論文の概要: A Game-Theoretic Approach for Adversarial Information Fusion in Distributed Sensor Networks
- arxiv url: http://arxiv.org/abs/2511.23026v1
- Date: Fri, 28 Nov 2025 09:47:26 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-01 19:47:55.843632
- Title: A Game-Theoretic Approach for Adversarial Information Fusion in Distributed Sensor Networks
- Title（参考訳）: 分散センサネットワークにおける逆情報融合のゲーム理論的アプローチ
- Authors: Kassem Kallas,
- Abstract要約: 敵信号処理は、相手の存在が効果的な信号処理ツールの設計に与える影響を考慮に入れた一般的な理論の基盤となる。
この論文は、分散センサネットワークにおける敵情報融合(adversarial information fusion)という、Adversarial Signal Processingのアプリケーション側に焦点を当てている。
- 参考スコア（独自算出の注目度）: 2.4366811507669124
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Every day we share our personal information through digital systems which are constantly exposed to threats. For this reason, security-oriented disciplines of signal processing have received increasing attention in the last decades: multimedia forensics, digital watermarking, biometrics, network monitoring, steganography and steganalysis are just a few examples. Even though each of these fields has its own peculiarities, they all have to deal with a common problem: the presence of one or more adversaries aiming at making the system fail. Adversarial Signal Processing lays the basis of a general theory that takes into account the impact that the presence of an adversary has on the design of effective signal processing tools. By focusing on the application side of Adversarial Signal Processing, namely adversarial information fusion in distributed sensor networks, and adopting a game-theoretic approach, this thesis contributes to the above mission by addressing four issues. First, we address decision fusion in distributed sensor networks by developing a novel soft isolation defense scheme that protect the network from adversaries, specifically, Byzantines. Second, we develop an optimum decision fusion strategy in the presence of Byzantines. In the next step, we propose a technique to reduce the complexity of the optimum fusion by relying on a novel near-optimum message passing algorithm based on factor graphs. Finally, we introduce a defense mechanism to protect decentralized networks running consensus algorithm against data falsification attacks.
- Abstract（参考訳）: 私たちは毎日、脅威にさらされているデジタルシステムを通じて個人情報を共有しています。
このため、この数十年でセキュリティ指向の信号処理の規律が注目されている。マルチメディアの法医学、デジタル透かし、バイオメトリックス、ネットワークモニタリング、ステガノグラフィー、ステガナリシスなどは、ごくわずかの例である。
これらのフィールドはそれぞれ独自の特異性を持っているが、全員が共通の問題に対処しなければならない。
敵信号処理は、相手の存在が効果的な信号処理ツールの設計に与える影響を考慮に入れた一般的な理論の基盤となる。
適応信号処理の応用側、すなわち分散センサネットワークにおける敵情報融合に着目し、ゲーム理論的アプローチを採用することにより、この論文は4つの課題に対処することで、上記のミッションに寄与する。
まず,ネットワークを敵対者,特にビザンツ人から守るソフトアイソレーション・ディフェンス・スキームを開発することで,分散センサネットワークにおける決定融合に対処する。
第2に、ビザンツ人の存在下で最適な意思決定融合戦略を開発する。
次のステップでは、因子グラフに基づく新しい近似メッセージパッシングアルゴリズムを用いることで、最適融合の複雑さを低減する手法を提案する。
最後に,データファルシフィケーション攻撃に対して,コンセンサスアルゴリズムを実行する分散ネットワークを保護するための防御機構を導入する。
関連論文リスト
- SentinelNet: Safeguarding Multi-Agent Collaboration Through Credit-Based Dynamic Threat Detection [22.242243610133215]
大規模言語モデル(LLM)を用いたマルチエージェントシステム(MAS)の信頼性と意思決定能力に悪質なエージェントが重大な脅威をもたらす
マルチエージェントコラボレーションにおいて,悪意ある動作を積極的に検出・緩和する,最初の分散化フレームワークであるSentinelNetを提案する。
MASベンチマークの実験では、SentinelNetは2回の討論ラウンドで100%近く、悪意のあるエージェントのほぼ完全な検出を実現し、漏洩したベースラインからシステム精度の95%を回復している。
論文 参考訳（メタデータ） (2025-10-17T21:10:35Z) - Algorithms for Adversarially Robust Deep Learning [58.656107500646364]
望ましいロバスト性を示すアルゴリズムの設計に向けた最近の進歩について論じる。
医用画像,分子識別,画像分類における最先端の一般化を実現するアルゴリズムを提案する。
我々は、堅牢な言語ベースのエージェントを設計するための進歩のフロンティアとして、新たな攻撃と防御を提案する。
論文 参考訳（メタデータ） (2025-09-23T14:48:58Z) - Cyber Physical Awareness via Intent-Driven Threat Assessment: Enhanced Space Networks with Intershell Links [4.596949537311418]
本稿では,宇宙ネットワークにおけるサイバー物理認識(CPA)の総合的枠組みを提案する。
本稿では,受信信号の特性を抽出し,潜在的な脅威の直感的な理解を容易にするアルゴリズムを提案する。
各種のセキュリティおよび信頼性要件に適合する適応可能な脅威評価を提案する。
論文 参考訳（メタデータ） (2025-08-22T11:51:32Z) - Using Graph Theory for Improving Machine Learning-based Detection of
Cyber Attacks [4.465883551216819]
ネットワーク侵入やサイバー脅威の早期発見は、サイバーセキュリティの主要な柱の1つだ。
この目的のための最も効果的なアプローチの1つは、人工知能アルゴリズムの助けを借りてネットワークトラフィックを分析することである。
論文 参考訳（メタデータ） (2024-02-12T18:44:02Z) - Mutual-modality Adversarial Attack with Semantic Perturbation [81.66172089175346]
本稿では,相互モダリティ最適化スキームにおける敵攻撃を生成する新しい手法を提案する。
我々の手法は最先端の攻撃方法より優れており、プラグイン・アンド・プレイ・ソリューションとして容易にデプロイできる。
論文 参考訳（メタデータ） (2023-12-20T05:06:01Z) - Byzantine-Robust Online and Offline Distributed Reinforcement Learning [60.970950468309056]
本稿では,複数のエージェントが環境を探索し,その経験を中央サーバを通じて伝達する分散強化学習環境について考察する。
エージェントの$alpha$-fractionは敵対的であり、任意の偽情報を報告することができる。
我々は、これらの対立エージェントの存在下で、マルコフ決定プロセスの根底にある準最適政策を特定することを模索する。
論文 参考訳（メタデータ） (2022-06-01T00:44:53Z) - Inter-Domain Fusion for Enhanced Intrusion Detection in Power Systems:
An Evidence Theoretic and Meta-Heuristic Approach [0.0]
ICSネットワークにおけるIDSによる不正な警告は、経済的および運用上の重大な損害をもたらす可能性がある。
本研究は,CPS電力系統における誤警報の事前分布を伴わずに不確実性に対処し,誤警報を低減する手法を提案する。
論文 参考訳（メタデータ） (2021-11-20T00:05:39Z) - Relational Graph Neural Networks for Fraud Detection in a Super-App
environment [53.561797148529664]
スーパーアプリケーションの金融サービスにおける不正行為防止のための関係グラフ畳み込みネットワーク手法の枠組みを提案する。
我々は,グラフニューラルネットワークの解釈可能性アルゴリズムを用いて,ユーザの分類タスクに対する最も重要な関係を判定する。
以上の結果から,Super-Appの代替データと高接続性で得られるインタラクションを利用するモデルには,付加価値があることが示唆された。
論文 参考訳（メタデータ） (2021-07-29T00:02:06Z) - Bayesian Attention Belief Networks [59.183311769616466]
注意に基づくニューラルネットワークは、幅広いタスクにおいて最先端の結果を得た。
本稿では,非正規化注意重みをモデル化してデコーダネットワークを構築するベイズ的注意信念ネットワークについて紹介する。
提案手法は, 精度, 不確実性推定, ドメイン間の一般化, 敵攻撃において, 決定論的注意と最先端の注意よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-06-09T17:46:22Z) - Multi-Agent Decentralized Belief Propagation on Graphs [0.0]
対話的部分観測可能なマルコフ決定過程(I-POMDP)の問題点を考察する。
本稿では,この問題に対する分散的信念伝達アルゴリズムを提案する。
我々の研究は、ネットワーク化されたマルチエージェントI-POMDPのための分散的信念伝播アルゴリズムの最初の研究である。
論文 参考訳（メタデータ） (2020-11-06T18:16:26Z)
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。