BEACON: Um Conjunto de Dados Multimodal para Aprendizagem de Impressões Digitais Comportamentais a partir de Dados de Gameplay

Resumo

A autenticação contínua em ambientes digitais de alto risco requer conjuntos de dados com sinais comportamentais de alta granularidade sob demandas cognitivas e motoras realistas. No entanto, os benchmarks atuais são frequentemente limitados por escalas reduzidas, sensoriamento unimodal ou falta de contexto ambiental sincronizado. Para preencher essa lacuna, este artigo apresenta o BEACON (*Behavioral Engine for Authentication & Continuous Monitoring*), um conjunto de dados multimodal em larga escala que captura diversos níveis de habilidade em partidas competitivas de Valorant. O BEACON contém aproximadamente 430 GB de dados modais sincronizados (461 GB totais em disco, incluindo capturas auxiliares de configuração do Valorant) provenientes de 79 sessões com 28 jogadores distintos, estimados em 102,51 horas de jogo ativo, incluindo dinâmica de mouse em alta frequência, eventos de teclado, capturas de pacotes de rede, gravações de tela, metadados de hardware e contexto de configuração do jogo. O BEACON aproveita as habilidades motoras de alta precisão e a alta carga cognitiva inerentes aos jogos de tiro tático, tornando-se um teste de estresse rigoroso para a robustez da biometria comportamental. O conjunto de dados permite o estudo de autenticação contínua, perfilamento comportamental, deriva do usuário e aprendizado de representação multimodal em um ambiente de esportes eletrônicos de alta fidelidade. Os autores disponibilizam o conjunto de dados e o código no Hugging Face e no GitHub para criar um benchmark reproduzível para a avaliação de modelos de impressão digital comportamental e segurança de próxima geração.

English

Continuous authentication in high-stakes digital environments requires datasets with fine-grained behavioral signals under realistic cognitive and motor demands. But current benchmarks are often limited by small scale, unimodal sensing or lack of synchronised environmental context. To address this gap, this paper introduces BEACON ( Behavioral Engine for Authentication \& Continuous Monitoring), a large-scale multimodal dataset that captures diverse skill tiers in competitive Valorant gameplay. BEACON contains approximately 430 GB of synchronised modality data (461 GB total on-disk including auxiliary Valorant configuration captures) from 79 sessions across 28 distinct players, estimated at 102.51 hours of active gameplay, including high-frequency mouse dynamics, keystroke events, network packet captures, screen recordings, hardware metadata, and in-game configuration context. BEACON leverages the high precision motor skills and high cognitive load that are inherent to tactical shooters, making it a rigorous stress test for the robustness of behavioral biometrics. The dataset allows for the study of continuous authentication, behavioral profiling, user drift and multimodal representation learning in a high-fidelity esports setting. The authors release the dataset and code on Hugging Face and GitHub to create a reproducible benchmark for evaluating next-generation behavioral fingerprinting and security models