Paper page - BEACON: 一个用于从游戏数据学习行为特征指纹的多模态数据集

来源：https://huggingface.co/papers/2605.10867

摘要

BEACON 是一个大规模多模态数据集，用于捕获竞技游戏过程中的多样化行为信号，以推动持续认证和行为生物特征研究。

在高风险数字环境中，持续认证（https://huggingface.co/papers?q=Continuous%20authentication）需要包含细粒度行为信号且满足真实认知与运动负荷的数据集。然而，现有基准往往受限于规模小、单模态感知或缺乏同步的环境上下文。为填补这一空白，本文介绍了 BEACON（行为引擎用于认证与持续监控），这是一个大规模多模态数据集（https://huggingface.co/papers?q=multimodal%20dataset），捕获了《Valorant》竞技游戏中不同技能等级的行为。BEACON 包含约 430 GB 的同步模态数据（磁盘总大小 461 GB，含辅助 Valorant 配置捕获），来自 28 位不同玩家的 79 个会话，估计活跃游戏时长 102.51 小时，涵盖高频鼠标动态、按键事件、网络数据包捕获、屏幕录制、硬件元数据以及游戏内配置上下文。BEACON 利用战术射击游戏固有的高精度运动技能和高度认知负荷，为行为生物特征（https://huggingface.co/papers?q=behavioral%20biometrics）的鲁棒性提供了严格的压力测试。该数据集支持在逼真的电子竞技（https://huggingface.co/papers?q=esports）环境中研究持续认证（https://huggingface.co/papers?q=continuous%20authentication）、行为画像（https://huggingface.co/papers?q=behavioral%20profiling）、用户漂移（https://huggingface.co/papers?q=user%20drift）和多模态表示学习（https://huggingface.co/papers?q=multimodal%20representation%20learning）。作者在 Hugging Face 和 GitHub 上发布了数据集和代码，以创建一个可复现的基准，用于评估下一代行为指纹（https://huggingface.co/papers?q=behavioral%20fingerprinting）和安全模型（https://huggingface.co/papers?q=security%20models）。

查看 arXiv 页面（https://arxiv.org/abs/2605.10867）查看 PDF（https://arxiv.org/pdf/2605.10867）项目页面（https://huggingface.co/datasets/beacon-gui/BEACON-Dataset）添加到收藏（https://huggingface.co/login?next=%2Fpapers%2F2605.10867）

在你的 agent 中获取此论文：

hf papers read 2605\.10867

没有最新的 CLI？curl \-LsSf https://hf\.co/cli/install\.sh \| bash

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2605.10867 以从此页面链接。

引用此论文的数据集1

beacon-gui/BEACON-Dataset 预览•更新于1天前 • 55 • 3（https://huggingface.co/datasets/beacon-gui/BEACON-Dataset）

引用此论文的 Space0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2605.10867 以从此页面链接。

包含此论文的收藏0

没有收藏包含此论文

将此论文添加到收藏（https://huggingface.co/new-collection）以从此页面链接。