論文の概要: Adversarial Reinforcement Learning Framework for ESP Cheater Simulation

• arxiv url: http://arxiv.org/abs/2509.24274v1
• Date: Mon, 29 Sep 2025 04:32:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-30 22:32:19.748099
• Title: Adversarial Reinforcement Learning Framework for ESP Cheater Simulation
• Title（参考訳）: ESPチータシミュレーションのための逆強化学習フレームワーク
• Authors: Inkyu Park, Jeong-Gwan Lee, Taehwan Kwon, Juheon Choi, Seungku Kim, Junsu Kim, Kimin Lee,
• Abstract要約: エクストラ・センセーショナル・パーセプション(ESP)の不正行為は、プレイヤーの行動において直接観察できないため、検出が困難である。 本研究では,ESPチーター,非チーター,トラジェクトリベース検出器のモデル化のためのシミュレーションフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 27.73673717943896
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extra-Sensory Perception (ESP) cheats, which reveal hidden in-game information such as enemy locations, are difficult to detect because their effects are not directly observable in player behavior. The lack of observable evidence makes it difficult to collect reliably labeled data, which is essential for training effective anti-cheat systems. Furthermore, cheaters often adapt their behavior by limiting or disguising their cheat usage, which further complicates detection and detector development. To address these challenges, we propose a simulation framework for controlled modeling of ESP cheaters, non-cheaters, and trajectory-based detectors. We model cheaters and non-cheaters as reinforcement learning agents with different levels of observability, while detectors classify their behavioral trajectories. Next, we formulate the interaction between the cheater and the detector as an adversarial game, allowing both players to co-adapt over time. To reflect realistic cheater strategies, we introduce a structured cheater model that dynamically switches between cheating and non-cheating behaviors based on detection risk. Experiments demonstrate that our framework successfully simulates adaptive cheater behaviors that strategically balance reward optimization and detection evasion. This work provides a controllable and extensible platform for studying adaptive cheating behaviors and developing effective cheat detectors.
• Abstract（参考訳）: 敵位置などのゲーム内情報を隠蔽するエクストラセソリー・パーセプション(ESP)の不正行為は、プレイヤーの行動において直接観察できないため、検出が困難である。 観測可能な証拠の欠如は、効果的な反チートシステムの訓練に欠かせない、確実にラベル付けされたデータの収集を困難にしている。 さらに、不正行為者は、不正使用を制限するか、あるいは無効にすることで行動に適応し、検出と検出器の開発をさらに複雑にする。 これらの課題に対処するために、ESPチーター、非チーター、軌道ベース検出器の制御モデリングのためのシミュレーションフレームワークを提案する。 我々は、観測可能性の異なる強化学習エージェントとして、チーターや非チーターをモデル化し、検出器は行動軌跡を分類する。 次に、不正者と検出器間の相互作用を対角ゲームとして定式化し、両プレイヤーが時間とともに共役することを可能にする。 現実的な不正行為を反映した構造的不正行為モデルを導入し,検出リスクに基づいて不正行為と非暖房動作を動的に切り替える。 実験により,我々のフレームワークは報酬最適化と検出回避の戦略的バランスをとる適応的な不正行為をうまくシミュレートすることを示した。 この研究は、適応的な不正行為を研究し、効果的な不正検知器を開発するための制御可能で拡張可能なプラットフォームを提供する。

関連論文リスト

• AntiCheatPT: A Transformer-Based Approach to Cheat Detection in Competitive Computer Games [0.0]
  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。
  論文  参考訳（メタデータ） (2025-08-08T14:22:41Z)
• 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)
• Strategic Preys Make Acute Predators: Enhancing Camouflaged Object Detectors by Generating Camouflaged Objects [107.47530456103758]
  カモフラーゲ型物体検出(COD)は、カモフラーゲ型物体を視覚的に周囲に混入させる難易度の高い課題である。 我々は、捕食者がより優れたカモフラージュと捕食者を開発し、より鋭い視覚システムを取得するための獲物を誘導する獲物捕食者ゲームからインスピレーションを得ている。 内部コヒーレンスとエッジガイダンス (ICEG) と呼ばれる新しいCOD法を導入し, カモフラージュした特徴コヒーレンスモジュールを導入した。
  論文  参考訳（メタデータ） (2023-08-06T17:27:08Z)
• Adversarially-Aware Robust Object Detector [85.10894272034135]
  本稿では,ロバスト検出器 (RobustDet) を提案する。 本モデルは, クリーン画像の検出能力を維持しながら, 傾きを効果的に解き, 検出堅牢性を著しく向上させる。
  論文  参考訳（メタデータ） (2022-07-13T13:59:59Z)
• 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)
• 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)
• Mate! Are You Really Aware? An Explainability-Guided Testing Framework for Robustness of Malware Detectors [49.34155921877441]
  マルウェア検出装置のロバスト性を示すための説明可能性誘導型およびモデルに依存しないテストフレームワークを提案する。 次に、このフレームワークを使用して、操作されたマルウェアを検出する最先端のマルウェア検知器の能力をテストする。 我々の発見は、現在のマルウェア検知器の限界と、その改善方法に光を当てた。
  論文  参考訳（メタデータ） (2021-11-19T08:02:38Z)
• 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)
• 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。