一、背景说明
目前，使用 双机 AI 进行作弊，主流通常有以下两种方案：
A. OBS 传输方案（本文重点）
使用 OBS 采集画面
通过 FFmpeg / FFMPEG API 进行流式传输
常见封装格式：MPJPEG
传输协议多为：
内网UDP
内网TCP
B. 采集卡传输方案
本文将 重点放在 OBS + 流传输方案的行为检测思路 上。
二、OBS 流式传输的典型特征
A. 固定且“异常”的分辨率特征
作弊者为了 最大化 AI 推理效率与传输性能，通常只会传输一个 固定尺寸的画面，而不是完整屏幕。
常见分辨率包括：
640 × 640
416 × 416
320 × 320
256 × 256
这些尺寸通常与 目标检测模型输入尺寸 高度相关（如 YOLO 系列）。
B. 与正常 OBS 使用行为的差异
正常玩家使用 OBS 时，通常具备以下特征：
不进行本地/内网流传输
即使推流，也多为：
全分辨率（1080p / 2K / 4K）
面向公网平台（RTMP / HTTPS）
很少只推送一个 裁剪后的小尺寸画面
因此：
“小尺寸 + 内网流 + 高帧率” 本身就是一个异常组合特征
三、检测思路设计
A. 嗅探可疑流量（网络层）
重点关注以下特征组合：
内网传输
127.0.0.1
192.168.x.x
10.x.x.x
UDP / TCP 持续流
高 PPS（Packets Per Second）
长时间保持稳定的数据发送速率
这类流量非常符合：
OBS → FFmpeg → AI 推理端 的典型数据路径
B. 流量解析与内容分析（媒体层）
对可疑流进行进一步解析：
方法一：直接解析流
对嗅探到的 UDP / TCP 流：
使用 ffprobe
或 ffmpeg 解封装
提取关键信息：
视频编码（H264 / H265）
分辨率（width / height）
帧率
码率
方法二：抓取流并转封装分析,也是本文作者在实际生产采用的方案
抓取一小段流量
使用 FFmpeg 进行处理：
解码
提取视频帧
判断：
是否为 AI 常见输入尺寸
是否长时间保持固定分辨率
C. 核心判定逻辑
可以构建如下判定条件：
内网 UDP/TCP 流
持续高 PPS
固定小尺寸视频流
分辨率命中 AI 模型常用尺寸区间
当以上条件同时满足时，可判定为：
高度疑似 OBS 双机 AI 行为
