論文の概要: Shoot the Honey, Cloak the Player: Towards Zero-Runtime-Overhead Proactive Defense and Detection for Visual Game Cheating
- arxiv url: http://arxiv.org/abs/2606.25734v1
- Date: Wed, 24 Jun 2026 12:00:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-25 17:05:30.320386
- Title: Shoot the Honey, Cloak the Player: Towards Zero-Runtime-Overhead Proactive Defense and Detection for Visual Game Cheating
- Title（参考訳）: Honey, Cloak the Player: toward the Zero-Runtime-Overhead Proactive Defense and Detection for Visual Game Cheating
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 12.293978482912264
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual aimbots have emerged as a serious cheating threat in first-person shooter (FPS) games, as they evade existing anti-cheat defenses by operating only on rendered frames rather than game memory. However, existing defenses fail to provide an end-to-end solution: post-hoc behavior detectors cannot protect match integrity in real time and are increasingly fragile against human-mimicking aimbots, while proactive runtime defenses often lack accountability, incur substantial overhead, or require intrusive system integration. We present AimTrap, the first end-to-end defense against visual aimbots that combines real-time protection with post-game detection using two adversarial texture mechanisms. Adversarial Camouflage Textures (ACT) hide real players from aimbots, while Adversarial Honeypot Textures (AHT) lure aimbots into locking onto fake targets, yielding strong evidence of cheating. To make this practical, AimTrap integrates differentiable rendering with Expectation over Renderings for robust 3D texture synthesis, secure texture management, and a novel honeypot-interaction trajectory analysis pipeline for accurate cheating attribution. In real-game evaluation against a state-of-the-art visual aimbot, ACT achieves 85.1% defense success, AHT achieves 96.9%. Compared with prior baselines, AimTrap attains extremely low false-positive rates, while incurring negligible runtime overhead. These results show that AimTrap provides a practical and effective end-to-end defense against visual aimbots.
- Abstract（参考訳）: 視覚目標ボットは、ゲームメモリではなくレンダリングフレームでのみ操作することで、既存の反チート防御を回避するため、ファーストパーソン・シューティング(FPS)ゲームにおいて深刻な不正行為の脅威として浮上している。
しかし、既存の防御はエンドツーエンドのソリューションを提供しない: ポストホックな行動検知器は、リアルタイムに一致した完全性を保護することができず、人間を模倣する目標ボットに対して脆弱である一方、アクティブな実行時防御は、説明責任、かなりのオーバーヘッド、侵入システム統合を必要とすることが多い。
AimTrapは,2つの対角的テクスチャ機構を用いて,リアルタイム保護とゲーム後検出を組み合わせた視覚目標ボットに対する最初のエンドツーエンド防御である。
敵のカモフラージュテクスチュア(ACT)は、現実のプレイヤーを目的のボットから隠し、敵のハニーポットテクスチュア(AHT)は、偽のターゲットへのロックを目的のボットに誘惑し、不正行為の強い証拠をもたらす。
これを実現するために、AimTrapは3次元テクスチャの堅牢な合成、安全なテクスチャ管理、および正確な不正帰属のための新規なハニーポット-相互作用軌道解析パイプラインのために、差別化可能なレンダリングとレンダリングの期待とを統合している。
最先端の視覚目標ボットに対する実戦評価では、ACTは85.1%の防衛成功、AHTは96.9%を達成している。
以前のベースラインと比較して、AimTrapは非常に低い偽陽性率を獲得し、無視可能なランタイムオーバーヘッドを発生させる。
これらの結果から,AimTrapは視覚的目標ボットに対する実用的で効果的なエンド・ツー・エンドの防御を提供することが示された。
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) - Detecting Aimbot Cheaters in MOGs [2.326937537253793]
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。
論文 参考訳（メタデータ） (2026-06-02T13:44:55Z) - Adversarial Reward Auditing for Active Detection and Mitigation of Reward Hacking [69.06218054848803]
本稿では,報酬ハッキングを動的かつ競争的なゲームとして再認識するフレームワークであるAdrial Reward Auditing(ARA)を提案する。
まず、ハッカーポリシーは報酬モデルの脆弱性を発見し、監査人は潜伏表現からのエクスプロイトを検出することを学習する。
ARAはすべてのベースラインの中で最高のアライメントユーティリティトレードオフを実現しています。
論文 参考訳（メタデータ） (2026-02-02T07:34:57Z) - 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) - The Attacker Moves Second: Stronger Adaptive Attacks Bypass Defenses Against Llm Jailbreaks and Prompt Injections [74.60337113759313]
現在のジェイルブレイクとプロンプトインジェクションに対する防御は、通常、有害な攻撃文字列の静的セットに対して評価される。
我々は,この評価プロセスに欠陥があることを論じる。代わりに,攻撃戦略を明示的に修正したアダプティブアタッカーに対する防御を,防衛設計に対抗して評価すべきである。
論文 参考訳（メタデータ） (2025-10-10T05:51:04Z) - 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) - BadCLIP: Dual-Embedding Guided Backdoor Attack on Multimodal Contrastive
Learning [85.2564206440109]
本報告では,防衛後においてもバックドア攻撃が有効であり続けるという現実的なシナリオにおける脅威を明らかにする。
バックドア検出や細調整防御のモデル化に抵抗性のあるemphtoolnsアタックを導入する。
論文 参考訳（メタデータ） (2023-11-20T02:21:49Z) - Turn Fake into Real: Adversarial Head Turn Attacks Against Deepfake
Detection [58.1263969438364]
本稿では,3次元対向顔視によるディープフェイク検出器に対する最初の試みとして,対向頭部旋回(AdvHeat)を提案する。
実験では、現実的なブラックボックスシナリオにおいて、様々な検出器のAdvHeatに対する脆弱性を検証する。
さらなる分析により、AdvHeatは、クロス検出器転送性と防御に対する堅牢性の両方に対する従来の攻撃よりも優れていることが示されている。
論文 参考訳（メタデータ） (2023-09-03T07:01:34Z) - 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) - 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) - 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) - 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。