IJCAIApr, 2022

具有一般防守要求的安全博弈的混合策略

PDF
TL;DR该研究探讨了在防御范围不同时，混合策略在安全游戏中的应用，并提出了一种高效的补丁算法来计算使用少量纯策略的混合策略。研究发现，对于一般的防御要求设置，计算概率最优防御策略是 NP 难问题。
stackelberg security gamemixed strategiesdefending requirementsnp-hardpatching algorithm
发现论文，激发创造
  • 多防御者安全博弈

    研究了多个防御者在安全游戏中的战略互动，提供了三种不同情形下平衡和代价分析的结论，并开发了一种新的混合整数线性规划公式来计算防御者的最佳反应，以便近似计算游戏的 Nash 平衡点，并将其应用于多个网络模型，包括现实世界的电网，从而揭示了网络结构及故障传播概率是防御者过度或过于低估安全性的决定因素。

    May, 2015

  • 多防卫者安全博弈与日程安排

    研究了包含多个卫士和时间表的安全游戏，发现时间表的引入可能导致平衡不存在，但在特定条件下，能够在多个卫士的游戏中以多项式时间计算避免平衡不存在的问题。

    Nov, 2023

  • 安全博弈中对手行为的端到端游戏集中学习

    本文介绍了一种新的以博弈为重点的方法，以解决对于一个新的特征值和组合的目标普遍化防御的问题，结果表明在数据受限的情况下，这种方法可实现比传统方法更高的防御者预期效益。

    Mar, 2019

  • 安全博弈之谜：平衡计算成为组合算法设计

    该论文从理论的角度考虑了安全博弈，并提供了各种安全博弈模型的统一视角。研究发现，安全博弈的复杂性在本质上由集合系统 E 确定。

    Mar, 2016

  • 安全博弈中的 Stackelberg 与 Nash：互换性、等价性与唯一性的扩展研究

    本文研究了使用 Stackelberg 博弈模型在安全领域的应用。在 leader-follower 模型中，一个 leader 可能面临着关于 follower 的监视能力的不确定性问题。本研究提出了五个方案和扩展形式博弈模型，以解决这个问题并阐明 Nash 均衡的特点。

    Jan, 2014

  • 多保卫者斯塔克伯格安全博弈的鲁棒解决方案

    本文提出了一个针对多防御者斯塔克尔贝格安全博弈（MSSG）的鲁棒模型，该模型可以有效提高防御者的效益，并产生鲁棒的近似均衡和 α- 核构造，吸收不确定性和扰动的影响。

    Apr, 2022

  • 操纵学习防御者及其反制方法

    通过游戏理论框架、制定策略的规则以及算法方法，能够应对攻击者的不当操纵行为，优化防守方的增益

    May, 2019

  • 强化学习中的目标：解决 Stackelberg 安全博弈

    本篇综述关注强化学习在 Stackelberg 安全博弈中的建模，重点在于探讨强化学习算法中目标表示的可能改进和代理控制目标的能力评估，这种方法已经成功应用于类似非法走私、偷猎、森林砍伐、气候变化、机场安全等现实世界场景。

    Nov, 2022

  • 操纵艺术：安全博弈中多步操纵攻击的威胁

    本文研究了 Stackelberg 安全博弈中的多步操纵攻击问题，提出了一种新的多步操纵攻击博弈模型并通过提出的算法解决了该问题。

    Feb, 2022

  • 计算最优分布式鲁棒策略

    本文研究了基于分布鲁棒优化的 Stackelberg 游戏模型，特别是在不确定下属效用模型的情况下，寻找最优策略以保护某些资产。我们的研究表明，在广泛的不确定模型下，分布鲁棒 Stackelberg 均衡始终存在。当存在无限个下属效用函数且不确定性由支持有限名义分布周围的 Wasserstein 球表示时，我们提出了一种基于混合整数规划的增量算法来计算最优的分布鲁棒策略。实验结果显示，我们的方法可扩展到中等规模的 Stackelberg 游戏，从而验证了算法的可行性。

    Sep, 2022