論文の概要: A Framework for Mining Collectively-Behaving Bots in MMORPGs
- arxiv url: http://arxiv.org/abs/2501.10461v1
- Date: Wed, 15 Jan 2025 10:11:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-22 14:24:58.357572
- Title: A Framework for Mining Collectively-Behaving Bots in MMORPGs
- Title（参考訳）: MMORPGにおける集合行動ボットのマイニングフレームワーク
- Authors: Hyunsoo Kim, Jun Hee Kim, Jaeman Son, Jihoon Song, Eunjo Lee,
- Abstract要約: MMORPG(Massively Multiplayer Online Role-Playing Games)では、異常プレイヤー(ボット)が一般的に見られる。
トラジェクティブ表現学習とクラスタリングを組み合わせたフレームワークBotTRepを開発した。
本モデルは,ゲーム内トラジェクトリシーケンスの表現を学習し,文脈的に類似したトラジェクトリを持つプレイヤーがより密接な埋め込みを実現することを目的としている。
- 参考スコア（独自算出の注目度）: 1.2709237540689517
- License:
- Abstract: In MMORPGs (Massively Multiplayer Online Role-Playing Games), abnormal players (bots) using unauthorized automated programs to carry out pre-defined behaviors systematically and repeatedly are commonly observed. Bots usually engage in these activities to gain in-game money, which they eventually trade for real money outside the game. Such abusive activities negatively impact the in-game experiences of legitimate users since bots monopolize specific hunting areas and obtain valuable items. Thus, detecting abnormal players is a significant task for game companies. Motivated by the fact that bots tend to behave collectively with similar in-game trajectories due to the auto-programs, we developed BotTRep, a framework that comprises trajectory representation learning followed by clustering using a completely unlabeled in-game trajectory dataset. Our model aims to learn representations for in-game trajectory sequences so that players with contextually similar trajectories have closer embeddings. Then, by applying DBSCAN to these representations and visualizing the corresponding moving patterns, our framework ultimately assists game masters in identifying and banning bots.
- Abstract（参考訳）: MMORPG(Massively Multiplayer Online Role-Playing Games)では、不正な自動プログラムを使用して事前定義された動作を系統的に繰り返し行う異常プレイヤー(ボット)が一般的である。
ボットは通常、ゲーム内でお金を得るためにこれらの活動に従事し、最終的にゲーム外で実際のお金のために取引する。
このような虐待行為は、ボットが特定の狩猟地域を独占し、貴重なアイテムを入手しているため、正統な利用者のゲーム体験に悪影響を及ぼす。
したがって,異常選手の検出はゲーム企業にとって重要な課題である。
ボットは自動プログラムによってゲーム内軌跡と同一の動作をする傾向があることに感銘を受けて,トラジェクティブ表現学習と,完全にラベル付けされていないゲーム内軌跡データセットを用いたクラスタリングを併用したBotTRepを開発した。
本モデルは,ゲーム内トラジェクトリシーケンスの表現を学習し,文脈的に類似したトラジェクトリを持つプレイヤーがより密接な埋め込みを実現することを目的としている。
そして,DBSCANをこれらの表現に適用し,対応する移動パターンを可視化することにより,最終的にボットの識別と禁止を行うゲームマスタを支援する。
関連論文リスト
- Exploring and Mitigating Adversarial Manipulation of Voting-Based Leaderboards [93.16294577018482]
このタイプの最も人気のあるベンチマークであるArenaは、ランダムに選択された2つのモデル間のより良いレスポンスを選択するようユーザに求めることで、モデルをランク付けする。
攻撃者は、約1000票の費用で、リーダーボードを変更できる(お気に入りのモデルを宣伝したり、ライバルを降格させる)。
私たちの攻撃は2つのステップで構成されている。まず、攻撃者が95%以上の精度で特定の応答を生成するためにどのモデルを使用したかを決定する方法を示し、次に、攻撃者はこの情報を使ってターゲットモデルに対して一貫して投票することができる。
論文 参考訳（メタデータ） (2025-01-13T17:12:38Z) - Learning to Move Like Professional Counter-Strike Players [22.974835711827293]
CS:GO用の人型モーションコントローラの開発には,データ駆動によるアプローチが可能であることを示す。
我々は、ゲームの「リテイク」ラウンドにおいて、すべてのプレイヤーに対して人間のようなチームの動きを生成するトランスフォーマーベースの運動モデルを訓練する。
我々は,本モデルが単純なチームワークを行い,共通の動作ミスを少なくし,プロのCS:GOと類似した移動分布,プレイヤーの寿命,殺傷位置を得られることを示す。
論文 参考訳（メタデータ） (2024-08-25T20:43:34Z) - Paying to Do Better: Games with Payments between Learning Agents [4.067193517689939]
学習エージェントのアルゴリズムに金銭移動政策を取り入れた選手の影響について検討する。
このようなシナリオを捉えるための単純で一般的なゲーム理論モデルを提案する。
その結果、非常に幅広い種類のゲームにおいて、自己関心のあるプレイヤーは、学習エージェントが他の学習者に支払いをすることの恩恵を受けることがわかった。
論文 参考訳（メタデータ） (2024-05-31T14:55:11Z) - 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) - Identification of Twitter Bots based on an Explainable ML Framework: the
US 2020 Elections Case Study [72.61531092316092]
本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。
Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。
また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
論文 参考訳（メタデータ） (2021-12-08T14:12:24Z) - Adversarial Online Learning with Variable Plays in the Pursuit-Evasion
Game: Theoretical Foundations and Application in Connected and Automated
Vehicle Cybersecurity [5.9774834479750805]
対戦型・非確率型マルチアームバンディット(MPMAB)は,演奏するアームの数が変動している場合に拡張する。
この作業は、相互接続された輸送システムにおいて、異なる重要な場所をスキャンするために割り当てられたリソースが、時間とともに、環境によって動的に変化するという事実によって動機付けられている。
論文 参考訳（メタデータ） (2021-10-26T23:09:42Z) - Teach me to play, gamer! Imitative learning in computer games via
linguistic description of complex phenomena and decision tree [55.41644538483948]
本稿では,複雑な現象の言語記述に基づく模倣による新しい機械学習モデルを提案する。
この手法は,ゲーム開発における知的エージェントの動作を設計し,実装するための優れた代替手段となる。
論文 参考訳（メタデータ） (2021-01-06T21:14:10Z) - Understand Watchdogs: Discover How Game Bot Get Discovered [8.8519643723088]
我々は韓国のMMORPGであるAIONのデータセットを用いてXAIモデルを開発した。
これにより,ゲームボットの動作についての説明が得られ,説明の真偽が評価された。
論文 参考訳（メタデータ） (2020-11-26T16:34:31Z) - Learning to Play Sequential Games versus Unknown Opponents [93.8672371143881]
学習者が最初にプレーするゲームと、選択した行動に反応する相手との連続的なゲームについて考察する。
対戦相手の対戦相手列と対戦する際,学習者に対して新しいアルゴリズムを提案する。
我々の結果には、相手の反応の正則性に依存するアルゴリズムの後悔の保証が含まれている。
論文 参考訳（メタデータ） (2020-07-10T09:33:05Z) - Detection of Novel Social Bots by Ensembles of Specialized Classifiers [60.63582690037839]
悪意ある俳優は、社会ボットとして知られるアルゴリズムによって部分的に制御される不正なソーシャルメディアアカウントを作成し、誤情報を広め、オンラインでの議論を扇動する。
異なるタイプのボットが、異なる行動特徴によって特徴づけられることを示す。
本稿では,ボットのクラスごとに専門的な分類器を訓練し,それらの決定を最大ルールで組み合わせる,教師付き学習手法を提案する。
論文 参考訳（メタデータ） (2020-06-11T22:59:59Z)
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。