Fugu-MT 論文翻訳(概要): Detecting Aimbot Cheaters in MOGs

論文の概要: Detecting Aimbot Cheaters in MOGs

arxiv url: http://arxiv.org/abs/2606.07650v1
Date: Tue, 02 Jun 2026 13:44:55 GMT
ステータス: 翻訳完了
システム内更新日: 2026-06-09 14:42:05.188371
Title: Detecting Aimbot Cheaters in MOGs
Title（参考訳）: MOGにおけるAimbotチーターの検出
Abstract要約: 本稿では,視覚的目標ボット不正行為者の存在を緩和するために,敵パッチを配置する新たな積極的な防衛戦略を提案する。我々のアプローチは、不正行為者のオブジェクトモデルを意図的にトリガーし、直接検出可能か、またはビューポートのパッチフラッディングを通じて不正行為者にとってプレイ不可能なゲームをレンダリングすることに焦点を当てている。異なるパッチサイズの有効性、異なるスクリーン解像度に対するパッチのスケーラビリティ、多様な視覚的目標ボットの不正設定に対する有効性、およびパッチ転送可能性を評価するための様々なYOLOモデルについて検討した。
参考スコア（独自算出の注目度）: 2.326937537253793
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Multiplayer Online Games have become a multibillion dollar industry in the entertainment sector. However, the presence of cheaters undermines the experience of honest players and devalues the effort of game developers, as it directly affects player retention, competitive integrity, the legitimacy and trustworthiness of a game, and most importantly the overall revenue streams. Among various cheating techniques, visual aimbots represent an emerging threat. They use computer vision models to detect opponents from client screen captures rather than accessing game memory, making them completely undetectable by commercial kernel level anti cheat solutions. In this paper, we introduce PATCH, a novel proactive defense strategy that deploys adversarial patches as in game honeytokens to mitigate the presence of visual aimbot cheaters. Our approach centers on deliberately triggering the cheaters' object detection model, enabling either direct detection, or rendering the game unplayable for the cheater via patch flooding on their viewport. We evaluate our approach on various criteria; analyzing the effectiveness of different patch sizes, scalability of patches to different screen resolutions, efficacy against diverse visual aimbot cheat configurations and also explore various YOLO models to assess patch transferability. Evaluation on a custom Unreal Engine game demonstrates over 90 percent detection rate in white box scenarios for almost all patch sizes, and reaches 60 to 90 percent cross model transferability with larger patches. We further validate our approach on Fortnite, a commercial MOG, demonstrating real world applicability.
Abstract（参考訳）: マルチプレイヤーオンラインゲームはエンターテイメント分野で数十億ドルの産業となっている。しかし、不正なプレイヤーの存在は、プレイヤーの保持、競争上の完全性、ゲームの正当性と信頼性、そして最も重要な収益の流れに直接影響するため、正直なプレイヤーの経験を損なう。様々な不正行為のテクニックの中で、視覚的目的ボットは新たな脅威を表現している。彼らはコンピュータビジョンモデルを使用して、ゲームメモリにアクセスするのではなく、クライアント画面のキャプチャから相手を検出する。本稿では,対戦型パッチをゲームハネトケンのように展開し,視覚的目的ロボットの不正行為を緩和する新しいプロアクティブディフェンス戦略であるPATCHを紹介する。当社のアプローチでは,不正行為者のオブジェクト検出モデルを意図的にトリガし,直接検出可能か,あるいはビューポートにパッチフラッディングを施して,不正行為者にとってプレイ不可能なゲームをレンダリングする。異なるパッチサイズの有効性、異なるスクリーン解像度に対するパッチのスケーラビリティ、多様な視覚的目標ボットの不正設定に対する有効性、およびパッチ転送可能性を評価するための様々なYOLOモデルについて検討した。カスタムのUnreal Engineゲームの評価では、ほぼすべてのパッチサイズで、ホワイトボックスのシナリオで90%以上の検出率を示し、より大きなパッチで60%から90%のクロスモデルトランスファービリティに達する。商用MOGであるFortniteに対する我々のアプローチをさらに検証し、実世界の適用性を示す。

関連論文リスト

Server-side Anti-cheat in FPS games for Aimbot detection using Deep learning and Machine learning [0.0]
FPSゲームの人気が高まっていることは、公正で楽しいゲームのために不正と戦う必要性を強調している。不正ツールを使用しているプレイヤーを検知して、通常のプレイヤーに対して不公平な優位性を得る方法が必要です。本システムでは,目的ロボットの不正検出にのみ焦点をあてる。
論文参考訳（メタデータ） (2026-07-05T14:34:09Z)
Shoot the Honey, Cloak the Player: Towards Zero-Runtime-Overhead Proactive Defense and Detection for Visual Game Cheating [12.293978482912264]
AimTrapは、ファーストパーソンシューティングゲームにおける視覚的目標ボットに対するエンドツーエンドの防御である。リアルタイム保護と2つの対向的テクスチャ機構を用いたポストゲーム検出を組み合わせる。非常に低い偽陽性率を達成する一方で、無視可能なランタイムオーバーヘッドを発生させる。
論文参考訳（メタデータ） (2026-06-24T12:00:10Z)
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)
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)
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)
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)
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)
ObjectSeeker: Certifiably Robust Object Detection against Patch Hiding Attacks via Patch-agnostic Masking [95.6347501381882]
物体探知機は物理的世界のパッチ隠蔽攻撃に弱いことが判明した。我々は,堅牢なオブジェクト検出器を構築するためのフレームワークとしてObjectSeekerを提案する。
論文参考訳（メタデータ） (2022-02-03T19:34:25Z)
Segment and Complete: Defending Object Detectors against Adversarial Patch Attacks with Robust Patch Detection [142.24869736769432]
敵のパッチ攻撃は最先端の物体検出器に深刻な脅威をもたらす。パッチ攻撃に対して物体検出器を防御するフレームワークであるSegment and Complete Defense (SAC)を提案する。 SACは、物理的パッチ攻撃の標的攻撃成功率を著しく低減できることを示す。
論文参考訳（メタデータ） (2021-12-08T19:18:48Z)
Unsupervised Visual Representation Learning by Tracking Patches in Video [88.56860674483752]
本研究では,コンピュータビジョンシステムのプロキシタスクとしてトラッキングを用いて視覚表現を学習することを提案する。子どもたちがプレイするキャッチゲームをベースに、視覚表現を学ぶ3D-CNNモデルのためのキャッチ・ザ・パッチ(CtP)ゲームを設計します。
論文参考訳（メタデータ） (2021-05-06T09:46:42Z)
Certified Defenses for Adversarial Patches [72.65524549598126]
敵パッチ攻撃は、現実世界のコンピュータビジョンシステムに対する最も実用的な脅威モデルの一つである。本稿では,パッチアタックに対する認証と実証的防御について検討する。
論文参考訳（メタデータ） (2020-03-14T19:57:31Z)

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。