GAN-Aimbots：利用机器学习在第一人称射击游戏中作弊
人工智能
2022-05-17 v1 密码学与安全
机器学习
摘要
与作弊者一起玩游戏毫无乐趣，在一个拥有数亿玩家、价值数十亿美元的视频游戏行业中，游戏开发者旨在通过防止作弊来提升其游戏的安全性和用户体验。传统的基于软件的防护方法和统计系统已成功抵御作弊，但近期在内容（如图像或语音）自动生成方面的进展威胁着视频游戏行业；它们可能被用来生成与合法人类玩家难以区分的虚假游戏行为。为了更好地理解这一威胁，我们首先回顾了多人视频游戏作弊的现状，然后构建了一个概念验证方法 GAN-Aimbot。通过从一款第一人称射击游戏中收集不同玩家的数据，我们表明该方法在提升玩家表现的同时，能够躲过自动和人工防护机制。通过分享这项工作，我们希望提高对此问题的认识，并鼓励进一步研究以保护游戏社区。
引用
@article{arxiv.2205.07060,
title = {GAN-Aimbots: Using Machine Learning for Cheating in First Person Shooters},
author = {Anssi Kanervisto and Tomi Kinnunen and Ville Hautamäki},
journal= {arXiv preprint arXiv:2205.07060},
year = {2022}
}
备注
Accepted to IEEE Transactions on Games. Source code available at https://github.com/miffyli/gan-aimbots