Few-shot Learning for Trajectory-based Mobile Game Cheating Detection

发布:2022-12-01 10:19:28
阅读:1127
作者:苏越阳、姚迪、储晓恺、李文斌、毕经平、赵世伟、吴润泽、张世泽、陶建容、邓浩
分享:复制链接

论文介绍

随着智能手机的兴起,手机游戏吸引了数十亿玩家。另一方面,手游作弊通过模拟玩家输入的程序获取不当优势,严重损害了游戏的公平性,损害了用户体验。因此,检测手游作弊对于游戏公司来说具有十分重要的意义。在过去的几十年中,已经提出了许多面向PC游戏的作弊检测方法,但是,由于移动设备的隐私、功率和内存限制等问题,它们不能直接用于移动游戏。更糟糕的是,在实践中,作弊程序会快速更新,导致新作弊模式的标签稀缺。

处理此类问题,我们在本文中介绍了一种移动游戏作弊检测框架,即FCDGame—用于检测少样本学习框架下的作弊行为。FCDGame只消耗屏幕传感器数据,记录用户的触摸轨迹,对于几乎是所有的手游来说都比较通用。此外,在 FCDGame 中设计了一个分层轨迹编码器和一个交叉模式元学习器来分别捕捉手机游戏的内在特征和解决标签稀缺问题。在两款真实在线游戏上进行的大量实验表明,FCDGame仅通过少量微调样本就实现了近10%的检测精度提升。

论文地址

https://dl.acm.org/doi/abs/10.1145/3534678.3539157

论文下载

http://yaodi.info:5002/papers/fs22.pdf

扫码进群
微信群
免费体验AI服务