स्पर्धात्मक गेमिंगमध्ये दृढ दृष्टी-आधारित फसवणूक शोध
Author
Venue
ACM कम्प्युटर ग्राफिक्स आणि इंटरॅक्टिव्ह तंत्रे यातील कार्यवाही २०२१
Abstract
ऑनलाइन गेमिंगमध्ये फसवणूक रोखण्यात गेम प्रकाशक आणि अँटी-चीट कंपन्या अपयशी ठरल्या आहेत. आम्ही एक नवीन दृष्टी-आधारित पद्धत सुचवतो जी फ्रेम बफरच्या अंतिम स्थितीला कॅप्चर करते आणि बेकायदेशीर ओव्हरले शोधते. या उद्देशासाठी, आम्ही दोन फर्स्ट-पर्सन शूटर गेम्स आणि तीन चीटिंग सॉफ्टवेअर वापरून गोळा केलेल्या नवीन डेटासेटवर डीएनएन डिटेक्टरचे प्रशिक्षण आणि मूल्यांकन करतो. आम्ही स्थानिक किंवा जागतिक पातळीवर कार्य करणाऱ्या विविध डीएनएन आर्किटेक्चर्सचे फायदे आणि तोटे अभ्यासतो. अविश्वसनीय शोध टाळण्यासाठी आणि नेटवर्क पुनःप्रशिक्षण कधी आवश्यक आहे हे सूचित करण्यासाठी आम्ही आउटपुट आत्मविश्वास विश्लेषणाचा वापर करतो. एका अब्लेशन अभ्यासात, संभाव्य प्रतिद्वंद्वी हल्ल्यांनाही प्रतिकार करू शकणारा डिटेक्टर तयार करण्यासाठी इंटरव्हल बाउंड प्रॉपगेशन कसे वापरावे हे आम्ही दाखवतो आणि आत्मविश्वास विश्लेषणाशी त्याची परस्परसंवाद अभ्यासतो. आमच्या निकालांनुसार, मशीन लर्निंगद्वारे मजबूत आणि प्रभावी अँटी-चीटिंग प्रत्यक्षात व्यवहार्य आहे आणि ऑनलाइन गेमिंगमध्ये निष्पक्ष खेळ सुनिश्चित करण्यासाठी वापरता येऊ शकते.
