論文の概要: Smart City Defense Game: Strategic Resource Management during
Socio-Cyber-Physical Attacks
- arxiv url: http://arxiv.org/abs/2201.11342v1
- Date: Thu, 27 Jan 2022 06:41:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-28 23:32:00.724141
- Title: Smart City Defense Game: Strategic Resource Management during
Socio-Cyber-Physical Attacks
- Title(参考訳): スマートシティディフェンスゲーム:ソシオサイバシー攻撃時の戦略的資源管理
- Authors: Dimitrios Sikeridis, Michael Devetsikiotis
- Abstract要約: 本稿では,対話をモデル化し,最適な都市資源配分を行うための,幅広い形態の完全情報ゲームを提案する。
スマートシティディフェンスゲーム(SCDG)は、当初は特定の予算を課す資格を持つ3人のプレイヤーを考慮に入れている。
SCDGは、同時テロ攻撃に直面したSC当事者間の重要なリソース割り当てをモデル化するための有望なソリューションであることが示されている。
- 参考スコア(独自算出の注目度): 3.4773470589069473
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ensuring public safety in a Smart City (SC) environment is a critical and
increasingly complicated task due to the involvement of multiple agencies and
the city's expansion across cyber and social layers. In this paper, we propose
an extensive form perfect information game to model interactions and optimal
city resource allocations when a Terrorist Organization (TO) performs attacks
on multiple targets across two conceptual SC levels, a physical, and a
cyber-social. The Smart City Defense Game (SCDG) considers three players that
initially are entitled to a specific finite budget. Two SC agencies that have
to defend their physical or social territories respectively, fight against a
common enemy, the TO. Each layer consists of multiple targets and the attack
outcome depends on whether the resources allocated there by the associated
agency, exceed or not the TO's. Each player's utility is equal to the number of
successfully defended targets. The two agencies are allowed to make budget
transfers provided that it is beneficial for both. We completely characterize
the Sub-game Perfect Nash Equilibrium (SPNE) of the SCDG that consists of
strategies for optimal resource exchanges between SC agencies and accounts for
the TO's budget allocation across the physical and social targets. Also, we
present numerical and comparative results demonstrating that when the SC
players act according to the SPNE, they maximize the number of successfully
defended targets. The SCDG is shown to be a promising solution for modeling
critical resource allocations between SC parties in the face of multi-layer
simultaneous terrorist attacks.
- Abstract(参考訳): スマートシティ(SC)環境における公衆の安全を確保することは、複数の機関が関与し、サイバー層と社会層にまたがる市の拡大が原因で、重要かつ複雑化する課題である。
本稿では,テロ組織(to)が2つの概念的scレベル,物理レベル,サイバー・ソーシャルレベルにまたがる複数のターゲットに対して攻撃を行う場合のインタラクションと最適な都市資源配分をモデル化する,広範なフォーム・パーフェクト・インフォメーションゲームを提案する。
スマートシティディフェンスゲーム(SCDG)は、当初は特定の予算を課す資格を持つ3人のプレイヤーを考慮に入れている。
物理的または社会的領域をそれぞれ防衛しなければならない2つのSC機関は、共通の敵であるTOと戦う。
各レイヤは複数のターゲットで構成されており、攻撃結果は関連するエージェンシーによって割り当てられたリソースがTOを超えているかどうかに依存する。
各プレイヤーの効用は、守備に成功した目標の数に等しい。
両機関は、双方にとって有益であるとして、予算移転を許可されている。
SCDGのサブゲームパーフェクト・ナッシュ均衡(SPNE)は,SCエージェンシー間の最適な資源交換戦略と,物理的・社会的目標をまたいだTOの予算配分を考慮に入れた戦略から成り立っている。
また, SC選手がSPNEに従って行動すると, 防御目標の数を最大化することを示す数値的, 比較的な結果を示す。
SCDGは、多層同時テロ攻撃に直面したSC関係者間の重要なリソース割り当てをモデル化するための有望なソリューションであることが示されている。
関連論文リスト
- Adversarial Attacks on Cooperative Multi-agent Bandits [41.79235070291252]
本研究は,CMA2Bに対する不均質および不均質な環境下での敵攻撃について検討する。
均質な設定では、各エージェントが特定のターゲットアームを$T-o(T)$倍選択し、$o(T)$攻撃コストを$T$ラウンドで発生させる攻撃戦略を提案する。
不均質な環境では、標的アーム攻撃が線形攻撃コストを必要とすることを証明し、少数の標的エージェントの観測のみを操作しながら、最大数のエージェントに線形後悔を強いる攻撃戦略を提案する。
論文 参考訳(メタデータ) (2023-11-03T04:03:19Z) - Optimal Cost Constrained Adversarial Attacks For Multiple Agent Systems [6.69087470775851]
分散攻撃エージェントを用いた最適な敵エージェント対エージェント攻撃を行うという問題を定式化する。
そこで本稿では,静的制約付き攻撃-リソース割り当て最適化と動的プログラミングの段階間最適化を組み合わせた最適手法を提案する。
以上の結果から,攻撃エージェントが受ける報酬を大幅に削減できる可能性が示唆された。
論文 参考訳(メタデータ) (2023-11-01T21:28:02Z) - Cooperation or Competition: Avoiding Player Domination for Multi-Target
Robustness via Adaptive Budgets [76.20705291443208]
我々は、敵攻撃を、異なるプレイヤーがパラメータ更新の合同方向で合意に達するために交渉する交渉ゲームであると見なしている。
我々は、プレイヤーの優位性を避けるために、異なる敵の予算を調整する新しいフレームワークを設計する。
標準ベンチマークの実験では、提案したフレームワークを既存のアプローチに適用することで、マルチターゲットロバスト性が大幅に向上することが示された。
論文 参考訳(メタデータ) (2023-06-27T14:02:10Z) - Alternating Objectives Generates Stronger PGD-Based Adversarial Attacks [78.2700757742992]
Projected Gradient Descent (PGD) は、そのような敵を生成するための最も効果的で概念的にシンプルなアルゴリズムの1つである。
この主張を合成データの例で実験的に検証し、提案手法を25の$ell_infty$-robustモデルと3つのデータセットで評価した。
私たちの最強の敵攻撃は、AutoAttackアンサンブルのすべてのホワイトボックスコンポーネントより優れています。
論文 参考訳(メタデータ) (2022-12-15T17:44:31Z) - Strategic Facility Location with Clients that Minimize Total Waiting
Time [74.49811067467118]
本研究では,非協調型施設位置ゲームにおいて,施設やクライアントが戦略的に行動する場所ゲームについて検討する。
サブゲーム完全平衡は、このゲームの全ての事例に存在せず、その存在はNPハードで決定できることを証明している。
論文 参考訳(メタデータ) (2022-11-25T10:43:57Z) - Provably Efficient Fictitious Play Policy Optimization for Zero-Sum
Markov Games with Structured Transitions [145.54544979467872]
本研究では,ゼロサムマルコフゲームに対して,構造的だが未知の遷移を伴う架空のプレイポリシー最適化アルゴリズムを提案し,解析する。
我々は、2年制の競争ゲームシナリオで、$K$のエピソードに続き、$widetildemathcalO(sqrtK)$ regret boundsを証明した。
提案アルゴリズムは,アッパー信頼境界(UCB)型最適化と,同時政策最適化の範囲内での架空のプレイの組み合わせを特徴とする。
論文 参考訳(メタデータ) (2022-07-25T18:29:16Z) - Mixed Strategies for Security Games with General Defending Requirements [37.02840909260615]
Stackelbergのセキュリティゲームはディフェンダーとアタッカーの間で行われ、ディフェンダーは複数のターゲットに限られたリソースを割り当てる必要がある。
そこで本研究では,ごく少数の戦略のみを用いる混合戦略を計算し,効率的な近似パチングアルゴリズムを提案する。
論文 参考訳(メタデータ) (2022-04-26T08:56:39Z) - Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the
Age of AI-NIDS [70.60975663021952]
ネットワーク分類器に対するブラックボックス攻撃について検討する。
我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。
攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
論文 参考訳(メタデータ) (2021-11-23T23:42:16Z) - Multi-Agent Collaboration via Reward Attribution Decomposition [75.36911959491228]
本稿では,StarCraftのマルチエージェントチャレンジにおいて,最先端のパフォーマンスを実現するコラボレーション型Q-ラーニング(CollaQ)を提案する。
CollaQは様々なStarCraft属性マップで評価され、既存の最先端技術よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-10-16T17:42:11Z) - Multi-agent Reinforcement Learning in Bayesian Stackelberg Markov Games
for Adaptive Moving Target Defense [22.760124873882184]
我々は,有理逆問題に関する情報が不十分な場合,既存のモデルは逐次的設定では不十分であると主張している。
我々はBayesian Stackelberg Markov Games (BSMGs)と呼ばれる統一ゲーム理論モデルを提案する。
我々は,学習アプローチがBSMGのSSEに収束していることを示し,学習運動政策がWebアプリケーションセキュリティのためのMTDの最先端技術を改善することを強調した。
論文 参考訳(メタデータ) (2020-07-20T20:34:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。