論文の概要: Solving a Stackelberg Game on Transportation Networks in a Dynamic Crime Scenario: A Mixed Approach on Multi-Layer Networks

• arxiv url: http://arxiv.org/abs/2406.14514v2
• Date: Wed, 23 Oct 2024 07:05:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-24 13:53:00.540617
• Title: Solving a Stackelberg Game on Transportation Networks in a Dynamic Crime Scenario: A Mixed Approach on Multi-Layer Networks
• Title（参考訳）: 動的犯罪シナリオにおける交通ネットワーク上のスタックルバーグゲームを解く:マルチ層ネットワークへの混合アプローチ
• Authors: Sukanya Samanta, Kei Kimura, Makoto Yokoo,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 7.717719152704306
• License:
• Abstract: Interdicting a criminal with limited police resources is a challenging task as the criminal changes location over time. The size of the large transportation network further adds to the difficulty of this scenario. To tackle this issue, we consider the concept of a layered graph. At each time stamp, we create a copy of the entire transportation network to track the possible movements of both players, the attacker and the defenders. We consider a Stackelberg game in a dynamic crime scenario where the attacker changes location over time while the defenders attempt to interdict the attacker on his escape route. Given a set of defender strategies, the optimal attacker strategy is determined by applying Dijkstra's algorithm on the layered networks. Here, the attacker aims to minimize while the defenders aim to maximize the probability of interdiction. We develop an approximation algorithm on the layered networks to find near-optimal strategy for defenders. The efficacy of the developed approach is compared with the adopted MILP approach. We compare the results in terms of computational time and solution quality. The quality of the results demonstrates the need for the developed approach, as it effectively solves the complex problem within a short amount of time.
• Abstract（参考訳）: 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。 大型輸送ネットワークのサイズは、このシナリオの難しさをさらに増している。 この問題に対処するために、我々は階層グラフの概念を検討する。 各タイムスタンプにおいて,攻撃者および守備者の両方の動きを追跡するために,輸送ネットワーク全体のコピーを作成する。 我々は、攻撃者が逃走ルートで攻撃者を妨害しようとする間、攻撃者が時間とともに場所を変更する動的な犯罪シナリオとしてスタックルバーグゲームを考える。 ディフェンダー戦略のセットが与えられた場合、ディジクストラのアルゴリズムを階層ネットワークに適用することで最適な攻撃戦略が決定される。 ここでは、攻撃者は最小化を目標とし、守備側はインターディクションの確率を最大化する。 我々は,層状ネットワーク上に近似アルゴリズムを開発し,ディフェンダーの準最適戦略を求める。 提案手法の有効性をMILP法と比較した。 計算時間と解の質を比較検討する。 結果の質は、短時間で複雑な問題を効果的に解決するため、開発アプローチの必要性を示している。

関連論文リスト

• Patrol Security Game: Defending Against Adversary with Freedom in Attack Timing, Location, and Duration [4.765278970103286]
  パトロール・セキュリティ・ゲーム(Patrol Security Game、PSG)は、ロボットパトロール問題である。 我々の目標は、攻撃者の時間的地平線を最小化する合成スケジュールを考案することである。
  論文  参考訳（メタデータ） (2024-10-21T02:53:18Z)
• Graph Neural Networks for Decentralized Multi-Agent Perimeter Defense [111.9039128130633]
  我々は,防御者の地域認識とコミュニケーショングラフから行動へのマッピングを学習する模倣学習フレームワークを開発した。 学習ネットワークの性能を実証するために、異なるチームサイズと構成のシナリオで周辺防衛ゲームを実行します。
  論文  参考訳（メタデータ） (2023-01-23T19:35:59Z)
• Learning Decentralized Strategies for a Perimeter Defense Game with Graph Neural Networks [111.9039128130633]
  グラフニューラルネットワークに基づく学習フレームワークを設計し、ディフェンダーのローカル認識と通信グラフからディフェンダーの行動へのマッピングを学習する。 提案するネットワークは,専門家の方針に近づき,より多くの侵入者を捕捉することで,他のベースラインアルゴリズムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-09-24T22:48:51Z)
• Distributed Task Management in Fog Computing: A Socially Concave Bandit Game [7.708904950194129]
  Fogコンピューティングは、ネットワークエッジでのタスクオフロード機能を活用して、効率を改善し、アプリケーション要求に対する迅速な応答を可能にする。 分散タスク割り当て問題を,帯域幅フィードバックによるソーシャルコンケーブゲームとして定式化する。 我々は2つのオンライン意思決定戦略を策定する。
  論文  参考訳（メタデータ） (2022-03-28T08:26:14Z)
• Projective Ranking-based GNN Evasion Attacks [52.85890533994233]
  グラフニューラルネットワーク(GNN)は、グラフ関連のタスクに対して、有望な学習方法を提供する。 GNNは敵の攻撃の危険にさらされている。
  論文  参考訳（メタデータ） (2022-02-25T21:52:09Z)
• 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)
• Game Theory for Adversarial Attacks and Defenses [0.0]
  敵攻撃は、データセットのサンプルに小さなが故意に最悪の摂動を適用することで、敵の入力を生成することができる。 いくつかの敵防衛技術は、モデルの安全性と堅牢性を改善し、攻撃を避けるために開発されている。
  論文  参考訳（メタデータ） (2021-10-08T07:38:33Z)
• Learning Generative Deception Strategies in Combinatorial Masking Games [27.2744631811653]
  詐欺の1つの方法は、システムがどのように構成されているかに関する情報を隠蔽したり、マスキングしたりすることである。 本稿では,攻撃者側がマスクする属性のサブセットを選択するのに対して,攻撃者は攻撃を行うエクスプロイトを選択することで応答する,結果として生じるディフェンダー・アタックラー相互作用のゲーム理論モデルを提案する。 両プレイヤーの戦略をニューラルネットワークとして表現することにより,そのようなゲームを概ね解くための,新しい高度にスケーラブルなアプローチを提案する。
  論文  参考訳（メタデータ） (2021-09-23T20:42:44Z)
• Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
  少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。 近年の取り組みは、他の等級のl_infty摂動と組み合わせている。 本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-10T20:11:36Z)
• RayS: A Ray Searching Method for Hard-label Adversarial Attack [99.72117609513589]
  我々は、レイサーチ攻撃(RayS)を提案し、これはハードラベル攻撃の有効性と効率を大幅に改善する。 モデルの正当性チェックとしても使用できる。
  論文  参考訳（メタデータ） (2020-06-23T07:01:50Z)

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。