论文介绍
对游戏中异常轨迹的检测是游戏反外挂的一个重要手段，本文充分研究了轨迹数据的特性，设计了一种基于多层GNN的神经网络，用于游戏的轨迹数据的反外挂。
游戏机器人是帮助检测在大型多人在线角色扮演游戏 (MMORPG) 中开挂玩家的自动化程序，开挂会导致游戏生态系统的失衡和玩家对游戏失去兴趣。游戏机器人检测旨在识别作弊行为，以确保MMORPG的公平竞争。由于具有较高的实用价值，目前对游戏机器人检测的研究较多。一种主要的现有方法是传统的机器学习算法，它需要大量的特征工程并且性能有限。现有的另一种主要方法是循环神经网络，但它未能捕捉到玩家的复杂行为模式。为了解决上述问题，我们提出了一种新的图神经网络增强游戏机器人检测模型，即 GB-GNN。在提议的模型中，我们将玩家的轨迹建模为图形结构数据，以捕捉玩家复杂的行为模式，而传统的顺序方法难以揭示这些模式。经过对三个真实数据集的实验表明GB-GNN优于以前的方法。
论文地址
https://www.researchgate.net/publication/360507549_A_GNN-Enhanced_Game_Bot_Detection_Model_for_MMORPGs
