論文の概要: Cheating in Multiplayer Online Games: a Dataset
- arxiv url: http://arxiv.org/abs/2606.06013v1
- Date: Thu, 04 Jun 2026 11:03:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-05 22:39:44.740017
- Title: Cheating in Multiplayer Online Games: a Dataset
- Title（参考訳）: マルチプレイヤーオンラインゲームにおけるチェス - データセット
- Authors: Hugo Bertin, Marc Dacier, Yérom-David Bromberg,
- Abstract要約: 本稿では,実戦と自動ゲームクライアントの両方がプレイするゲームセッションの記録をまとめたデータセットを提案する。
私たちの知る限りでは、これはネットワークフローの不正行為のログを提供する最初のデータセットです。
このデータセットは、オンラインゲームのための不正検出メカニズムの開発を目指す、学術および産業の研究者によって利用することができる。
- 参考スコア（独自算出の注目度）: 1.140634831132165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cheating poses a significant threat to the Multiplayer Online Games (MOG) industry by degrading player satisfaction and undermining the fairness in competitive gaming. Despite efforts to develop mitigation techniques, cheating remains difficult to detect and prevent in practice. In particular, a class of cheats based on network flow disruption remains unsolvable. To find out how to detect such attacks we need access to representative labelled data. However, no such dataset exists. To address this gap, we leverage an experimental framework that combines a multiplayer online game with a plug-in capable of both reproducing cheating attacks and collecting logs at two levels: network and application-layer. This paper presents a dataset compiling records of game sessions played by both real players and automated game clients, with cheating actions explicitly logged. To the best of our knowledge, this is the first dataset that provides logs of network flow disruption cheats. While it includes such network-based cheats, it is not limited to them and also contains records of more commonly studied cheats, such as aimbots and wallhacks. This dataset can be used by researchers in academia and industry seeking to develop cheating detection mechanisms for online games. Furthermore, it is designed to be evolutive and can be enriched by others creating their own data traces with the proposed framework.
- Abstract（参考訳）: マルチプレイヤーオンラインゲーム(MOG)業界は、プレイヤーの満足度を低下させ、競争ゲームにおける公正性を損なうことで大きな脅威となっている。
緩和技術の開発努力にもかかわらず、実際には不正行為の検出と防止は依然として困難である。
特に、ネットワークフローの破壊に基づく不正行為のクラスは未解決のままである。
このような攻撃を検出するには、ラベル付き代表データにアクセスする必要がある。
しかし、そのようなデータセットは存在しない。
このギャップに対処するために、マルチプレイヤーオンラインゲームとプラグインを組み合わせた実験的なフレームワークを活用し、不正な攻撃を再現し、ネットワーク層とアプリケーション層という2つのレベルでログを収集する。
本稿では,実戦と自動ゲームクライアントの両方が行うゲームセッションの記録を,不正行為を明示的に記録したデータセットを提案する。
私たちの知る限りでは、これはネットワークフローの不正行為のログを提供する最初のデータセットです。
ネットワークベースの不正行為を含むが、それらに限定されるものではなく、目的ボットやウォールハックなど、より一般的に研究されている不正行為の記録も含んでいる。
このデータセットは、オンラインゲームのための不正検出メカニズムの開発を目指す、学術および産業の研究者によって利用することができる。
さらに、Evolutiveとして設計されており、提案したフレームワークで独自のデータトレースを作成できる。
関連論文リスト
- Watermarking Game-Playing Agents in Perfect-Information Extensive-Form Games [63.23335721758144]
LLMのKGW透かしは、完全情報広角ゲームにおけるウォーターマークゲームプレイングエージェントにどのように適応できるかを示す。
予測ユーティリティによって定量化されている透かし型戦略プロファイルの品質劣化は、境界づけられる可能性があるが、検出性と品質のトレードオフがある。
論文 参考訳（メタデータ） (2026-05-14T02:33:30Z) - Do Synthetic Trajectories Reflect Real Reward Hacking? A Systematic Study on Monitoring In-the-Wild Hacking in Code Generation [53.024513172383195]
本稿では、報酬ハッキングにおける合成対内差の体系的解析について述べる。
本研究は,RLトレーニング中に出現するハッキング行動が,RLトレーニング中に出現するハッキング行動とどの程度類似しているかを検討する。
合成データ学習されたモニターは、ハッキングによって一般化することができないことがわかりました。
論文 参考訳（メタデータ） (2026-04-26T01:26:50Z) - XGuardian: Towards Explainable and Generalized AI Anti-Cheat on FPS Games [13.543176436045833]
ファースト・パーソン・シューター(FPS)ゲームにおいて、エイム・アシストの不正行為は最も一般的で悪名高い詐欺である。
XGuardian(XGuardian)は、サーバサイドで汎用的で説明可能なシステムである。
論文 参考訳（メタデータ） (2026-01-26T01:57:15Z) - Game-TARS: Pretrained Foundation Models for Scalable Generalist Multimodal Game Agents [56.25101378553328]
本稿では,汎用ゲームエージェントであるGame-TARSについて紹介する。
Game-TARSは500B以上のトークンで事前トレーニングされており、様々な軌跡とマルチモーダルデータがある。
実験により、Game-TARSは、オープンワールドMinecraftタスクにおける以前のソータモデルの約2倍の成功率を達成することが示された。
論文 参考訳（メタデータ） (2025-10-27T17:43:51Z) - 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) - 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) - 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) - PoisonedEncoder: Poisoning the Unlabeled Pre-training Data in
Contrastive Learning [69.70602220716718]
コントラスト学習のためのデータ中毒攻撃であるPoisonedEncoderを提案する。
特に、攻撃者は未ラベルの事前訓練データに慎重に毒を盛った入力を注入する。
我々は,PoisonedEncoderに対する5つの防御効果を評価し,前処理が1つ,内処理が3つ,後処理が1つであった。
論文 参考訳（メタデータ） (2022-05-13T00:15:44Z) - 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)
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。