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

通过将网络干扰问题表示为混合整数线性规划（MILP）实例，然后应用具有充分表征能力的多部分 GNN 来学习这些公式，我们的方法在两个不同任务中表现出优于理论基准模型和传统精确解算器的性能优势。

May, 2024

研究了一个堆栈博弈，针对大型活动目录（AD）攻击图中的攻击者和防御者，其中防御者使用一组蜜罐阻止攻击者接近高价值目标。通过提出混合整数规划（MIP）公式来共同解决这个博弈问题。通过重新设计混合整数规划公式并使用聚类算法来高效找到最具代表性的图实例，以处理大量动态图实例。通过证明动态图的最优阻塞策略的下界，并展示在现实条件下，我们的算法在一系列 AD 图中产生接近最优的结果。

Dec, 2023

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

通过异步多智能体强化学习，我们研究了驾驶导航应用程序中的数据操纵攻击对交通网络和驾驶路线选择的影响。

Dec, 2023

使用强化学习的路由算法能够控制拥塞和优化路径长度，从而提高网络吞吐量，有效地应用于复杂网络中各种流量场景和拓扑结构，并在实验中显示出最大节点拥塞减少 5 倍、效率提高 30% 的结果。

Dec, 2023

通过深度学习方法，该研究论文在图结构中提出了一种数据驱动的、能够预测级联影响、并具有较高防御效果的防御策略，其在大规模图环境中表现出比其他深度学习方法更好的预测准确性。

Apr, 2024

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

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

本研究考虑了一类网络安全游戏，其中每个节点选择个人的安全投资水平，研究了行为决策理论对节点最优投资策略和纳什均衡下安全风险配置的影响，并对 Total Effort，Weakest Link 和 Best Shot 游戏的均衡投资进行了表征。

Oct, 2015