본 논문은 온라인 게임, 특히 FPS 게임에서 치팅 문제가 심각하며 기존 안티치트 솔루션의 한계를 지적한다. 이에 대한 해결책으로, CS:GO 게임을 위한 서버 기반의 안티치트 프레임워크인 HAWK를 제안한다. HAWK는 머신러닝 기술을 활용하여 전문가의 식별 과정을 모방하고, 새로운 멀티 뷰 특징을 활용하며, 잘 정의된 워크플로우를 갖추고 있다. 또한, 다양한 치팅 유형과 정교함을 포함하는 대규모의 실제 데이터 세트를 사용하여 HAWK의 성능을 평가한다. HAWK는 유망한 효율성과 수용 가능한 오버헤드, 기존 안티치트 대비 짧은 밴 시간, 수작업 감소, 공식 검사를 피한 치터 포착 능력을 보여준다.
