論文の概要: Gynopticon: Consensus-Based Cheating Detection System for Competitive Games
- arxiv url: http://arxiv.org/abs/2511.10992v1
- Date: Fri, 14 Nov 2025 06:28:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-11-17 22:42:18.451373
- Title: Gynopticon: Consensus-Based Cheating Detection System for Competitive Games
- Title（参考訳）: Gynopticon:コンセンサスによる競争ゲーム用加熱検知システム
- Authors: Jeuk Kang, Jungheum Park,
- Abstract要約: オンラインゲームはゲーム業界にとって大きな脅威となる。
これまでのほとんどの研究は、MMORPGs(Massively Multiplayer Online Role-Playing Games)に集中している。
GYNOPTICONは,ユーザのコンセンサスを利用して異常行動を識別する,新しい不正検出フレームワークである。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Cheating in online games poses significant threats to the gaming industry, yet most prior research has concentrated on Massively Multiplayer Online Role-Playing Games (MMORPGs). Competitive genres-such as Multiplayer Online Battle Arena (MOBA), First Person Shooter (FPS), Real Time Strategy (RTS), and Action games-remain underexplored due to the difficulty of detecting cheating users and the demand for complex data and techniques. To address this gap, many game companies rely on kernel-level anti-cheat solutions, which, while effective, raise serious concerns regarding user privacy and system security. In this paper, we propose GYNOPTICON, a novel cheating detection framework that leverages user consensus to identify abnormal behavior. GYNOPTICON integrates a lightweight client-side detection mechanism with a server-side voting system: when suspicious activity is identified, clients cast votes to the server, which aggregates them to establish consensus and distinguish cheaters from legitimate players. This architecture enables transparency, reduces reliance on intrusive monitoring, and mitigates privacy risks. We evaluate GYNOPTICON in both a controlled simulation and a real-world FPS environment. Simulation results verify its feasibility and requirements, while real-world experiments confirm its effectiveness in reliably detecting cheating users. Furthermore, we demonstrate the system's applicability and sustainability for long-term game management using public datasets. GYNOPTICON represents a user-driven, consensus-based alternative to conventional anti-cheat systems, offering a practical and privacy-preserving solution for competitive online games.
- Abstract（参考訳）: オンラインゲームでのゲームプレイはゲーム業界に重大な脅威をもたらすが、これまでのほとんどの研究はMMORPGs(Massively Multiplayer Online Role-Playing Games)に集中している。
マルチプレイヤーオンラインバトルアリーナ(MOBA)、ファースト・パーソナ・シューター(FPS)、リアル・タイム・ストラテジー(RTS)、アクション・ゲームといった競合するジャンルは、不正なユーザーを検知し難いことや複雑なデータやテクニックの需要のため、未解決のまま残されている。
このギャップに対処するため、多くのゲーム会社はカーネルレベルのアンチチートソリューションに依存している。
本稿では,ユーザコンセンサスを利用した不正検出フレームワークであるGYNOPTICONを提案する。
GYNOPTICONは、クライアント側の軽量な検知機構とサーバ側の投票システムを統合する。不審な活動が特定されると、クライアントがサーバに投票を行い、コンセンサスを確立し、不正者を正当なプレイヤーと区別する。
このアーキテクチャは透明性を可能にし、侵入監視への依存を減らし、プライバシーリスクを軽減する。
我々は制御されたシミュレーションと実世界のFPS環境の両方においてGYNOPTICONを評価する。
シミュレーションの結果,その実現可能性と要件を検証し,実世界の実験により不正ユーザを確実に検出する効果が確認された。
さらに,公開データセットを用いた長期ゲーム管理におけるシステムの適用性と持続可能性を示す。
GYNOPTICONは従来のアンチチートシステムに代わるユーザ主導のコンセンサスベースの代替であり、競合するオンラインゲームに対して実用的でプライバシー保護のソリューションを提供する。
関連論文リスト
- LM Fight Arena: Benchmarking Large Multimodal Models via Game Competition [104.81487689011341]
本稿では,Mortal Kombat IIにおける大規模マルチモーダルモデルを評価する新しいフレームワークであるLM Fight Arenaを紹介する。
静的評価とは異なり、LM Fight Arenaは完全に自動化され、再現可能で、LMMの戦略的推論能力の客観的評価を提供する。
論文 参考訳（メタデータ） (2025-10-10T02:19:21Z) - Adversarial Reinforcement Learning Framework for ESP Cheater Simulation [27.73673717943896]
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。
論文 参考訳（メタデータ） (2025-09-29T04:32:45Z) - CyGATE: Game-Theoretic Cyber Attack-Defense Engine for Patch Strategy Optimization [73.13843039509386]
本稿では,攻撃と防御の相互作用をモデル化するゲーム理論フレームワークCyGATEを提案する。
CyGATEはサイバー・キル・チェーン(Cyber Kill Chain)の段階にわたって、サイバー紛争を部分的に観察可能なゲーム(POSG)として捉えている。
フレームワークの柔軟なアーキテクチャは、マルチエージェントシナリオの拡張を可能にする。
論文 参考訳（メタデータ） (2025-08-01T09:53:06Z) - CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。
CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。
物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
論文 参考訳（メタデータ） (2025-05-14T13:37:07Z) - Addressing Network Packet-based Cheats in Multiplayer Games: A Secret Sharing Approach [3.304472814852163]
マルチプレイヤーゲームにおいて,ネットワークパケットベースの不正行為(偽造やタイミング不正など)を検出する新しい手法を提案する。
我々は,オンラインゲームにおいて広く利用されている攻撃に対処する上で,我々の提案が実用的であることを示す。
論文 参考訳（メタデータ） (2025-01-18T21:11:38Z) - 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) - Online Corrupted User Detection and Regret Minimization [49.536254494829436]
現実世界のオンラインウェブシステムでは、複数のユーザがシステムに順次到着する。
乱れた行動から未知のユーザ関係を学習・活用するために,LOCUDという重要なオンライン学習問題を提案する。
我々はRCLUB-WCUの推測ユーザ関係に基づく新しいオンライン検出アルゴリズムOCCUDを考案した。
論文 参考訳（メタデータ） (2023-10-07T10:20:26Z) - 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)
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。