論文の概要: Synthesis of Dynamic Masks for Information-Theoretic Opacity in Stochastic Systems

• arxiv url: http://arxiv.org/abs/2502.10552v1
• Date: Fri, 14 Feb 2025 20:53:22 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:08:56.260778
• Title: Synthesis of Dynamic Masks for Information-Theoretic Opacity in Stochastic Systems
• Title（参考訳）: 確率系における情報理論オパシティのための動的マスクの合成
• Authors: Sumukha Udupa, Chongyang Shi, Jie Fu,
• Abstract要約: 本研究では,システムから外部オブザーバへの情報漏洩を最小限に抑えるため,「マスク」と呼ばれる動的情報伝達機構の合成について検討する。 システムにとって、オブザーバは、システム軌道の最終状態が秘密状態の集合に属するかどうかを推測することを目的としている。 ダイナミックマスクは、最終状態の不透明性(最終状態の不透明性と呼ばれる性質)に関する観測者の不確実性を最大化するために、センサ情報を規制しようとする。
• 参考スコア（独自算出の注目度）: 28.39928871948642
• License:
• Abstract: In this work, we investigate the synthesis of dynamic information releasing mechanisms, referred to as ''masks'', to minimize information leakage from a stochastic system to an external observer. Specifically, for a stochastic system, an observer aims to infer whether the final state of the system trajectory belongs to a set of secret states. The dynamic mask seeks to regulate sensor information in order to maximize the observer's uncertainty about the final state, a property known as final-state opacity. While existing supervisory control literature on dynamic masks primarily addresses qualitative opacity, we propose quantifying opacity in stochastic systems by conditional entropy, which is a measure of information leakage in information security. We then formulate a constrained optimization problem to synthesize a dynamic mask that maximizes final-state opacity under a total cost constraint on masking. To solve this constrained optimal dynamic mask synthesis problem, we develop a novel primal-dual policy gradient method. Additionally, we present a technique for computing the gradient of conditional entropy with respect to the masking policy parameters, leveraging observable operators in hidden Markov models. To demonstrate the effectiveness of our approach, we apply our method to an illustrative example and a stochastic grid world scenario, showing how our algorithm optimally enforces final-state opacity under cost constraints.
• Abstract（参考訳）: 本研究では,統計的システムから外部オブザーバへの情報漏洩を最小限に抑えるため,「マスク」と呼ばれる動的情報伝達機構の合成について検討する。 具体的には、確率的システムにおいて、オブザーバは、システム軌道の最終状態が秘密状態の集合に属するかどうかを推測することを目的としている。 ダイナミックマスクは、最終状態の不透明性(最終状態の不透明性と呼ばれる性質)に関する観測者の不確実性を最大化するために、センサ情報を規制しようとする。 本稿では,情報セキュリティにおける情報漏洩の指標である条件エントロピーによる確率系の不透明度定量化を提案する。 次に、制約付き最適化問題を定式化し、マスクの総コスト制約の下で最終状態不透明度を最大化する動的マスクを合成する。 この制約付き最適動的マスク合成問題を解くため、我々は新しい原始双対ポリシー勾配法を開発した。 さらに,隠れマルコフモデルにおける観測可能な演算子を活用することにより,マスキングポリシパラメータに対する条件エントロピーの勾配を計算する手法を提案する。 提案手法の有効性を実証するために,提案手法を実例と確率的グリッドワールドシナリオに適用し,提案アルゴリズムがコスト制約下で最終状態の不透明度を最適に適用することを示す。

関連論文リスト

• D$^3$epth: Self-Supervised Depth Estimation with Dynamic Mask in Dynamic Scenes [23.731667977542454]
  D$3$epthは動的シーンにおける自己教師付き深度推定の新しい手法である。 これは2つの重要な視点から、動的オブジェクトの課題に取り組む。 既存の自己教師付き単分子深度推定ベースラインよりも一貫して優れています。
  論文  参考訳（メタデータ） (2024-11-07T16:07:00Z)
• UGMAE: A Unified Framework for Graph Masked Autoencoders [67.75493040186859]
  グラフマスク付きオートエンコーダのための統一フレームワークであるUGMAEを提案する。 まず,ノードの特異性を考慮した適応型特徴マスク生成器を開発した。 次に,階層型構造再構成と特徴再構成を併用し,総合的なグラフ情報を取得する。
  論文  参考訳（メタデータ） (2024-02-12T19:39:26Z)
• RARE: Robust Masked Graph Autoencoder [45.485891794905946]
  Masked graph autoencoder (MGAE) は、有望な自己教師付きグラフ事前学習(SGP)パラダイムとして登場した。 本稿では,ロバストmAsked gRaph autoEncoder (RARE) と呼ばれる新しいSGP手法を提案する。
  論文  参考訳（メタデータ） (2023-04-04T03:35:29Z)
• GD-MAE: Generative Decoder for MAE Pre-training on LiDAR Point Clouds [72.60362979456035]
  Masked Autoencoders (MAE)は、大規模な3Dポイントクラウドでの探索が難しい。 我々は,周囲のコンテキストを自動的にマージするためのtextbfGenerative textbfDecoder for MAE (GD-MAE)を提案する。 提案手法の有効性を, KITTI と ONCE の2つの大規模ベンチマークで実証した。
  論文  参考訳（メタデータ） (2022-12-06T14:32:55Z)
• Log Barriers for Safe Black-box Optimization with Application to Safe Reinforcement Learning [72.97229770329214]
  本稿では,学習時の安全性維持が不可欠である高次元非線形最適化問題に対する一般的なアプローチを提案する。 LBSGDと呼ばれるアプローチは、慎重に選択されたステップサイズで対数障壁近似を適用することに基づいている。 安全強化学習における政策課題の違反を最小限に抑えるためのアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2022-07-21T11:14:47Z)
• Decentralized Stochastic Optimization with Inherent Privacy Protection [103.62463469366557]
  分散最適化は、現代の協調機械学習、分散推定と制御、大規模センシングの基本的な構成要素である。 データが関与して以降、分散最適化アルゴリズムの実装において、プライバシ保護がますます重要になっている。
  論文  参考訳（メタデータ） (2022-05-08T14:38:23Z)
• Robust Value Iteration for Continuous Control Tasks [99.00362538261972]
  シミュレーションから物理システムへ制御ポリシを転送する場合、そのポリシは、動作の変動に対して堅牢でなければならない。 本稿では、動的プログラミングを用いて、コンパクトな状態領域上での最適値関数を計算するRobust Fitted Value Iterationを提案する。 より深い強化学習アルゴリズムや非ロバストなアルゴリズムと比較して、ロバストな値の方が頑健であることを示す。
  論文  参考訳（メタデータ） (2021-05-25T19:48:35Z)
• Formal Verification of Stochastic Systems with ReLU Neural Network Controllers [22.68044012584378]
  reluニューラルネットワーク(nn)コントローラを備えたサイバーフィジカルシステムの形式的安全性検証の問題に対処する。 私たちの目標は、所定の自信を持って、システムが安全でない構成に達しない初期状態のセットを見つけることです。
  論文  参考訳（メタデータ） (2021-03-08T23:53:13Z)
• Maximum Likelihood Constraint Inference from Stochastic Demonstrations [5.254702845143088]
  本稿では,最大因果エントロピー推定を用いて,最大確率制約推論を応用に拡張する。 本稿では,ベルマンバックアップにおける制約可能性とリスク許容性を計算するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-02-24T20:46:55Z)
• Fundamental Limits of Obfuscation for Linear Gaussian Dynamical Systems: An Information-Theoretic Approach [23.249999313567624]
  線形ガウス力学系に対するプライバシーゆがみトレードオフの観点から,難読化の限界について検討する。 具体的には、動的システムの出力にプライバシマスクを追加する際に、基本的なプライバシーゆがみトレードオフを捉える解析式を得る。
  論文  参考訳（メタデータ） (2020-10-29T20:05:50Z)
• Robust Reinforcement Learning with Wasserstein Constraint [49.86490922809473]
  最適なロバストなポリシーの存在を示し、摂動に対する感度分析を行い、新しいロバストな学習アルゴリズムを設計する。 提案アルゴリズムの有効性はCart-Pole環境で検証する。
  論文  参考訳（メタデータ） (2020-06-01T13:48:59Z)

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。