論文の概要: Evolutionary Approach to Security Games with Signaling
- arxiv url: http://arxiv.org/abs/2204.14173v1
- Date: Fri, 29 Apr 2022 15:56:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-15 03:48:28.347775
- Title: Evolutionary Approach to Security Games with Signaling
- Title（参考訳）: 信号を用いたセキュリティゲームへの進化的アプローチ
- Authors: Adam \.Zychowski, Jacek Ma\'ndziuk, Elizabeth Bondi, Aravind
Venugopal, Milind Tambe, Balaraman Ravindran
- Abstract要約: グリーンセキュリティゲームは、野生生物のような天然資源の保護を含むシナリオをモデル化する一般的な方法となっている。
カメラを搭載したセンサーも、リアルタイム情報を提供することでこれらのシナリオでの役割を担っている。
本稿では,進化計算パラダイム(EASGS)を取り入れたセキュリティゲーム・ウィズ・シグナリング(SGS)の新たなアプローチを提案する。
EASGSは、染色体と特別に設計された演算子のセットで適切な解を符号化することで、巨大なSGSソリューション空間を効果的に探索する。
- 参考スコア（独自算出の注目度）: 40.79980131949599
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Green Security Games have become a popular way to model scenarios involving
the protection of natural resources, such as wildlife. Sensors (e.g. drones
equipped with cameras) have also begun to play a role in these scenarios by
providing real-time information. Incorporating both human and sensor defender
resources strategically is the subject of recent work on Security Games with
Signaling (SGS). However, current methods to solve SGS do not scale well in
terms of time or memory. We therefore propose a novel approach to SGS, which,
for the first time in this domain, employs an Evolutionary Computation
paradigm: EASGS. EASGS effectively searches the huge SGS solution space via
suitable solution encoding in a chromosome and a specially-designed set of
operators. The operators include three types of mutations, each focusing on a
particular aspect of the SGS solution, optimized crossover and a local coverage
improvement scheme (a memetic aspect of EASGS). We also introduce a new set of
benchmark games, based on dense or locally-dense graphs that reflect real-world
SGS settings. In the majority of 342 test game instances, EASGS outperforms
state-of-the-art methods, including a reinforcement learning method, in terms
of time scalability, nearly constant memory utilization, and quality of the
returned defender's strategies (expected payoffs).
- Abstract（参考訳）: グリーンセキュリティゲームは野生動物などの天然資源の保護に関わるシナリオをモデル化する一般的な方法となっている。
センサー(例えばカメラを装備したドローン)もリアルタイム情報を提供することでこれらのシナリオでの役割を担っている。
人間とセンサーの両方のディフェンダーリソースを戦略的に組み込むことは、最近のSecurity Games with Signaling(SGS)の課題である。
しかし、現在のSGSの解法は時間やメモリの面ではうまくスケールしない。
そこで本研究では,進化計算パラダイムであるEASGSを用いて,SGSに新たなアプローチを提案する。
EASGSは、染色体と特別に設計された演算子のセットで適切な解を符号化することで、巨大なSGSソリューション空間を効果的に探索する。
オペレータには3種類の突然変異があり、それぞれSGSソリューションの特定の側面、最適化されたクロスオーバー、局所カバレッジ改善スキーム(ESSGSのメメティックな側面)に焦点を当てている。
また、実世界のSGS設定を反映した濃密または局所的なグラフに基づく新しいベンチマークゲームも導入する。
342のテストゲームインスタンスの大多数では、ERSGSは、時間拡張性、ほぼ一定のメモリ使用量、返却されたディフェンダーの戦略(予測ペイオフ)の質の観点から、強化学習方法を含む最先端の手法よりも優れている。
関連論文リスト
- Poison-splat: Computation Cost Attack on 3D Gaussian Splatting [90.88713193520917]
3DGSで見過ごされてきた重大なセキュリティ脆弱性を明らかにします。
相手は入力画像に毒を加えることで、3DGSトレーニングに必要な計算メモリと時間を大幅に増加させることができる。
このような計算コスト攻撃は、二段階最適化問題に対処することで達成される。
論文 参考訳（メタデータ） (2024-10-10T17:57:29Z) - Dense Point Clouds Matter: Dust-GS for Scene Reconstruction from Sparse Viewpoints [9.069919085326]
3D Gaussian Splatting (3DGS) はシーン合成および新しいビュー合成タスクにおいて顕著な性能を示した。
本研究では,スパース視点条件下での3DGSの限界を克服する新しいフレームワークであるDust-GSを提案する。
論文 参考訳（メタデータ） (2024-09-13T07:59:15Z) - TranSplat: Generalizable 3D Gaussian Splatting from Sparse Multi-View Images with Transformers [14.708092244093665]
我々は,正確な局所特徴マッチングを導くために,予測深度信頼マップを利用する戦略を開発する。
本稿では,RealEstate10KベンチマークとACIDベンチマークの両方で最高の性能を示すTranSplatという新しいG-3DGS手法を提案する。
論文 参考訳（メタデータ） (2024-08-25T08:37:57Z) - Enhancing Transferability of Adversarial Attacks with GE-AdvGAN+: A Comprehensive Framework for Gradient Editing [12.131163373757383]
転送可能な敵攻撃は、ディープニューラルネットワークに重大な脅威をもたらす。
本稿では、GE-AdvGAN+という、勾配編集に基づく転送可能な攻撃のための新しいフレームワークを提案する。
我々のフレームワークは、ほとんどすべての主流攻撃手法を統合し、転送可能性を高めながら、計算資源の消費を大幅に削減する。
論文 参考訳（メタデータ） (2024-08-22T18:26:31Z) - SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。
SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
論文 参考訳（メタデータ） (2024-04-29T23:26:30Z) - GaussianPro: 3D Gaussian Splatting with Progressive Propagation [49.918797726059545]
3DGSはStructure-from-Motion (SfM)技術によって生成されるポイントクラウドに大きく依存している。
本稿では, 3次元ガウスの密度化を導くために, プログレッシブ・プログレッシブ・プログレッシブ・ストラテジーを適用した新しい手法を提案する。
提案手法はデータセット上の3DGSを大幅に上回り,PSNRでは1.15dBの改善が見られた。
論文 参考訳（メタデータ） (2024-02-22T16:00:20Z) - Generative AI for Secure Physical Layer Communications: A Survey [80.0638227807621]
Generative Artificial Intelligence(GAI)は、AIイノベーションの最前線に立ち、多様なコンテンツを生成するための急速な進歩と非並行的な能力を示す。
本稿では,通信ネットワークの物理層におけるセキュリティ向上におけるGAIの様々な応用について,広範な調査を行う。
私たちは、物理的レイヤセキュリティの課題に対処する上で、GAIの役割を掘り下げ、通信の機密性、認証、可用性、レジリエンス、整合性に重点を置いています。
論文 参考訳（メタデータ） (2024-02-21T06:22:41Z) - A Survey on 3D Gaussian Splatting [51.96747208581275]
3D Gaussian splatting (GS) は、明示的なラディアンス場とコンピュータグラフィックスの領域において、トランスフォーメーション技術として登場した。
本稿では,3D GSの領域における最近の発展と重要な貢献について,初めて体系的に概説する。
前例のないレンダリング速度を実現することで、3D GSは、仮想現実からインタラクティブメディアなど、数多くのアプリケーションを開くことができる。
論文 参考訳（メタデータ） (2024-01-08T13:42:59Z) - Spatio-Temporal Sparsification for General Robust Graph Convolution
Networks [16.579675313683627]
グラフニューラルネットワーク(GNN)は、様々なグラフ構造データへの応用の成功により、注目を集めている。
最近の研究では、敵対攻撃がGNNの機能を脅かしていることが示されている。
本稿では,GNN隠蔽ノード表現に時空間スペーサー化(ST-Sparse)を適用して,GNNに対する敵攻撃を防御することを提案する。
論文 参考訳（メタデータ） (2021-03-23T02:03:11Z)
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。