3D
Human Computer Interaction
競技遊戲中基於視覺的強健作弊偵測
Author
Venue
《ACM 電腦圖形與互動技術會議論文集》2021
Abstract
遊戲發行商與反作弊公司長期以來始終無法有效遏止線上遊戲中的作弊行為。我們提出一種基於視覺的創新方法，透過擷取幀緩衝區的最終狀態來偵測非法疊加層。為此，我們利用兩款第一人稱射擊遊戲及三款作弊軟體所收集的新資料集，對深度神經網路（DNN）偵測器進行訓練與評估。我們研究了在局部或全局尺度運作的不同 DNN 架構所具備的優缺點。 我們運用輸出信心分析來避免不可靠的偵測結果，並判斷何時需要重新訓練網路。在剝離實驗中，我們展示了如何利用區間邊界傳播（Interval Bound Propagation）建構出能抵禦潛在敵對攻擊的偵測器，並研究其與信心分析的交互作用。研究結果顯示，透過機器學習實現堅固且有效的反作弊機制在實務上可行，並能用於保障線上遊戲的公平性。
