Identify As A Human Does：面向第一人称射击游戏的下一代防作弊框架 Pathfinder
密码学与安全
2025-11-18 v2 人工智能
人机交互
机器学习
摘要
游戏行业经历了显著增长，但作弊行为对在线游戏的公平性构成了重大威胁。尤其是在第一人称射击（FPS）游戏中，作弊可导致游戏行业遭受巨额损失。现有防作弊解决方案存在局限性，如客户端硬件限制、安全风险、服务器端不可靠的方法，以及双方缺乏全面真实世界数据集。为此，本文提出了 HAWK，一种针对流行游戏 CS:GO 的服务器端 FPS 防作弊框架。HAWK 利用机器学习技术模拟人类专家的识别过程，采用新颖的多视图特征，并配备明确的工作流程。作者使用包含多种作弊类型和作弊复杂性的第一个大型真实数据集对 HAWK 进行评估，结果显示其具有前景的效率和可接受的开销，禁令时间较短于现有防作弊系统，显著减少了人工工作量，并能捕捉到被官方检查忽略的作弊者。
引用
@article{arxiv.2409.14830,
title = {Identify As A Human Does: A Pathfinder of Next-Generation Anti-Cheat Framework for First-Person Shooter Games},
author = {Jiayi Zhang and Chenxin Sun and Yue Gu and Qingyu Zhang and Jiayi Lin and Xiaojiang Du and Chenxiong Qian},
journal= {arXiv preprint arXiv:2409.14830},
year = {2025}
}