고위험 디지털 환경에서의 지속적인 인증(Continuous authentication)은 현실적인 인지적 및 운동적 요구 사항 하에 세밀한 행동 신호를 가진 데이터셋을 필요로 합니다. 그러나 현재의 벤치마크는 종종 작은 규모, 단일 모달리티 감지 또는 동기화된 환경적 맥락의 부족으로 제한됩니다. 이러한 격차를 해소하기 위해 본 논문은 경쟁적인 Valorant 게임플레이에서 다양한 기술 수준을 포착하는 대규모 멀티모달 데이터셋인 BEACON (Behavioral Engine for Authentication & Continuous Monitoring)을 소개합니다. BEACON은 28명의 개별 플레이어의 79개 세션에 걸쳐 수집된 약 430 GB의 동기화 모달리티 데이터를 포함하며(보조 Valorant 구성 캡처를 포함하여 디스크 상 총 461 GB), 고주파 마우스 역학, 키 입력 이벤트, 네트워크 패킷 캡처, 화면 녹화, 하드웨어 메타데이터 및 인게임 구성 맥락을 포함하여 추정상 102.51시간의 활성 게임플레이를 담고 있습니다. BEACON은 전술 슈터(tactical shooters)에 내재된 높은 정밀도의 운동 기술과 높은 인지 부하를 활용함으로써, 행동 생체 인식(behavioral biometrics)의 견고성에 대한 엄격한 스트레스 테스트가 됩니다. 이 데이터셋은 고충실도 e스포츠 환경에서 지속적인 인증, 행동 프로파일링, 사용자 드리프트(user drift), 그리고 멀티모달 표현 학습을 연구할 수 있게 합니다. 저자들은 차세대 행동 지문 인식 및 보안 모델을 평가하기 위한 재현 가능한 벤치마크를 구축하기 위해 데이터셋과 코드를 Hugging Face와 GitHub에 공개합니다.