用于ESP作弊模拟的对抗性强化学习框架
机器学习
2026-01-01 v2 人工智能
摘要
额外感知（ESP）作弊，即揭示敌方位置等隐藏的游戏内信息，由于其效果在玩家行为中不可直接观测，因此难以检测。缺乏可观测证据使得收集可靠标注数据变得困难，而这是训练有效反作弊系统所必需的。此外，作弊者经常通过限制或伪装其作弊使用来调整行为，这进一步使检测和检测器开发复杂化。为应对这些挑战，我们提出了一种用于受控建模ESP作弊者、非作弊者和基于轨迹的检测器的模拟框架。我们将作弊者和非作弊者建模为具有不同可观测性水平的强化学习智能体，而检测器分类其行为轨迹。接下来，我们将作弊者与检测器之间的交互建模为对抗博弈，使双方能够随时间共同适应。为反映真实的作弊者策略，我们引入了一种结构化作弊者模型，该模型根据检测风险在作弊和非作弊行为之间动态切换。实验表明，我们的框架成功模拟了自适应作弊者行为，这些行为在奖励优化和检测规避之间战略性地取得平衡。这项工作为研究自适应作弊行为和发展有效的作弊检测器提供了一个可控且可扩展的平台。
引用
@article{arxiv.2509.24274,
title = {Adversarial Reinforcement Learning Framework for ESP Cheater Simulation},
author = {Inkyu Park and Jeong-Gwan Lee and Taehwan Kwon and Juheon Choi and Seungku Kim and Junsu Kim and Kimin Lee},
journal= {arXiv preprint arXiv:2509.24274},
year = {2026}
}