論文の概要: Networked Multi-Resource Defense Capabilities in a General Lotto Game

• arxiv url: http://arxiv.org/abs/2608.28732v1
• Date: Fri, 28 Aug 2026 17:37:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-03 13:20:14.945555
• Title: Networked Multi-Resource Defense Capabilities in a General Lotto Game
• Title（参考訳）: 汎用ロットゲームにおけるネットワーク型マルチリソース防衛機能
• Abstract要約: 汎用ロットゲームという形で複数リソース割り当て問題を定式化する。 異なるタイプの攻撃に対する個々の効果は、ネットワーク重み行列によって特徴づけられる。 2種類の攻撃の場合、我々は境界が一致することを解析的に証明し、正確な平衡特性を確立する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ensuring the security of complex systems involves the strategic allocation of defensive resources to prevent various types of attacks from succeeding. A defender often has multiple types of defensive assets at its disposal, where it must decide how to optimally deploy their heterogeneous capabilities across different attack types. In this paper, we formulate a multi-resource allocation problem in the form of a General Lotto game where a defender possesses various types of resources. A feature that we introduce is that their individual effectiveness against different types of attacks is characterized by a network weight matrix. In our analysis, we derive upper and lower bounds on the performance of the defender, and provide numerical evidence suggesting that they are tight. For the case of two attack types, we analytically prove that the bounds coincide, establishing an exact equilibrium characterization. We then numerically compare our proposed networked multi-resource architecture to an independent-defense benchmark from the existing literature. These results highlight fundamental and tractable structures underlying multi-attack-type defense problems.
• Abstract（参考訳）: 複雑なシステムのセキュリティを確保するには、様々な種類の攻撃が成功しないように防衛資源を戦略的に割り当てる必要がある。 ディフェンダーは、しばしば複数の種類の防衛資産を持ち、異なる攻撃タイプにまたがる不均一な機能を最適にデプロイする方法を決定する必要がある。 本稿では,ディフェンダーが様々なリソースを持つ汎用ロットゲームとして,マルチリソース割り当て問題を定式化する。 異なるタイプの攻撃に対する個々の効果は、ネットワーク重み行列によって特徴づけられる。 本分析では,ディフェンダーの性能の上下境界を導出し,それらが厳密であることを示す数値的証拠を提供する。 2種類の攻撃の場合、我々は境界が一致することを解析的に証明し、正確な平衡特性を確立する。 次に,提案するネットワーク型マルチリソースアーキテクチャと既存文献からの独立防衛ベンチマークを数値的に比較する。 これらの結果は,マルチアタック型防御問題の根底にある基本的かつトラクタブルな構造を浮き彫りにする。

関連論文リスト

• MAGIC: A Co-Evolving Attacker-Defender Adversarial Game for Robust LLM Safety [28.246225272659917]
  本稿では,新しいマルチターンマルチエージェント強化学習フレームワークであるtextbfMAGICを紹介する。 大規模言語モデルの安全性アライメントを敵非対称ゲームとして定式化する。 本フレームワークは, モデルの有用性を損なうことなく, 優れた防衛成功率を示す。
  論文  参考訳（メタデータ） (2026-02-02T02:12:28Z)
• Debiased Dual-Invariant Defense for Adversarially Robust Person Re-Identification [52.63017280231648]
  人物再識別(ReID)は、歩行者軌道追跡などの現実の多くの応用において、基本的な課題である。 Person ReIDモデルは、歩行者画像に対する知覚不能な摂動が完全に誤った予測を引き起こすような、敵の攻撃に非常に敏感である。 本稿では,2つの相からなる二重不変防衛フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-11-13T03:56:40Z)
• Improving Large Language Model Safety with Contrastive Representation Learning [92.79965952162298]
  大規模言語モデル(LLM)は、社会に深い影響を与える強力なツールである。 多様な制御されていない入力に対する応答を生成する能力は、敵の攻撃に対して脆弱である。 対照的な表現学習問題としてモデルディフェンスを定式化するディフェンスフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-13T16:42:09Z)
• Reformulation is All You Need: Addressing Malicious Text Features in DNNs [53.45564571192014]
  本稿では,敵攻撃とバックドア攻撃の両方に対して有効な,統一的かつ適応的な防御フレームワークを提案する。 我々のフレームワークは、様々な悪意あるテキスト機能において、既存のサンプル指向の防御基準よりも優れています。
  論文  参考訳（メタデータ） (2025-02-02T03:39:43Z)
• Meta Invariance Defense Towards Generalizable Robustness to Unknown Adversarial Attacks [62.036798488144306]
  現在の防衛は主に既知の攻撃に焦点を当てているが、未知の攻撃に対する敵意の強固さは見過ごされている。 メタ不変防衛(Meta Invariance Defense, MID)と呼ばれる攻撃非依存の防御手法を提案する。 MIDは高レベルの画像分類と低レベルの頑健な画像再生における攻撃抑制において,知覚不能な逆方向の摂動に対して同時に頑健性を実現する。
  論文  参考訳（メタデータ） (2024-04-04T10:10:38Z)
• MultiRobustBench: Benchmarking Robustness Against Multiple Attacks [86.70417016955459]
  機械学習(ML)モデルに対するマルチアタックを検討するための,最初の統一フレームワークを提案する。 我々のフレームワークは、テストタイムの敵について異なるレベルの学習者の知識をモデル化することができる。 9種類の攻撃に対して16種類の防御モデルの有効性を評価した。
  論文  参考訳（メタデータ） (2023-02-21T20:26:39Z)
• Game Theoretic Mixed Experts for Combinational Adversarial Machine Learning [10.368343314144553]
  我々は、敵の攻撃と防御をアンサンブルするためのゲーム理論の枠組みを提供する。 本稿では, ランダム化変換, マルチモデル投票方式, 対向検出器アーキテクチャによる防御を目標とする3つの新しい攻撃アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-11-26T21:35:01Z)
• Robust Person Re-identification with Multi-Modal Joint Defence [1.441703014203756]
  既存の仕事は、主にメートル法防衛のための敵の訓練に依存している。 本稿では,メカニカルアタックとディフェンスメソッドのターゲット手法を提案する。 メカニカルディフェンスでは,プロアクティブディフェンスとパッシブディフェンスの2つの部分を含む共同ディフェンス法を提案する。
  論文  参考訳（メタデータ） (2021-11-18T08:13:49Z)
• AdvMS: A Multi-source Multi-cost Defense Against Adversarial Attacks [81.45930614122925]
  ディープニューラルネットワークは、マルウェア検出や自動運転車など、多くのセキュリティクリティカルな領域で急速に普及している。 従来の防衛手法は有望だが、単一ソースの単一コストの性質によってほとんど制限されている。 本稿では,AdvMSのマルチソース特性が性能評価問題を緩和し,多コスト特性が柔軟性と調整可能なコストの組み合わせによるロバスト性の向上を可能にすることを示す。
  論文  参考訳（メタデータ） (2020-02-19T20:46:54Z)

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。