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

• Hierarchical Multi-agent Reinforcement Learning for Cyber Network Defense [7.967738380932909]
  本稿では,サイバー防御タスクをネットワーク調査やホストリカバリといった特定のサブタスクに分解する階層的PPOアーキテクチャを提案する。 我々のアプローチは、ドメインの専門知識が強化されたPPOを使用して、各サブタスクのサブ政治を訓練することである。 これらのサブ政治は、複雑なネットワーク防御タスクを解決するためにそれらの選択を調整するマスターディフェンスポリシーによって活用される。
  論文  参考訳（メタデータ） (2024-10-22T18:35:05Z)
• Richelieu: Self-Evolving LLM-Based Agents for AI Diplomacy [24.521882655442187]
  外交は、特に必要な交渉段階を考慮して、決定空間の停滞を伴う。 従来のAIエージェントは、マルチエージェントタスクにおいて、マルチステップゲームと大きなアクションスペースを扱う能力を示した。 我々は、包括的なマルチエージェントミッションを実行することができる人間のようなエージェントを作成するAIの可能性を探究することを目的としている。
  論文  参考訳（メタデータ） (2024-07-09T12:37:54Z)
• Solving a Stackelberg Game on Transportation Networks in a Dynamic Crime Scenario: A Mixed Approach on Multi-Layer Networks [7.717719152704306]
  警察のリソースが限られている犯罪者の割り込みは、時間とともに犯罪が場所を変えるため、難しい作業である。 我々は,攻撃者,守備者双方の動きを追跡する階層グラフの概念を考察する。 我々は,層状ネットワーク上に近似アルゴリズムを構築し,ディフェンダーの準最適戦略を求める。
  論文  参考訳（メタデータ） (2024-06-20T17:24:13Z)
• Toward Optimal LLM Alignments Using Two-Player Games [86.39338084862324]
  本稿では,対戦相手と防御エージェントの反復的相互作用を含む2エージェントゲームのレンズによるアライメントについて検討する。 この反復的強化学習最適化がエージェントによって誘導されるゲームに対するナッシュ平衡に収束することを理論的に実証する。 安全シナリオにおける実験結果から、このような競争環境下での学習は、完全に訓練するエージェントだけでなく、敵エージェントと防御エージェントの両方に対する一般化能力の向上したポリシーにつながることが示されている。
  論文  参考訳（メタデータ） (2024-06-16T15:24:50Z)
• Meta Invariance Defense Towards Generalizable Robustness to Unknown Adversarial Attacks [62.036798488144306]
  現在の防衛は主に既知の攻撃に焦点を当てているが、未知の攻撃に対する敵意の強固さは見過ごされている。 メタ不変防衛(Meta Invariance Defense, MID)と呼ばれる攻撃非依存の防御手法を提案する。 MIDは高レベルの画像分類と低レベルの頑健な画像再生における攻撃抑制において,知覚不能な逆方向の摂動に対して同時に頑健性を実現する。
  論文  参考訳（メタデータ） (2024-04-04T10:10:38Z)
• 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)
• 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)
• 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)

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。