[電玩遊戲] 《Anti-Cheat Expert》截圖機制與DWM注入 ACE如何截圖？DWM注入原理是什麼？

《Anti-Cheat Expert》截圖機制與DWM注入 快速閱讀精華

• ACE 的截圖手段包山包海：Windows GDI、DXGI、NVIDIA 專屬 SDK（NVFBC/NvScanOut）、AMD 對應技術，甚至直接對驅動程式發送 COM 指令
• 最可怕的是 **DWM（Desktop Window Manager）Shellcode 注入**：ACE 會把惡意程式碼注入到系統的 DWM 處理程序，掛鉤（Hook）Windows 的畫面輸出函式，在畫面送到螢幕前就先攔截複製一份
• AI 即時掃描：截圖不會直接上傳，而是先經過本地端的 **IDS.DAT** 分析，使用針對不同遊戲訓練的專屬 AI 模型偵測外掛，只有被標記可疑的截圖才會上傳
• 傳統的防截圖工具（如 NoScreen）已經無效：ACE 會在 NVAPI 和 DWM 層級檢測這類防護手段，企圖隱藏畫面反而會被當成作弊證據

前言介紹

ACE截圖技術全覽

DWM Shellcode注入深度整理

技術實作流程

• 整理目標函式位址：首先，ACE 需要針對當前 Windows 系統版本，整理出 DWM 核心中四個關鍵函式的相對虛擬位址（RVA）：CDXGISwapChain:resentFullscreenFlip、CDXGISwapChain:resent、CDXGISwapChain:resentDWM 以及 CDXGISwapChain:resentMultiplaneOverlay。這些位址會被編碼為四個 QWORD，放置在 Shellcode 的 0x00–0x1F 偏移位置。
• 映射並執行 Shellcode：準備好的 Shellcode 會被映射到 DWM.exe 的處理程序空間中，並從偏移量 0x4C 處開始執行。
• 動態 API 整理: 進入 DWM 後，Shellcode 會遍歷 PEB（Process Environment Block） 來定位已載入模組，並透過 FNV-1a 雜湊演算法 比對匯出函數名稱，動態整理出 RtlAddVectoredExceptionHandler、RtlRemoveVectoredExceptionHandler、LoadLibraryA、VirtualQuery、VirtualProtect、VirtualAlloc 以及 Sleep 等關鍵 API 位址。
• 計算掛鉤目標：載入 dxgi.dll 後，Shellcode 會將先前嵌入的四個修補 RVA 加上 dxgi.dll 的基底位址，計算出四個實際的掛鉤目標函式位址。
• 安裝中斷點陷阱：對於每個目標函式，Shellcode 會安裝一個 VEH（Vectored Exception Handler，向量化異常處理常式），然後在目標函式的入口處暫時寫入 INT3 中斷指令（0xCC），製造一個軟體斷點。
• 攔截與處理：當 DWM 的渲染執行緒呼叫被掛鉤的 Present 函式時，會觸發 INT3 陷阱，導致 CPU 拋出 EXCEPTION_BREAKPOINT 異常。此時，先前安裝的 VEH 會被呼叫，它會執行以下操作：
  
  • 還原被覆蓋的原始位元組（移除 INT3）
  • 將指令指標（RIP）重定向到一個一次性的包裝函式（Wrapper）
  • 包裝函式呼叫原始的 DXGI Present 函式完成正常渲染
  • 在渲染完成後，透過 D3D11 COM 介面呼叫 GetDevice、GetBuffer 取得交換鏈的後緩衝區（Back Buffer）
  • 建立一個 CPU 可存取的暫存紋理（Staging Texture），使用 CreateTexture2D 和 CopyResource 將後緩衝區的內容複製過去
  • 呼叫 Map 鎖定暫存資源，取得指向原始像素資料的指標，此時即可讀取完整的畫面幀
  • 完成後呼叫 Unmap 解除鎖定
• 資料格式化與輸出：捕獲的畫面會被格式化為特定的記憶體結構：
  
  • 首先是 D3D11_TEXTURE2D_DESC 結構（0x2C 位元組），描述紋理的寬度、高度、格式等後設資料
  • 接著是原始的像素資料（Raw Pixel Data），支援 B8G8R8A8_UNORM（標準 32 位元色）和 R16G16B16A16_FLOAT（HDR 浮點色）兩種格式
  • Shellcode 會在其標頭（Header）中發布緩衝區指標、影像尺寸、HRESULT 狀態碼以及同步狀態，供 ACE 主程序讀取

AI檢測與資料上傳機制

• 本地 AI 模型推論：ACE 針對不同遊戲訓練了專屬的機器學習模型。這些模型可能是基於一個基礎模型（Base Model）再針對特定遊戲進行增強訓練（Fine-tuning）。當截圖進入 IDS.DAT 的分析流程時，AI 會掃描畫面中的異常特徵，例如不該出現的 UI 元素、異常的著色器效果、或是透視牆壁的視覺呈現。
• 選擇性上傳策略：這套機制的關鍵在於「降低誤判」與「節省頻寬」。只有當 AI 模型將某張截圖標記為「可疑（Flagged）」時，該影像才會被壓縮並上傳至 ACE 的雲端伺服器供人工覆核。正常的遊戲畫面則會在本地分析後被丟棄，不會留下永久記錄。
• 繞過檢測的困難度：研究發現，傳統的防截圖手段（例如使用 NoScreen 等工具阻擋 BitBlt）已經無法有效對抗 ACE。因為 ACE 會同時在 NVAPI（NVIDIA 驅動程式介面）和 DWM 層級檢測這類防護機制的存在。一旦發現系統試圖攔截截圖行為，反而會被視為「做賊心虛」的證據，觸發更嚴格的監控。