25CNY每十万次请求

广告：没有服务器部署服务端？立即注册雨云：[https://www.rainyun.com/tjshawa_]（或优惠码tjshawa），首月5折，多地区云服务器/游戏云低价使用！
无论是开网站，Minecraft服务器，部署推理服务（GPU打赢复活赛了），又或是加速ip，都可以来！（河众论坛和主站均托管于此，稳定运行1年未因服务器原因炸掉）
（注册后绑定微信了私信发我可以免费送令牌，至少也给20000次）

admin

请求方式：
HTTP协议，不支持SSL，POST方式。
地址：服务器地址/predict，注意最后没有斜杠。
例如：http://ttkdaa.hezhongkj.top/predict
提交data和token。
data为提交的数据，为100维浮点数组。data为一个浮点数组，格式为：
deltaPitch * 20 + joltPitch * 20 + angle * 20 + joltYaw * 20 + deltaYaw * 20
（加号代表拼接数组，* 20代表这是一个20维浮点数组。相当于把五个包含20个浮点数据的数组拼接在一起。）
（也就代表拼接后的数组的前20维是20gt的deltaPitch数据，21-40维为20gt的joltPitch数据）
注意你不应该在玩家没有转头或移动的情况下收集数据。我们推荐在玩家战斗后的5gt内收集数据，5gt后不要再继续收集，直到下一次攻击。如果玩家在持续攻击，那么可以一直收集数据。

下载Tatako的AimS代码参考使用： AimS.java (7.24 KB, 下载次数: 0)

2025-5-25 21:27 上传

点击文件名下载附件

所有数据都是非负的，使用abs。
deltaPitch：一个tick内pitch的变化。
deltaYaw：一个tick内yaw的变化。
joltPitch：一个tick内pitch的加速度。计算：

1. Math.abs(deltaPitch - lastDeltaPitch)

复制代码

joltYaw：一个tick内yaw的加速度。计算与pitch相同。
angle：玩家实现相对于目标判定箱中心的角度。

1. Vector playerLookDir = data.getPlayer().getEyeLocation().getDirection();
   
2. Vector playerEyeLoc = data.getPlayer().getEyeLocation().toVector();
   
3. Vector entityLoc = target.getLocation().toVector();
   
4. Vector playerEntityVec = entityLoc.subtract(playerEyeLoc);
   
5. double angle = playerLookDir.angle(playerEntityVec);

复制代码

请求示范：

1. package com.tjshawa.tatako.check.impl.combat.aim;
   
2. 
   
3. import com.google.gson.Gson;
   
4. import java.io.*;
   
5. import java.net.HttpURLConnection;
   
6. import java.net.URL;
   
7. import java.util.List;
   
8. 
   
9. public class AimbotDetector {
   
10.     private static final Gson gson = new Gson();
    
11. 
    
12.     private static class DetectionRequest {
    
13.         List<Double> data;
    
14.         String token; // 新增token字段
    
15. 
    
16.         DetectionRequest(List<Double> data, String token) {
    
17.             this.data = data;
    
18.             this.token = token; // 初始化token
    
19.         }
    
20.     }
    
21. 
    
22. 
    
23.     // 响应体数据结构
    
24.     public static class DetectionResponse {
    
25.         String message;
    
26.         double predicted;
    
27.     }
    
28. 
    
29.     public static DetectionResponse predict(List<Double> data, String token, final String SERVER_URL) {
    
30.         // 构建请求对象
    
31.         DetectionRequest request = new DetectionRequest(data, token);
    
32.         
    
33.         // 创建HTTP连接
    
34.         HttpURLConnection connection = null;
    
35.         try {
    
36.             URL url = new URL(SERVER_URL);
    
37.             connection = (HttpURLConnection) url.openConnection();
    
38.             connection.setRequestMethod("POST");
    
39.             connection.setRequestProperty("Content-Type", "application/json");
    
40.             connection.setRequestProperty("Accept", "application/json");
    
41.             connection.setDoOutput(true);
    
42.             connection.setConnectTimeout(5000);
    
43.             connection.setReadTimeout(10000);
    
44. 
    
45.             // 发送序列化请求
    
46.             try (OutputStream os = connection.getOutputStream();
    
47.                  OutputStreamWriter osw = new OutputStreamWriter(os, "UTF-8")) {
    
48.                 gson.toJson(request, osw);
    
49.             }
    
50. 
    
51.             // 处理响应
    
52.             int status = connection.getResponseCode();
    
53.             if (status == 200) {
    
54.                 try (InputStream is = connection.getInputStream(); InputStreamReader isr = new InputStreamReader(is, "UTF-8")) {
    
55.                     DetectionResponse response = gson.fromJson(isr, DetectionResponse.class);
    
56.                     return response;
    
57.                 }
    
58.             }
    
59.         } catch (Exception e) {
    
60.             e.printStackTrace();
    
61.         } finally {
    
62.             if (connection != null) {
    
63.                 connection.disconnect();
    
64.             }
    
65.         }
    
66.         return null;
    
67.     }
    
68. }

复制代码