論文の概要: Attribute Inference Attacks in Online Multiplayer Video Games: a Case Study on Dota2

• arxiv url: http://arxiv.org/abs/2210.09028v1
• Date: Mon, 17 Oct 2022 12:45:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 21:50:15.337044
• Title: Attribute Inference Attacks in Online Multiplayer Video Games: a Case Study on Dota2
• Title（参考訳）: オンラインマルチプレイヤーゲームにおける属性推論攻撃 : Dota2を事例として
• Authors: Pier Paolo Tricomi, Lisa Facciolo, Giovanni Apruzzese, Mauro Conti
• Abstract要約: ビデオゲームの普及に触発された我々は,Dota2コンテキストにおける属性推論攻撃(AIA)に対する最初の脅威モデルを提案する。 攻撃者がDota2エコシステムの豊富な公開データを悪用して、そのプレイヤーの個人情報を推測する(そしてなぜ)のかを説明する。 本稿は、ゲームの世界全体に影響を与える可能性のある、微妙だが具体的な脅威について警告する。
• 参考スコア（独自算出の注目度）: 19.930886818241788
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Did you know that over 70 million of Dota2 players have their in-game data freely accessible? What if such data is used in malicious ways? This paper is the first to investigate such a problem. Motivated by the widespread popularity of video games, we propose the first threat model for Attribute Inference Attacks (AIA) in the Dota2 context. We explain how (and why) attackers can exploit the abundant public data in the Dota2 ecosystem to infer private information about its players. Due to lack of concrete evidence on the efficacy of our AIA, we empirically prove and assess their impact in reality. By conducting an extensive survey on $\sim$500 Dota2 players spanning over 26k matches, we verify whether a correlation exists between a player's Dota2 activity and their real-life. Then, after finding such a link ($p\!<\!0.01$ and $\rho>0.3$), we ethically perform diverse AIA. We leverage the capabilities of machine learning to infer real-life attributes of the respondents of our survey by using their publicly available in-game data. Our results show that, by applying domain expertise, some AIA can reach up to 98% precision and over 90% accuracy. This paper hence raises the alarm on a subtle, but concrete threat that can potentially affect the entire competitive gaming landscape. We alerted the developers of Dota2.
• Abstract（参考訳）: dota2プレーヤーの7000万人以上が、ゲーム内データを自由にアクセスできることをご存知ですか? もしそのようなデータが悪意ある方法で使われたら? 本稿は,このような問題を最初に調査する。 ビデオゲームの普及に触発され,Dota2コンテキストにおける属性推論攻撃(AIA)に対する最初の脅威モデルを提案する。 攻撃者がDota2エコシステムの豊富な公開データを利用して、プレイヤーの個人情報を推測する(そしてなぜ)のかを説明する。 AIAの有効性に関する具体的証拠が欠如しているため、実証的に現実への影響を証明し評価する。 26k以上の対戦にまたがる$\sim$500 Dota2プレーヤーの広範な調査を行うことで、プレイヤーのDota2アクティビティと実生活の間に相関が存在するかどうかを検証する。 そして、そのようなリンクを見つけた後($p\! <\! 0.01ドルと$\rho>0.3$)は倫理的に多様なAIAを行う。 我々は、機械学習の能力を活用して、ゲーム内データを公開することにより、調査の回答者の実際の属性を推測する。 その結果,ドメインの専門知識を応用すれば,AIAの精度は最大98%,精度は90%以上に達することがわかった。 この論文は、ゲーム界全体に影響を与える可能性のある、微妙だが具体的な脅威に対するアラームを提起する。 我々はdota2の開発者に警告した。

関連論文リスト

• ESTA: An Esports Trajectory and Action Dataset [0.0]
  我々はエスポートデータを用いて、勝利予測のための機械学習モデルを開発する。 Awpyはオープンソースのライブラリで、プレイヤーの軌跡やアクションをゲームログから抽出できる。 ESTAは、これまでで最大かつ最も細かく公開されているスポーツデータセットの1つである。
  論文  参考訳（メタデータ） (2022-09-20T17:13:50Z)
• DFGC 2022: The Second DeepFake Game Competition [93.05016504907401]
  ディープフェイクは急速に進化しており、現実的なフェイススワップは認識しにくくなっている。 DeepFakeのクリエーターとディフェンダーの間には2人組のゲームがある。 このコンペティションは、DeepFakeの生成と検出方法における現在の最先端のゲームをベンチマークするための共通のプラットフォームを提供する。
  論文  参考訳（メタデータ） (2022-06-30T09:13:06Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• Sequential Item Recommendation in the MOBA Game Dota 2 [64.8963467704218]
  本研究では,Dota 2における購入勧告の文脈における逐次項目推薦(SIR)モデルの適用可能性について検討する。 以上の結果から,購入順序を考慮したモデルが最も有効であることが示唆された。 他のドメインとは対照的に、我々は最新のTransformerベースのアーキテクチャをDota-350kで上回るRNNベースのモデルを見つけました。
  論文  参考訳（メタデータ） (2022-01-17T14:19:17Z)
• CommonsenseQA 2.0: Exposing the Limits of AI through Gamification [126.85096257968414]
  現代自然言語理解モデルの能力をテストするベンチマークを構築した。 本研究では,データ構築の枠組みとしてゲーミフィケーションを提案する。
  論文  参考訳（メタデータ） (2022-01-14T06:49:15Z)
• The Threat of Offensive AI to Organizations [52.011307264694665]
  この調査は、組織に対する攻撃的なAIの脅威を調査する。 まず、AIが敵の方法、戦略、目標、および全体的な攻撃モデルをどのように変えるかについて議論する。 そして、文献レビューを通じて、敵が攻撃を強化するために使用できる33の攻撃的AI能力を特定します。
  論文  参考訳（メタデータ） (2021-06-30T01:03:28Z)
• What Happened Next? Using Deep Learning to Value Defensive Actions in Football Event-Data [1.290382979353427]
  我々は、このような防御行動を評価する新しいメトリクスを定義するために、ディープラーニング技術を使用します。 それらに先行するプレイパスの脅威を研究することで、私たちは防御行動を評価することができます。 我々のモデルは、イベントデータを用いてディフェンスディフェンダーの影響を予測することができる。
  論文  参考訳（メタデータ） (2021-06-03T12:18:26Z)
• The Dota 2 Bot Competition [0.0]
  本稿では、Dota 2 BotコンペティションとそれをサポートするDota 2 AIフレームワークについて詳しく説明します。 この挑戦はmobisとai/ciの両方のゲームコンペに参加し、参加者にmoba textit defense of the ancients 2(dota2)のaiコントローラーを1v1でプレイするよう促す。
  論文  参考訳（メタデータ） (2021-03-04T10:49:47Z)
• Automatic Player Identification in Dota 2 [0.0]
  Dota 2のプレイヤーを識別するための機械学習手法を提案する。 我々は,マッチリプレイから抽出したマウスの動き,ゲーム内統計,ゲーム戦略に関するデータを利用する。 2つの異なる試合が同じプレイヤーによってプレイされたかどうかを予測する問題に対して,95%の予測精度が得られる。
  論文  参考訳（メタデータ） (2020-08-27T22:58:01Z)
• Interpretable Real-Time Win Prediction for Honor of Kings, a Popular Mobile MOBA Esport [51.20042288437171]
  本研究では,2段階空間時間ネットワーク(TSSTN)を提案する。 実世界のライブストリーミングシナリオにおける実験結果と応用により,提案したTSSTNモデルは予測精度と解釈可能性の両方において有効であることが示された。
  論文  参考訳（メタデータ） (2020-08-14T12:00:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。