論文の概要: Server-side Anti-cheat in FPS games for Aimbot detection using Deep learning and Machine learning

• arxiv url: http://arxiv.org/abs/2607.04336v1
• Date: Sun, 05 Jul 2026 14:34:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.904067
• Title: Server-side Anti-cheat in FPS games for Aimbot detection using Deep learning and Machine learning
• Title（参考訳）: 深層学習と機械学習を用いたAimbot検出のためのFPSゲームにおけるサーバーサイドアンチチート
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern video games are becoming more complex day by day. Most of these modern games are multiplayer first-person shooter (FPS) games. The rising popularity of FPS games emphasizes the need to combat cheating for fair and enjoyable gaming. As the number of players using cheating techniques like aimbots, wallhacks, and speed hacks is also increasing, we need a way to detect players who are using cheating tools to gain an unfair advantage over regular players. In this system, we focus exclusively on detecting aimbot cheats. Players who use aimbot cheats generally do not prioritize other aspects of the game. To distinguish between regular and cheating players, we identify specific features encompassing time-series data such as aim velocity, number of shots, distance to target, and more, along with behavioral data such as utility usage, player movement, and other gameplay patterns. Utilizing these features, we construct a server-side aimbot detection classifier named 'YAACS'. YAACS comprises a parser, a deep learning model, and intermediary connection utilities designed for integration with the game server. The proposed system achieves a classification accuracy of 88.6% with a false positive rate of 0.97% using a Stacked LSTM with Dense layers trained on sequences of 128 ticks (Tick Delta Negative=56, Tick Delta Positive=24), outperforming the Decision Tree baseline which achieves a higher accuracy of 96.2% but at a false positive rate of 2.68%, 2.76x worse than the best LSTM configuration. These results demonstrate that incorporating temporal context through sequence modelling is critical for minimising false accusations in FPS cheat detection.
• Abstract（参考訳）: 現代のビデオゲームは日に日に複雑になりつつある。 現代のゲームのほとんどはマルチプレイヤーファーストパーソンシューティング(FPS)ゲームである。 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。 ターゲットボットやウォールハック、スピードハックといった不正行為技術を使用するプレイヤーの数も増えているため、不正行為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ある。 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。 シュートボットを使うプレイヤーは、通常ゲームの他の側面を優先しない。 正規プレイヤーと不正プレイヤーを区別するために,目的速度,ショット数,目標距離などの時系列データを含む特定の特徴と,実用利用,プレイヤーの動き,その他のゲームプレイパターンなどの行動データとを識別する。 これらの特徴を生かして,YAACSというサーバ側の目標ボット検出分類器を構築した。 YAACSは、ゲームサーバとの統合用に設計されたパーサ、ディープラーニングモデル、中間接続ユーティリティから構成される。 提案方式は, 88.6%の分類精度を, 128ギニー(Tick Delta Negative=56, Tick Delta Positive=24)のシーケンスで訓練したDense層を用いた重ね合わせLSTMによる0.97%の偽陽性率で達成し, 96.2%の精度で決定木ベースラインを上回り, 最良LSTM構成の2.68%, 2.76倍の偽陽性率で達成した。 これらの結果から,FPS不正検出における虚偽の告発を最小限に抑えるためには,シーケンスモデリングによる時間的コンテキストの取り込みが重要であることが示唆された。

関連論文リスト

• Explaining AI-Image Detection: What the Heatmap Actually Shows [65.01025489527173]
  私たちは検出器を構築し、その証拠として属性マップを添付します。 私たちは、そのペアがコントロール下の186,527のイメージにもたらすものを測定します。 属性ランキングが存在するかどうかは、検出器が画像に反応するかどうかに依存する。
  論文  参考訳（メタデータ） (2026-07-31T16:07:05Z)
• 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)
• 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)
• 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)
• 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)
• 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)
• Understanding why shooters shoot -- An AI-powered engine for basketball performance profiling [70.54015529131325]
  バスケットボールは、プレイスタイルやゲームダイナミクスなど、多くの変数によって規定されている。 パフォーマンスプロファイルが様々なプレイスタイルを反映できることは重要です。 プレイヤのパフォーマンスプロファイルをタイムリーに可視化するツールを提案する。
  論文  参考訳（メタデータ） (2023-03-17T01:13:18Z)
• A Graph-Based Method for Soccer Action Spotting Using Unsupervised Player Classification [75.93186954061943]
  アクションスポッティングには、ゲームのダイナミクス、イベントの複雑さ、ビデオシーケンスのバリエーションを理解することが含まれる。 本研究では, (a) 選手, 審判, ゴールキーパーをグラフのノードとして識別し, および (b) 時間的相互作用をグラフのシーケンスとしてモデル化することによって, 前者に焦点を当てる。 プレーヤ識別タスクでは,他のモダリティと組み合わせることで,平均mAPの57.83%の総合的な性能が得られる。
  論文  参考訳（メタデータ） (2022-11-22T15:23:53Z)
• 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)
• Robust Spammer Detection by Nash Reinforcement Learning [64.80986064630025]
  我々は,スパマーとスパム検知器が互いに現実的な目標を競うミニマックスゲームを開発する。 提案アルゴリズムは,スパマーが混在するスパマーが実用目標を達成するのを確実に防止できる平衡検出器を確実に見つけることができることを示す。
  論文  参考訳（メタデータ） (2020-06-10T21:18:07Z)

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。