计算机科学>人工智能
标题: GAN-Aimbots:使用机器学习在第一人称射击运动员中作弊
摘要: 与作弊者一起玩游戏并不有趣,在一个拥有数亿玩家的数十亿美元视频游戏行业中,游戏开发商旨在通过防止作弊来提高游戏的安全性,进而改善用户体验。 传统的基于软件的方法和统计系统在防止作弊方面都取得了成功,但图像或语音等内容的自动生成方面的最新进展威胁着视频游戏行业; 它们可以用来生成与合法的人类玩家无法区分的人工游戏。 为了更好地理解这种威胁,我们首先回顾了多人视频游戏作弊的现状,然后着手构建概念验证方法GAN-Aimbot。 通过收集第一人称射击游戏中不同玩家的数据,我们表明该方法可以提高玩家的性能,同时不受自动和手动保护机制的影响。 通过分享这项工作,我们希望提高对这一问题的认识,并鼓励进一步研究保护游戏社区。