en Safari
Lanzan una herramienta de código abierto para detectar “superusers” en el póker online
Tras las últimas novedades relacionadas con el escándalo del supuesto “superuser”, en el que un troyano de acceso remoto oculto en software de póker manipulado habría permitido visualizar las pantallas y cartas privadas de distintos jugadores, acaba de publicarse una nueva herramienta de código abierto destinada a evitar que una situación similar vuelva a pasar.
AceGuardian Research, perteneciente a A5 Labs, ha publicado en GitHub todo su repositorio de código con el objetivo de que operadores de póker online e investigadores puedan analizar automáticamente sus historiales de manos en busca de posibles superusers.
AceGuardian trabaja con sistemas antifraude para operadores de póker online desde 2019 y actualmente colabora con siete plataformas, analizando decenas de millones de decisiones diariamente para detectar comportamientos relacionados con colusión, bots, asistencia en tiempo real (RTA) y superusers.
La compañía también permite que tanto operadores como jugadores particulares envíen historiales de manos para analizarlos mediante sus modelos de detección.
El incidente: explicado
El caso salió a la luz a finales de septiembre, cuando aparecieron acusaciones sobre un agente de acceso remoto instalado en los ordenadores de determinados jugadores mediante software de póker comprometido.
De acuerdo con las investigaciones conocidas hasta ahora, el atacante habría podido visualizar remotamente las pantallas y cartas privadas de más de dos decenas de jugadores de high stakes.
Posteriormente se conoció que Jurojin Poker e IntuitiveTables habían sido las herramientas comprometidas. Jurojin explicó que un atacante logró sustituir de forma selectiva determinados paquetes de actualización por versiones manipuladas que incluían software de acceso remoto.
El atacante habría utilizado ese acceso para obtener ventaja frente a distintos rivales en varias salas. Algunas plataformas ya habían detectado previamente comportamientos sospechosos y llegaron a bloquear cuentas relacionadas con el caso.
Cómo detectar a un superuser
Ahí es donde entra en juego una herramienta como AceGuardian.
El sistema analiza las manos una vez terminadas —cuando el operador puede conocer todas las cartas repartidas— y busca diferentes señales capaces de revelar si las decisiones de un jugador parecen depender de información que no debería tener disponible.
Entre los principales indicadores aparecen:
- Comparaciones de equity: mide si las decisiones parecen estar excesivamente condicionadas por las cartas reales del rival y no por el rango que razonablemente podría tener.
- Oracle Folds: identifica folds realizados con manos que serían fuertes contra el rango habitual del oponente, pero que casualmente van perdiendo contra su mano exacta.
- Bluff Index: analiza la frecuencia y el éxito de apuestas y resubidas con poca equity cuando el jugador se enfrenta a holdings concretos.
También se estudian anomalías en el win rate y los tiempos empleados para tomar decisiones, comparándolos no solo con el resto del field, sino también con el comportamiento habitual del propio jugador.
AceGuardian recalca que ningún indicador aislado demuestra la existencia de trampas. Las alertas aparecen cuando distintas señales anómalas coinciden de forma repetida a lo largo de una muestra de manos.
En uno de los casos heads-up estudiados tras salir a la luz el escándalo, la metodología básica detectó 72 manos sospechosas en las que un jugador tomaba decisiones estadísticamente anómalas frente a las cartas concretas de su adversario.
Durante aproximadamente diez semanas, el sospechoso disputó 757 manos de 25 $/50 $, el 95 % de ellas heads-up contra un mismo rival, y terminó ganando alrededor de 45.000 $.
Ficha del caso
| Indicador | Valor | Percentil | Rival vs. field | Top 10 ganadores | Mediana |
|---|---|---|---|---|---|
| Oracle folds postflop, pareja o mejor | 90,3 % | 100.º | 67,7 % | 71,2 % | 70,8 % |
| Oracle folds en turn | 92,9 % | 100.º | 66,0 % | 71,3 % | 69,7 % |
| Oracle folds en river | 91,2 % | 99.º | 74,4 % | 76,5 % | 76,7 % |
| Fold ante apuestas por valor | 86,2 % | 100.º | 57,0 % | 56,2 % | 53,9 % |
| Fold ante faroles | 16,3 % | 5.º | 28,6 % | 27,6 % | 26,1 % |
| Brecha de discriminación | 69,9 pts. | 100.º | 28,3 pts. | 28,7 pts. | 27,6 pts. |
| Éxito de los faroles | 39,5 % | 99.º | 29,2 % | 25,5 % | 26,6 % |
La tabla compara el comportamiento del sospechoso frente a su rival con distintas referencias del field heads-up de 25 $/50 $. Lo especialmente llamativo es la diferencia entre su frecuencia de folds frente a apuestas por valor (86,2 %) y frente a faroles (16,3 %), una separación muy superior a la de los jugadores utilizados como referencia.
Llamamiento a operadores y comunidad
La metodología completa y el pipeline de datos desarrollado en Python se encuentran disponibles públicamente en GitHub, permitiendo a los operadores aplicar el sistema sobre sus propios historiales. El repositorio utiliza una licencia MIT y está diseñado principalmente para historiales de No-Limit Hold'em en los que el operador dispone de las cartas privadas de todos los jugadores.
AceGuardian también ofrece a la comunidad otros servicios gratuitos relacionados con el análisis de la ecología del póker online a través de QuintAce y acepta historiales enviados directamente por salas o jugadores para analizarlos con sus modelos.
Sobre AceGuardian y QuintAce
Dr. Thanh Tran, fundador y CEO/CTO de AceGuardian y QuintAce, fue profesor de Informática en el Karlsruhe Institute of Technology y profesor visitante en Stanford, además de haber ocupado un cargo ejecutivo en Upwork.
Por su parte, John Andress, responsable de Game Integrity en AceGuardian, fue jugador profesional de high stakes NLHE y forma parte de la compañía desde su fundación en 2019.
El objetivo de hacer público el sistema es que las salas dispongan de una herramienta adicional para encontrar patrones sospechosos antes de que un posible superuser pueda operar durante largos periodos sin ser detectado.
