論文の概要: A Quantal Response Analysis of Defender-Attacker Sequential Security Games

• arxiv url: http://arxiv.org/abs/2408.00964v1
• Date: Fri, 2 Aug 2024 00:40:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 14:46:34.103419
• Title: A Quantal Response Analysis of Defender-Attacker Sequential Security Games
• Title（参考訳）: ディフェンダー・アタッカーシークエンシャルセキュリティゲームにおける量子応答解析
• Authors: Md Reya Shad Azim, Mustafa Abdallah,
• Abstract要約: 2つのサイトと、ディフェンダーとアタッカーの間のシーケンシャルゲームを含むシナリオを探索する。 攻撃の目的は、防御者のセキュリティ投資を考慮して、防御者の期待する損失を最大化するサイトをターゲットにすることである。 我々は、人間が効率的な(純粋な)戦略を選択する際にエラーを犯す量子的行動バイアスを考察する。
• 参考スコア（独自算出の注目度）: 1.3022753212679383
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We explore a scenario involving two sites and a sequential game between a defender and an attacker, where the defender is responsible for securing the sites while the attacker aims to attack them. Each site holds a loss value for the defender when compromised, along with a probability of successful attack. The defender can reduce these probabilities through security investments at each site. The attacker's objective is to target the site that maximizes the expected loss for the defender, taking into account the defender's security investments. While previous studies have examined security investments in such scenarios, our work investigates the impact of bounded rationality exhibited by the defender, as identified in behavioral economics. Specifically, we consider quantal behavioral bias, where humans make errors in selecting efficient (pure) strategies. We demonstrate the existence of a quantal response equilibrium in our sequential game and analyze how this bias affects the defender's choice of optimal security investments. Additionally, we quantify the inefficiency of equilibrium investments under quantal decision-making compared to an optimal solution devoid of behavioral biases. We provide numerical simulations to validate our main findings.
• Abstract（参考訳）: 攻撃者が攻撃を企てている間、攻撃者がサイトを保護する責任を負う2つのサイトと、攻撃者と攻撃者の間のシーケンシャルなゲームに関するシナリオを探索する。 各サイトは、攻撃が成功する確率とともに、妥協されたときにディフェンダーの損失値を保持する。 ディフェンダーは、各サイトのセキュリティ投資を通じて、これらの可能性を減らすことができる。 攻撃の目的は、防御者のセキュリティ投資を考慮して、防御者の期待する損失を最大化するサイトをターゲットにすることである。 従来,このようなシナリオにおけるセキュリティ投資について検討してきたが,本稿では,行動経済学において確認されたように,被告が提示する有界合理性の影響について検討した。 具体的には、人間が効率的な(純粋な)戦略を選択する際にエラーを犯す量子的行動バイアスについて考察する。 逐次ゲームにおける量子応答平衡の存在を実証し、このバイアスが最適なセキュリティ投資の選択にどのように影響するかを分析する。 さらに, 行動バイアスのない最適解に比べて, 量的意思決定下での均衡投資の非効率性を定量化する。 本研究の主な成果を数値シミュレーションで検証する。

関連論文リスト

• The Price of Pessimism for Automated Defense [0.06599842398809413]
  我々は,最も可能性の高い症例よりも最悪の症例に備えることが,学習エージェントに最適な結果をもたらすことを実証した。 ゲームの状態とディフェンダーの隠蔽情報に関する異なる攻撃的知識のモデルを考えると、最悪の場合に対して最適化するために、ディフェンダーにコストがかかることが分かる。
  論文  参考訳（メタデータ） (2024-09-28T04:54:23Z)
• Criticality and Safety Margins for Reinforcement Learning [53.10194953873209]
  我々は,定量化基盤真理とユーザにとっての明確な意義の両面から,批判的枠組みを定めようとしている。 エージェントがn連続的ランダム動作に対するポリシーから逸脱した場合の報酬の減少として真臨界を導入する。 我々はまた、真の臨界と統計的に単調な関係を持つ低オーバーヘッド計量であるプロキシ臨界の概念も導入する。
  論文  参考訳（メタデータ） (2024-09-26T21:00:45Z)
• Confidence-driven Sampling for Backdoor Attacks [49.72680157684523]
  バックドア攻撃は、悪質なトリガをDNNモデルに過剰に挿入することを目的としており、テストシナリオ中に不正な制御を許可している。 既存の方法では防衛戦略に対する堅牢性が欠如しており、主に無作為な試薬を無作為に選別しながら、引き金の盗難を強化することに重点を置いている。 信頼性スコアの低いサンプルを選別し、これらの攻撃を識別・対処する上で、守備側の課題を著しく増大させる。
  論文  参考訳（メタデータ） (2023-10-08T18:57:36Z)
• 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)
• Randomness in ML Defenses Helps Persistent Attackers and Hinders Evaluators [49.52538232104449]
  堅牢なMLディフェンスを設計することがますます重要になっている。 近年の研究では、当初最先端の攻撃に抵抗する多くの防衛は、適応的な敵によって破壊される可能性があることが判明している。 我々は、防御設計をシンプルにし、ホワイトボックスの防御は可能な限りランダム性を損なうべきだと論じる。
  論文  参考訳（メタデータ） (2023-02-27T01:33:31Z)
• Adversarial Machine Learning and Defense Game for NextG Signal Classification with Deep Learning [1.1726528038065764]
  NextGシステムは、ユーザ機器の識別、物理層認証、既存ユーザの検出など、さまざまなタスクにディープニューラルネットワーク(DNN)を使用することができる。 本稿では,深層学習に基づくNextG信号分類のための攻撃と防御の相互作用を研究するゲーム理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T15:13:03Z)
• Simulation of Attacker Defender Interaction in a Noisy Security Game [1.967117164081002]
  ノイズの多い環境で攻撃者とディフェンダー間の相互作用をシミュレートするセキュリティゲームフレームワークを導入する。 我々は,攻撃者に対して適切な仮定を行うことの重要性を示す。 攻撃的な結果に関して、偽陽性と真陽性の間には測定可能なトレードオフがある。
  論文  参考訳（メタデータ） (2022-12-08T14:18:44Z)
• On Almost-Sure Intention Deception Planning that Exploits Imperfect Observers [24.11353445650682]
  意図的な騙しは、エージェントの意図や目的に対する間違った信念に敵を欺く戦略を計算することを含む。 本稿では,意図的騙しを伴う確率的計画問題の類型を考察し,防御者の限定的な感覚的モダリティをどのように活用するかを考察する。
  論文  参考訳（メタデータ） (2022-09-01T16:38:03Z)
• Increasing Confidence in Adversarial Robustness Evaluations [53.2174171468716]
  本稿では,弱い攻撃を識別し,防御評価を弱めるテストを提案する。 本テストでは,各サンプルに対する逆例の存在を保証するため,ニューラルネットワークをわずかに修正した。 これまでに公表された13の防衛のうち、11の防衛について、元の防衛評価は我々のテストに失敗し、これらの防衛を破る強力な攻撃はそれを通過する。
  論文  参考訳（メタデータ） (2022-06-28T13:28:13Z)
• A Game-Theoretic Approach for AI-based Botnet Attack Defence [5.020067709306813]
  新しい世代のボットネットは、AI(Artificial Intelligent)技術を利用して、ボットマスターのアイデンティティと、検出を避けるための攻撃意図を隠蔽する。 この種のAIベースのボットネット攻撃に対する既存の防衛戦略の有効性を評価することのできる、既存のアセスメントツールが存在しない。 我々は,Nash Equilibrium (NE) に到達するためにボットネット攻撃者やディフェンダーが使用できる潜在的戦略の詳細を分析することができる逐次ゲーム理論モデルを提案する。
  論文  参考訳（メタデータ） (2021-12-04T02:53:40Z)
• Reliable evaluation of adversarial robustness with an ensemble of diverse parameter-free attacks [65.20660287833537]
  本稿では,最適段差の大きさと目的関数の問題による障害を克服するPGD攻撃の2つの拡張を提案する。 そして、我々の新しい攻撃と2つの補完的な既存の攻撃を組み合わせることで、パラメータフリーで、計算に手頃な価格で、ユーザに依存しない攻撃のアンサンブルを形成し、敵の堅牢性をテストする。
  論文  参考訳（メタデータ） (2020-03-03T18:15:55Z)

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。