論文の概要: MARL-Based Sequential RIS Auctions: A Physical-Layer Security Analysis
- arxiv url: http://arxiv.org/abs/2608.22169v1
- Date: Sun, 23 Aug 2026 02:02:51 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:43.642035
- Title: MARL-Based Sequential RIS Auctions: A Physical-Layer Security Analysis
- Title（参考訳）: MARLに基づくシークエンシャルRISオークション:物理層セキュリティ分析
- Abstract要約: 再構成可能なインテリジェントサーフェス(RIS)は、カバレッジ、スペクトル効率、通信セキュリティを高める大きな可能性を秘めている。
中立なRIS演算子によって所有される場合、これらの要素は正統な受信機と盗聴器が競合するリソースとして提供される。
本稿では、そのような競合を調査し、正統な受信機の物理層セキュリティ性能への影響を評価する。
- 参考スコア（独自算出の注目度）: 17.729444052669624
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Reconfigurable intelligent surfaces (RISs) hold great potential to enhance coverage, spectral efficiency, and communication security by intelligently configuring their reflecting elements. When owned by a neutral RIS operator, these elements can be offered as resources for which legitimate receivers and eavesdroppers compete. This paper investigates such competition and evaluates its impact on the physical-layer security performance of legitimate receivers. To model the competition, we develop a sequential RIS auction (SRA) framework, in which a bundle of RIS elements is auctioned in each round through a first-price sealed-bid mechanism, with each bidder submitting its bid based on the achievable rate gain and remaining budget. We then formulate the sequential bidding process as a Markov game by specifying its states, actions, rewards, and state transitions. To solve the game, we propose a multi-bidder deep deterministic policy gradient (MADDPG)-based multi-bidder reinforcement learning (MARL) approach under centralized training and decentralized execution (CTDE), enabling legitimate receivers and eavesdroppers to learn bidding strategies that maximize their long-term economic surplus. Numerical results show that, under the considered eavesdropper bidding strategies, the RL-based strategy enables legitimate receivers to achieve the highest secrecy rate per unit cost, outperforming random and fixed strategies and approaching the ideal physical-layer upper bound.
- Abstract（参考訳）: 再構成可能なインテリジェントサーフェス(RIS)は、反射要素をインテリジェントに構成することで、カバレッジ、スペクトル効率、通信セキュリティを高める大きな可能性を秘めている。
中立なRIS演算子によって所有される場合、これらの要素は正統な受信機と盗聴器が競合するリソースとして提供される。
本稿では、そのような競合を調査し、正統な受信機の物理層セキュリティ性能への影響を評価する。
競争をモデル化するために,各ラウンドにRIS要素の束を1次価格のシールバイド機構でオークションし,各入札者が達成可能な利得と残予算に基づいて入札を行う,逐次RISオークション(SRA)フレームワークを開発した。
次に、マルコフゲームとして、その状態、行動、報酬、状態遷移を指定することで、シーケンシャル入札プロセスを定式化する。
そこで本ゲームでは,集中学習および分散実行(CTDE)下でのマルチバイダディープ決定性ポリシー勾配(MADDPG)に基づくマルチバイダ強化学習(MARL)手法を提案する。
数値計算の結果, 盗難防止策として, RLをベースとした提案手法では, 正統な受信機が単体当たりの最高機密率を達成でき, ランダム・固定戦略を上回り, 理想的な物理層上界に近づくことが示唆された。
関連論文リスト
- TRACE: A Unified Rollout Budget Allocation Framework for Efficient Agentic Reinforcement Learning [52.67756371231985]
検証可能な報酬を伴う強化学習(RLVR)は、大規模言語モデルにおける推論とエージェント的行動を強化するための有望なアプローチである。
本稿では,Tree Rollout Allocation for Contrastive Exploration (TRACE)について紹介する。
技術的には、TRACEはロールアウト予算をルートと中間プレフィックスの両方に割り当てている。
論文 参考訳（メタデータ） (2026-06-09T17:16:03Z) - Large Language Models as Bidding Agents in Repeated HetNet Auction [4.305340565419997]
本稿では,ヘテロジニアスネットワーク(HetNets)内での繰り返しスペクトルオークションにおける推論エージェントとしての大規模言語モデル(LLMs)の統合について検討する。
本稿では,各基地局(BS)が独立して独自のマルチチャネルオークションを行う分散オークションベースのフレームワークを提案し,ユーザ機器(UE)がそれらの関連と入札値の両方を戦略的に決定する。
シミュレーションの結果,LCMを内蔵したUEは,ベンチマークよりもチャネルアクセス周波数が一貫して向上し,予算効率が向上することがわかった。
論文 参考訳（メタデータ） (2026-03-02T07:30:01Z) - Auction-Based RIS Allocation With DRL: Controlling the Cost-Performance Trade-Off [2.217288163160845]
基地局がセルエッジに配置した共有RISユニットの制御を競うマルチセル無線ネットワークにおいて,再構成可能なRIS(Reconfigurable intelligent surface)の割り当てについて検討した。
予算制約に固執しながら性能を最大化することを学ぶ深層強化学習(DRL)エージェントを統合する。
本研究は,次世代無線ネットワークにおけるRISの効率的かつ公平な利用のために,オークションベースのアロケーションと適応RL機構を組み合わせる可能性を強調した。
論文 参考訳（メタデータ） (2026-02-18T06:22:14Z) - BAPO: Boundary-Aware Policy Optimization for Reliable Agentic Search [72.87861928940929]
バウンダリ・アウェア・ポリシー・オプティマイゼーション(BAPO)は、信頼性の高い境界認識を精度を損なうことなく育成する新しいRLフレームワークである。
BAPOは2つの重要な要素を導入する: (i) グループベースの境界対応報酬(i) 推論が限界に達したときのみIDK応答を促進させる) 適応報酬変調器(ii) 早期探索中にこの報酬を戦略的に停止させ、モデルがIDKをショートカットとして利用するのを防ぐ。
論文 参考訳（メタデータ） (2026-01-16T07:06:58Z) - The Bidding Games: Reinforcement Learning for MEV Extraction on Polygon Blockchain [0.11880231424287215]
本稿では,ポリゴンアトラスを用いたMEV抽出のための強化学習フレームワークを提案する。
我々の研究は、高頻度MEV環境において強化学習が重要な利点をもたらすことを証明している。
論文 参考訳（メタデータ） (2025-10-16T12:54:53Z) - Agentic Reinforcement Learning with Implicit Step Rewards [92.26560379363492]
大規模言語モデル (LLMs) は強化学習 (agentic RL) を用いた自律的エージェントとして発展している。
我々は,標準RLアルゴリズムとシームレスに統合された一般的なクレジット割り当て戦略であるエージェントRL(iStar)について,暗黙的なステップ報酬を導入する。
我々は,WebShopとVisualSokobanを含む3つのエージェントベンチマークと,SOTOPIAにおける検証不可能な報酬とのオープンなソーシャルインタラクションについて評価した。
論文 参考訳（メタデータ） (2025-09-23T16:15:42Z) - Dynamic Reinsurance Treaty Bidding via Multi-Agent Reinforcement Learning [0.0]
本稿では,再保証条約入札のための新しいマルチエージェント強化学習(MARL)フレームワークを開発する。
MARLエージェントは、最大15%高い引受利益、20%低い尾リスク、25%以上のシャープ比の改善を達成する。
これらの結果は、MARLがより透明性があり、適応的で、リスクに敏感なリシュアランス市場への道を開くことを示唆している。
論文 参考訳（メタデータ） (2025-06-16T05:43:22Z) - Cannot See the Forest for the Trees: Invoking Heuristics and Biases to Elicit Irrational Choices of LLMs [83.11815479874447]
本研究では,人間の認知における認知的分解と偏見に触発された新しいジェイルブレイク攻撃フレームワークを提案する。
我々は、悪意のあるプロンプトの複雑さと関連バイアスを減らし、認知的分解を用いて、プロンプトを再編成する。
また、従来の二分的成功または失敗のパラダイムを超越したランキングベースの有害度評価指標も導入する。
論文 参考訳（メタデータ） (2025-05-03T05:28:11Z) - Learning Safe Strategies for Value Maximizing Buyers in Uniform Price Auctions [6.309531239485479]
価格を最大化する買い手の観点から,単価の複数ユニットオークションを繰り返す際の入札問題について検討する。
本稿では、競合入札に関係なく、RoI制約を満たすものとして、安全な入札戦略の概念を紹介する。
これらの戦略は入札者の評価曲線にのみ依存し, 一般性を損なうことなく, 有限部分集合に焦点を絞ることができることを示す。
論文 参考訳（メタデータ） (2024-06-06T01:29:47Z) - Statistically Truthful Auctions via Acceptance Rule [23.38395470540186]
買い手が真のバリュエーションの入札にインセンティブを与えられることを保証するため、戦略の保護は不可欠だ。
本稿では, オークション機構に対する統計的戦略耐性の定式化を提案する。
当社の手法は、実質的な収益損失を犠牲にして、真理性 ― ゼロレグレット ― を強制することの間の、実践的な中間地点を表現している。
論文 参考訳（メタデータ） (2024-05-20T13:39:58Z) - Robust and Performance Incentivizing Algorithms for Multi-Armed Bandits with Strategic Agents [52.75161794035767]
性能インセンティブとロバストネスの2つの目的を同時に満たすバンディットアルゴリズムのクラスを導入する。
そこで本研究では,第2価格オークションのアイデアをアルゴリズムと組み合わせることで,プリンシパルが腕の性能特性に関する情報を持たないような設定が可能であることを示す。
論文 参考訳（メタデータ） (2023-12-13T06:54:49Z) - 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)
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。