論文の概要: AntiCheatPT: A Transformer-Based Approach to Cheat Detection in Competitive Computer Games

• arxiv url: http://arxiv.org/abs/2508.06348v1
• Date: Fri, 08 Aug 2025 14:22:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-11 20:39:06.258435
• Title: AntiCheatPT: A Transformer-Based Approach to Cheat Detection in Competitive Computer Games
• Title（参考訳）: AntiCheatPT: 競争型コンピュータゲームにおけるチート検出のためのトランスフォーマーベースアプローチ
• Authors: Mille Mei Zhen Loo, Gert Luzkov, Paolo Burelli,
• Abstract要約: 反チートシステムは、ユーザのシステムに侵入的措置を課すことなく、不正行為を進化させる方法に追従する際の課題に直面している。 本稿では,ゲームプレイデータを用いて,カウンターストライク2における不正行為を検出するためのトランスフォーマーベース機械学習モデルであるAntiCheatPT_256を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Cheating in online video games compromises the integrity of gaming experiences. Anti-cheat systems, such as VAC (Valve Anti-Cheat), face significant challenges in keeping pace with evolving cheating methods without imposing invasive measures on users' systems. This paper presents AntiCheatPT\_256, a transformer-based machine learning model designed to detect cheating behaviour in Counter-Strike 2 using gameplay data. To support this, we introduce and publicly release CS2CD: A labelled dataset of 795 matches. Using this dataset, 90,707 context windows were created and subsequently augmented to address class imbalance. The transformer model, trained on these windows, achieved an accuracy of 89.17\% and an AUC of 93.36\% on an unaugmented test set. This approach emphasizes reproducibility and real-world applicability, offering a robust baseline for future research in data-driven cheat detection.
• Abstract（参考訳）: オンラインビデオゲームのゲームは、ゲーム体験の完全性を損なう。 Valve Anti-Cheat(Valve Anti-Cheat)のようなアンチチートシステムは、ユーザのシステムに侵入的措置を課すことなく、不正行為手法の進化に追随する上で大きな課題に直面している。 本稿では,ゲームプレイデータを用いて,カウンターストライク2における不正行為を検出するためのトランスフォーマーベース機械学習モデルであるAntiCheatPT\_256を提案する。 これをサポートするために、CS2CD: 795マッチのラベル付きデータセットを導入、公開します。 このデータセットを使用して、90,707のコンテキストウィンドウが作成され、クラス不均衡に対処するために拡張された。 これらの窓で訓練されたトランスモデルは89.17\%、AUCは93.36\%の精度を達成した。 このアプローチは再現性と実世界の適用性を強調し、データ駆動の不正検出に関する将来の研究の強固なベースラインを提供する。

関連論文リスト

• SPC: Evolving Self-Play Critic via Adversarial Games for LLM Reasoning [99.645427839457]
  セルフプレイ批判(Self-Play Critic、SPC)は、対戦型セルフプレイゲームを通じて推論ステップを評価する能力を進化させる新しいアプローチである。 SPCは、ベースモデルの2つのコピーを微調整して、2つの役割、すなわち「スニーキージェネレータ」と「批判的」を演じる。
  論文  参考訳（メタデータ） (2025-04-27T08:45:06Z)
• VIC: Evasive Video Game Cheating via Virtual Machine Introspection [1.7495213911983414]
  ビデオゲームの不正行為は、一部のプレイヤーに不公平なアドバンテージを与えるためにビデオゲームの振る舞いを変更します。 これはオンラインゲーム体験を破壊し、ゲーム開発者にとって経済的損失をもたらす可能性がある。 我々は、仮想マシンを利用してステルスゲームチートを実行する新しいタイプのゲームチート、Virtual Machine Introspection Cheat(VIC)を提案する。
  論文  参考訳（メタデータ） (2025-02-17T20:54:56Z)
• Identify As A Human Does: A Pathfinder of Next-Generation Anti-Cheat Framework for First-Person Shooter Games [25.04499987558611]
  オンラインゲームでのティーティングは、ゲーム体験の完全性に重大な脅威をもたらす。 本稿では,人気ゲームCS:GOのためのサーバサイドFPSアンチチートフレームワークHAWKを提案する。
  論文  参考訳（メタデータ） (2024-09-23T09:00:07Z)
• GAN-Aimbots: Using Machine Learning for Cheating in First Person Shooters [15.770861074132135]
  ゲーム開発者は不正行為を防止して、ゲームのセキュリティとユーザエクスペリエンスを改善することを目指している。 従来のソフトウェアベースの手法と統計システムは不正行為から保護することに成功している。 画像や音声などのコンテンツの自動生成の最近の進歩は、ビデオゲーム産業を脅かしている。
  論文  参考訳（メタデータ） (2022-05-14T13:33:23Z)
• PerfectDou: Dominating DouDizhu with Perfect Information Distillation [51.069043489706836]
  本研究では,現在最先端のDouDizhuAIシステムであるPerfectDouを提案する。 実験では、PerfectDouが既存のAIプログラムをすべて破り、最先端のパフォーマンスを達成する方法と理由を示します。
  論文  参考訳（メタデータ） (2022-03-30T15:37:57Z)
• 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)
• Robust Vision-Based Cheat Detection in Competitive Gaming [12.124621973070164]
  本稿では,フレームバッファの最終状態をキャプチャし,不正オーバーレイを検出するビジョンベースアプローチを提案する。 以上の結果から,機械学習によるロバストで効果的な解凍は実現可能であることが示された。
  論文  参考訳（メタデータ） (2021-03-18T06:06:52Z)
• Adversarial EXEmples: A Survey and Experimental Evaluation of Practical Attacks on Machine Learning for Windows Malware Detection [67.53296659361598]
  EXEmplesは、比較的少ない入力バイトを摂動することで、機械学習に基づく検出をバイパスすることができる。 我々は、機械学習モデルに対する過去の攻撃を包含し、一般化するだけでなく、3つの新たな攻撃を含む統一フレームワークを開発する。 これらの攻撃はFull DOS、Extended、Shiftと呼ばれ、DOSヘッダをそれぞれ操作し、拡張し、第1セクションの内容を変更することで、敵のペイロードを注入する。
  論文  参考訳（メタデータ） (2020-08-17T07:16:57Z)
• Disentangling Controllable Object through Video Prediction Improves Visual Reinforcement Learning [82.25034245150582]
  多くの視覚に基づく強化学習問題において、エージェントは視野内の可動物体を制御する。 制御可能なオブジェクトを観測信号から切り離すためのエンドツーエンド学習フレームワークを提案する。 不整合表現は、RLがエージェントに追加の観察チャネルとして有用であることが示されている。
  論文  参考訳（メタデータ） (2020-02-21T05:43:34Z)

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。