論文の概要: Efficient Nash Equilibrium Computation for Cybersecurity Games

• arxiv url: http://arxiv.org/abs/2609.19399v2
• Date: Tue, 22 Sep 2026 16:14:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-24 01:05:39.629939
• Title: Efficient Nash Equilibrium Computation for Cybersecurity Games
• Title（参考訳）: サイバーセキュリティゲームのための効率的なナッシュ平衡計算
• Abstract要約: 均衡が実際に依存するペイオフに一定のシミュレーション予算を費やすレギュレット重み付きペイオフサンプリング(RWPS)を導入する。 RWPSは、最小回帰優先探索、情報ゲイン探索、プログレッシブサンプリングを同じ予算で行うよりも、利用しやすい均衡を見出す。 サイバー防御シミュレータのCyGymと、ホストがプロンプトインジェクションに晒されたLSMエージェントである新しいゲームでは、最小の予算で最も悪用可能な均衡が与えられる。
• 参考スコア（独自算出の注目度）: 22.27527497326564
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Game-theoretic analyses of cyber defence often compute equilibria of games whose payoffs exist only as the output of a simulator. Iterative equilibrium-finding methods grow a set of attacker and defender policies and need the payoff of every attacker--defender pair, so they are bottlenecked by payoff estimation: each payoff costs many simulator runs. We introduce Regret-Weighted Payoff Sampling (RWPS), which spends a fixed simulation budget on the payoffs the equilibrium actually depends on and predicts the rest with a model trained on every payoff measured so far. Standard error bounds for estimated games are driven by the worst-estimated payoff, so they cannot credit an estimator that is inaccurate only where accuracy does not matter. We prove a bound that weights payoff errors by the opponent's equilibrium strategy, a certificate that can be computed from simulated payoffs alone, and a condition under which errors in the predicted payoffs cannot change either player's regret. On three synthetic general-sum games, one of them a Colonel Blotto game of military resource allocation, the new bounds are four to six times tighter than the standard one, and RWPS finds less exploitable equilibria than minimum-regret-first search, information-gain search and progressive sampling at the same budget. On two cyber-defence simulators, CyGym and a new game whose hosts are LLM agents exposed to prompt injection, it gives the least exploitable equilibria at the smallest budgets.
• Abstract（参考訳）: サイバー防衛のゲーム理論分析は、しばしばシミュレータの出力としてのみ存在するゲームの均衡を計算する。 反復平衡フィニング法は、攻撃者と防御者のポリシーの集合を成長させ、攻撃者と防御者のペアの支払いを必要とするため、彼らはペイオフ推定によってボトルネックを被る: それぞれのペイオフは、多くのシミュレータの実行にコストがかかる。 バランスが実際に依存するペイオフに一定のシミュレーション予算を費やすRegret-Weighted Payoff Smpling(RWPS)を導入し、これまで測定されたすべてのペイオフでトレーニングされたモデルで残りを予測する。 推定ゲームの標準誤差境界は、最悪の見積りの支払いによって駆動されるため、精度が重要でない場合にのみ不正確な推定器を信用することはできない。 我々は、相手の平衡戦略によるペイオフエラーを重み付けする境界、シミュレーションされたペイオフのみから計算できる証明書、予測されたペイオフのエラーがどちらのプレイヤーの後悔も変更できない条件を証明した。 3つの総合ゲームにおいて、そのうちの1つはBlotto大佐の軍事資源配分ゲームであり、新しいバウンダリは標準の4倍から6倍の厳密であり、RWPSは最小回帰ファースト探索、情報ゲイン探索、プログレッシブサンプリングを同じ予算で行うよりも利用しやすい均衡を見出した。 サイバー防御シミュレータのCyGymと、ホストがプロンプトインジェクションに晒されたLSMエージェントである新しいゲームでは、最小の予算で最も悪用可能な均衡が与えられる。

関連論文リスト

• Phi-Actor-Critic: Steering General-Sum Games to Pareto-Efficient Correlated Equilibria [3.061219970798378]
  現実世界のマルチエージェントシステムは、個々のインセンティブが集団福祉と矛盾する一般的なサムゲームとしてモデル化されることが多い。 標準深層マルチエージェント強化学習法(MARL)はこの問題に対処する。 提案する$-Actor-Critic($-AC)は,スワップリミスの最小化を利用して,高次相関均衡に向けて学習を行うフレームワークである。
  論文  参考訳（メタデータ） (2026-06-09T16:40:26Z)
• Theoretical Foundations and Effective Algorithms for Policy-Aware Simulator Learning [65.62918039166772]
  本稿では,モデルプレイヤと逆ポリシープレイヤのゼロサムミニマックスゲームを提案する。 提案手法は,戦略的に重要な領域における予測誤差を1.5$-$2.2times$に減らし,シミュレーションで純粋に訓練されたポリシーを最適に近い実世界の性能に適合させることができることを示す。
  論文  参考訳（メタデータ） (2026-05-27T19:31:37Z)
• Generalized Distributional Alignment Games for Unbiased Answer-Level Fine-Tuning [49.24876001249647]
  分散アライメントゲームフレームワークは、Answer-Level Fine-Tuning(ALFT)の強力な変分的視点を提供する これらのゲームの標準的なアルゴリズムは、小さなバッチから対数報酬を推定することに依存しており、ジェンセンの不等式により訓練を不安定にできる体系的なバイアスが生じる。 我々は、アライメントゲームを任意のブレグマン発散に一般化し、報酬を誘導する幾何の族に対して、証明可能な正確で偏りのない推定器を構築することができることを示す。
  論文  参考訳（メタデータ） (2026-05-04T10:34:42Z)
• Optimal Rates for Feasible Payoff Set Estimation in Games [19.616985668606695]
  ゲーム逆理論は、観察された行動と整合した支払の集合全体を特定することを目的としている。 我々は、ハースドルフ計量上で、高い確率と最大精度で実現可能なペイオフの集合を推定する問題に焦点をあてる。 この結果は,マルチエージェント環境における設定値のペイオフ推論のための学習理論の基礎を提供する。
  論文  参考訳（メタデータ） (2026-02-04T10:27:11Z)
• MF-OML: Online Mean-Field Reinforcement Learning with Occupation Measures for Large Population Games [3.179831861897336]
  本稿では,シーケンシャルゲームのナッシュ平衡計算のためのオンライン平均場強化学習アルゴリズムを提案する。 MFOMLは、ナッシュ平衡を実証的に解くための、最初の完全近似マルチエージェント強化学習アルゴリズムである。 副生成物として、モノトーン平均場ゲームの近似計算のための最初のトラクタブル大域収束計算も得られる。
  論文  参考訳（メタデータ） (2024-05-01T02:19:31Z)
• On Tractable $Φ$-Equilibria in Non-Concave Games [53.212133025684224]
  非コンケーブゲームにおいて、抽出可能な$Phi$-equilibriaについて検討する。 Phi$が有限であるとき、対応する$Phi$-equilibriaに収束する効率的な非結合学習アルゴリズムが存在することを示す。
  論文  参考訳（メタデータ） (2024-03-13T01:51:30Z)
• Provably Efficient Fictitious Play Policy Optimization for Zero-Sum Markov Games with Structured Transitions [145.54544979467872]
  本研究では,ゼロサムマルコフゲームに対して,構造的だが未知の遷移を伴う架空のプレイポリシー最適化アルゴリズムを提案し,解析する。 我々は、2年制の競争ゲームシナリオで、$K$のエピソードに続き、$widetildemathcalO(sqrtK)$ regret boundsを証明した。 提案アルゴリズムは,アッパー信頼境界(UCB)型最適化と,同時政策最適化の範囲内での架空のプレイの組み合わせを特徴とする。
  論文  参考訳（メタデータ） (2022-07-25T18:29:16Z)
• More Optimal Simulation of Universal Quantum Computers [0.0]
  最悪のサンプリングコストは$le(2+sqrt2)xi_t delta-1$であり、$t rightarrow infty$である。 我々は、この68倍のプレファクタを、相関サンプリングにより$t$の先行値の低減により削減する。
  論文  参考訳（メタデータ） (2022-02-02T19:00:03Z)
• Learning Zero-Sum Simultaneous-Move Markov Games Using Function Approximation and Correlated Equilibrium [116.56359444619441]
  両プレイヤーのゼロサム有限ホライゾンマルコフゲームに対する効率の良い強化学習アルゴリズムを開発した。 オフライン環境では、両プレイヤーを制御し、双対性ギャップを最小化してナッシュ平衡を求める。 オンライン環境では、任意の相手と対戦する1人のプレイヤーを制御し、後悔を最小限に抑える。
  論文  参考訳（メタデータ） (2020-02-17T17:04:16Z)

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。