論文の概要: You Shall Not Pass into Ring-0! A User Privacy-Friendly Anti-Cheat Architecture for Personal Computers
- arxiv url: http://arxiv.org/abs/2609.17525v1
- Date: Tue, 15 Sep 2026 17:56:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 14:56:08.657754
- Title: You Shall Not Pass into Ring-0! A User Privacy-Friendly Anti-Cheat Architecture for Personal Computers
- Title（参考訳）: Ring-0にパスしない! パーソナルコンピュータのためのユーザプライバシフレンドリーな反熱アーキテクチャ
- Abstract要約: Tirithは、信頼できない管理者からサンドボックス計算を自然に行う、保護された仮想マシンでビデオゲームを実行する。
本稿では,ゲーム用のセキュリティ重視のライブラリOSカーネルと,ネイティブに近いレンダリングと表示性能を実現するための効率的なグラフィック共有パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 10.494910820968968
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Kernel-level anti-cheats are effective against malicious player behavior in competitive video games, but raise significant user privacy concerns regarding installing unverifiable components at privileged modes (i.e., ring-0 in x86). While existing research has focused on improving the effectiveness of anti-cheats, the user privacy concern has been largely ignored. Tirith is an anti-cheat architecture that addresses this problem using two key ideas. First, instead of running video games within regular processes that players (as root admins) have control over, Tirith executes video games in Protected Virtual Machines that naturally sandbox computations from untrusted admins. Second, to monitor user behavior outside the sandbox (e.g., see if they are running malicious drivers), Tirith leverages a virtualization monitor that is trusted by both players and developers. Together, these ideas remove the need to run untrusted kernel-level anti-cheats, while providing the same level of protection compared to such solutions against a wide-range of common cheating mechanisms. The main challenge we face in implementing these ideas, however, is that the existing software stack for virtual machines is not designed to run video games and creates significant security and performance problems. We address these problems by proposing a security-focused Library OS kernel for games and an efficient graphics sharing pipeline for near-native rendering and display performance. In summary, without compromising on cheating behavior detection or performance, this work makes user privacy a first-class citizen in personal computers.
- Abstract（参考訳）: カーネルレベルのアンチチートは、競合するビデオゲームの悪意あるプレイヤーの動作に対して有効であるが、特権モード(x86の環0)に検証不能なコンポーネントをインストールする際の重要なユーザのプライバシー上の懸念を提起する。
既存の研究は、アンチチートの有効性の改善に重点を置いているが、ユーザーのプライバシーに関する懸念はほとんど無視されている。
Tirithは、2つの主要なアイデアを使ってこの問題に対処するアンチチートアーキテクチャである。
まず、(ルート管理者として)プレイヤーがコントロールする通常のプロセス内でビデオゲームを実行する代わりに、Tirithは、信頼できない管理者から自然にサンドボックス計算を行う保護仮想マシンでビデオゲームを実行する。
第2に,サンドボックス外のユーザ動作(悪意のあるドライバを実行しているかどうか確認するなど)を監視するために,Tirithでは,プレイヤーと開発者の両方が信頼する仮想化モニタを活用している。
これらのアイデアは、信頼できないカーネルレベルのアンチチートを実行する必要をなくし、また、広範囲の一般的な不正行為メカニズムに対して、そのようなソリューションと比較して同じレベルの保護を提供する。
しかし、これらのアイデアを実装する上で直面する主な課題は、仮想マシンの既存のソフトウェアスタックがビデオゲームを走らせるように設計されておらず、重大なセキュリティとパフォーマンスの問題を引き起こすことである。
ゲーム用のセキュリティ重視のライブラリOSカーネルと,ほぼネイティブなレンダリングと表示性能のための効率的なグラフィック共有パイプラインを提案することで,これらの問題に対処する。
要するに、不正行為の検出やパフォーマンスに妥協することなく、この作業は、ユーザのプライバシをパーソナルコンピュータの第一級市民にします。
関連論文リスト
- ExploitGym: Can AI Agents Turn Security Vulnerabilities into Real Attacks? [92.21756459993695]
低レベルのプログラム推論を必要とするため、爆発は難しい作業です。
その重要性と診断価値にもかかわらず、搾取は未評価のままである。
ExploitGymは、AIエージェントのエクスプロイト能力に関する大規模で多様な、現実的なベンチマークである。
論文 参考訳（メタデータ） (2026-05-11T18:00:14Z) - 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) - Gynopticon: Consensus-Based Cheating Detection System for Competitive Games [0.0]
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。
論文 参考訳（メタデータ） (2025-11-14T06:28:24Z) - Cuckoo Attack: Stealthy and Persistent Attacks Against AI-IDE [64.47951172662745]
Cuckoo Attackは、悪意のあるペイロードを構成ファイルに埋め込むことで、ステルス性と永続的なコマンド実行を実現する新しい攻撃である。
攻撃パラダイムを初期感染と持続性という2つの段階に分類する。
当社は、ベンダーが製品のセキュリティを評価するために、実行可能な7つのチェックポイントを提供しています。
論文 参考訳（メタデータ） (2025-09-19T04:10:52Z) - OS-Harm: A Benchmark for Measuring Safety of Computer Use Agents [60.78202583483591]
コンピュータ使用エージェントの安全性を計測する新しいベンチマークであるOS-Harmを紹介する。
OS-HarmはOSWorld環境上に構築されており、故意のユーザ誤用、インジェクション攻撃、モデル誤動作の3つのカテゴリでモデルをテストすることを目指している。
我々は、フロンティアモデルに基づいてコンピュータ利用エージェントを評価し、その安全性に関する洞察を提供する。
論文 参考訳（メタデータ） (2025-06-17T17:59:31Z) - 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) - Activity Recognition on Avatar-Anonymized Datasets with Masked Differential Privacy [64.32494202656801]
プライバシを保存するコンピュータビジョンは、機械学習と人工知能において重要な問題である。
本稿では,ビデオデータセット中の感性のある被験者を文脈内の合成アバターに置き換える匿名化パイプラインを提案する。
また、匿名化されていないがプライバシーに敏感な背景情報を保護するため、MaskDPを提案する。
論文 参考訳（メタデータ） (2024-10-22T15:22:53Z) - 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) - Evil from Within: Machine Learning Backdoors through Hardware Trojans [51.81518799463544]
バックドアは、自動運転車のようなセキュリティクリティカルなシステムの整合性を損なう可能性があるため、機械学習に深刻な脅威をもたらす。
私たちは、機械学習のための一般的なハードウェアアクセラレーターに完全に存在するバックドアアタックを導入します。
我々は,Xilinx Vitis AI DPUにハードウェアトロイの木馬を埋め込むことにより,攻撃の実現可能性を示す。
論文 参考訳（メタデータ） (2023-04-17T16:24:48Z) - 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)
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。