多防卫者安全博弈与日程安排
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
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
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。
Apr, 2022
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
本文研究使用强化学习实现自动入侵防御。通过将攻击者和防守者之间的交互形式化为最优停止博弈并使用强化学习和自我对弈来让攻击和防御策略进化,我们找到有效应对动态攻击者的防御者策略,并通过引入T-FP(一种虚构的自我对弈算法)来学习纳什均衡。我们发现我们的整体方法可以为实际IT基础架构产生有效的防御策略。
May, 2022
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
本文提出了一种有效的元启发式方法来保护网络中节点免受同时攻击的影响,重点研究了$k$-强罗马统治问题,这是在图形上已知的罗马统治问题的一种推广。我们的方法通过引入准可行性的概念,并在可能的攻击集合中进行谨慎的抽样来检验解决方案的可行性,从而验证了其可扩展性和稳健性。
Mar, 2024
应用层次图和斯塔克伯格博弈探讨警方资源有限时打击犯罪分子的有效策略,结果表明该方法在短时间内能够高效解决复杂问题。
Jun, 2024