AntiCheatPT：基于 Transformer 的竞技计算机游戏作弊检测方法
人工智能
2025-09-05 v1
摘要
在线视频游戏中的作弊行为会损害游戏体验的公平性。诸如 VAC（Valve Anti-Cheat）等防作弊系统在不对用户系统施加侵入性措施的情况下，面临着跟上不断演变的作弊方法的重大挑战。本文提出了 AntiCheatPT_256，这是一种基于 Transformer 的机器学习模型，用于利用游戏数据检测 Counter-Strike 2 中的作弊行为。为支持此目标，我们引入并公开发布了 CS2CD：一组包含 795 场比赛的标注数据集。使用该数据集，创建了 90,707 个上下文窗口并进行数据增强以解决类别不平衡问题。在该数据集上训练的 Transformer 模型在未增强测试集上取得了 89.17% 的准确率和 93.36% 的 AUC。该方法强调可重复性和现实可应用性，为数据驱动的作弊检测领域提供了健壮的基准。
引用
@article{arxiv.2508.06348,
title = {AntiCheatPT: A Transformer-Based Approach to Cheat Detection in Competitive Computer Games},
author = {Mille Mei Zhen Loo and Gert Luzkov and Paolo Burelli},
journal= {arXiv preprint arXiv:2508.06348},
year = {2025}
}