論文の概要: Bounded Reasoning: Cognitive Hierarchy in Human-versus-AI Cyber Defense

• arxiv url: http://arxiv.org/abs/2610.04878v1
• Date: Sun, 04 Oct 2026 02:29:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 08:18:59.104393
• Title: Bounded Reasoning: Cognitive Hierarchy in Human-versus-AI Cyber Defense
• Title（参考訳）: 境界推論:人間対AIサイバー防衛における認知的階層性
• Abstract要約: 攻撃グラフ上で,人間や強化学習のディフェンダーがクラウド資産をディープQネットワーク攻撃(DQN)から保護するシーケンシャルサイバー防御ゲームについて検討する。 DQN情報構造を操作する人間報酬専用ゲーム、認知階層理論駆動型DQN情報構造を操作する人間報酬+移行ゲーム、自動DQNディフェンサ、自動CHT-DQNディフェンサの4つのディフェンサ設定を比較した。 80人以上のメカニカル・トルコの参加者と自動シミュレーションが一致し、人間のディフェンダーは自動化されたディフェンダーがしない方法で結果に適応した。
• 参考スコア（独自算出の注目度）: 3.409040423708669
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Human-agent evaluations often compress interaction into a single performance score, even when human and automated policies adapt differently over time. We study this in a sequential cyber-defense game on an attack graph, where a human or reinforcement-learning defender protects cloud assets against a Deep Q-Network (DQN) attacker. We compare four defender settings: a human reward-only game operationalizing the DQN information structure, a human reward-plus-transition game operationalizing the Cognitive Hierarchy Theory-driven DQN (CHT-DQN) information structure, an automated DQN defender, and an automated CHT-DQN defender. In the reward-only game, participants receive payoff and reward feedback. In the reward-plus-transition game, they also see attacker-aware transition probabilities from the CHT-DQN model. Across 80 Mechanical Turk participants and matched automated simulations, human defenders adapted to outcomes in a way the automated defenders did not: they were more likely to reselect a node after a successful defense than after a failure, in both games, an asymmetry we interpret as consistent with Prospect Theory and Cumulative Prospect Theory. The 40-round average also mixes early rounds, where the DQN attacker acts mostly at random, with late rounds, where it mostly exploits; in the final stage, mean protection ranks the reward-plus-transition human game above the reward-only human game, then the automated CHT-DQN defender, then the automated DQN defender, an ordering the overall mean hides. By contrast, the reward-plus-transition game does not produce a statistically reliable overall gain in weighted data protection over the reward-only game. These results suggest that evaluating human-agent cyber-defense systems only by an averaged task score can miss behaviorally meaningful differences in adaptation, action allocation, and bounded human reasoning.
• Abstract（参考訳）: ヒューマンエージェント評価は、人間と自動化されたポリシーが時間の経過とともに異なる場合であっても、インタラクションを単一のパフォーマンススコアに圧縮することが多い。 攻撃グラフ上の連続サイバー防御ゲームにおいて、人間または強化学習ディフェンダーがクラウド資産をディープQネットワーク攻撃(DQN)から保護する。 DQN情報構造を操作する人間報酬専用ゲーム、認知階層理論駆動型DQN(CHT-DQN)情報構造を操作する人間報酬+移行ゲーム、自動DQNディフェンサ、自動CHT-DQNディフェンサの4つのディフェンサ設定を比較した。 報酬のみのゲームでは、参加者は報酬と報酬のフィードバックを受け取る。 報酬+移行ゲームでは、CHT-DQNモデルからの攻撃者対応の遷移確率も見られる。 80人以上のメカニカル・トルコ人参加者と自動シミュレーションが一致し、人間のディフェンダーは自動化されたディフェンダーがそうしなかった方法で結果に適応した。 40ラウンドの平均では、DQN攻撃者がほとんどランダムに行動する初期ラウンドと、主に悪用される後期ラウンドが混ざり合っており、最終段階では、報酬のみの人間ゲームより上位に、自動的なCHT-DQNディフェンダー、自動的なDQNディフェンダー、全体の平均隠蔽を指示する。 対照的に、報酬+移行ゲームは、報酬のみのゲームよりも重み付きデータ保護において、統計的に信頼性の高い全体的なゲインを生まない。 これらの結果は、平均的なタスクスコアによってのみ、人間のエージェントによるサイバー防御システムを評価することは、適応、行動割り当て、有界な人間の推論の行動学的差異を見逃す可能性があることを示唆している。

関連論文リスト

• Game-Theoretic Drone Swarm Defense: A Case Study in Applied Differential Game Theory [2.157478102241537]
  本報告は、高価値資産を守るために、対向する群れを迎撃するドローン群集の目標割り当てと中間誘導問題を解決するために、ディファレンシャルゲーム理論(DG)を用いた研究である。 ゲーム理論のアプローチは、ベースライン技術よりも全ての侵入者をインターセプトする確率が高い。
  論文  参考訳（メタデータ） (2026-09-03T19:04:35Z)
• MINDGAMES: A Live Arena for Evaluating Social and Strategic Reasoning in Multi-Agent LLMs [54.81359054218573]
  大規模言語モデル(LLM)のためのマルチゲームアリーナと評価プラットフォームであるMindgamesを紹介する。 Mindgamesは、統合されたインタラクションインターフェース、TrueSkillベースの評価、および4つのゲーム環境にわたる完全な軌跡ログを提供する。 我々は,決定論的オフライントーナメントプロトコルMG-Refとともに,ターンレベルの観察,アクション,報酬を含む29,571個のマルチエージェントゲームを分析した。
  論文  参考訳（メタデータ） (2026-05-28T07:33:47Z)
• Chasing Moving Targets with Online Self-Play Reinforcement Learning for Safer Language Models [64.47869632167284]
  従来の言語モデル(LM)の安全性アライメントは、リアクティブで非結合な手順に依存している。 このシーケンシャルなアプローチはミスマッチを生み出し、攻撃者は時代遅れの防御に過度に適合する一方、守備側は出現する脅威に常に遅れをとどめている。 我々は,攻撃者と防御エージェントが継続的なインタラクションを通じて共進化するオンラインセルフプレイ強化学習アルゴリズムであるSelf-RedTeamを提案する。
  論文  参考訳（メタデータ） (2025-06-09T06:35:12Z)
• Adversarial Deep Reinforcement Learning for Cyber Security in Software Defined Networks [0.0]
  本稿では、より堅牢なエージェントの訓練に、自律的な攻撃的アプローチを深層強化学習(DRL)に活用することの影響に焦点を当てる。 2つのアルゴリズム、Double Deep Q-Networks(DDQN)とNeural Episodic Control to Deep Q-Network(NEC2DQNまたはN2D)を比較した。
  論文  参考訳（メタデータ） (2023-08-09T12:16:10Z)
• Adversarial Machine Learning and Defense Game for NextG Signal Classification with Deep Learning [1.1726528038065764]
  NextGシステムは、ユーザ機器の識別、物理層認証、既存ユーザの検出など、さまざまなタスクにディープニューラルネットワーク(DNN)を使用することができる。 本稿では,深層学習に基づくNextG信号分類のための攻撃と防御の相互作用を研究するゲーム理論フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-22T15:13:03Z)
• Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS [70.60975663021952]
  ネットワーク分類器に対するブラックボックス攻撃について検討する。 我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。 攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
  論文  参考訳（メタデータ） (2021-11-23T23:42:16Z)
• Adversarial Online Learning with Variable Plays in the Pursuit-Evasion Game: Theoretical Foundations and Application in Connected and Automated Vehicle Cybersecurity [5.9774834479750805]
  対戦型・非確率型マルチアームバンディット(MPMAB)は,演奏するアームの数が変動している場合に拡張する。 この作業は、相互接続された輸送システムにおいて、異なる重要な場所をスキャンするために割り当てられたリソースが、時間とともに、環境によって動的に変化するという事実によって動機付けられている。
  論文  参考訳（メタデータ） (2021-10-26T23:09:42Z)
• Adversarial Example Games [51.92698856933169]
  Adrial Example Games (AEG) は、敵の例の製作をモデル化するフレームワークである。 AEGは、ある仮説クラスからジェネレータとアバーサを反対に訓練することで、敵の例を設計する新しい方法を提供する。 MNIST と CIFAR-10 データセットに対する AEG の有効性を示す。
  論文  参考訳（メタデータ） (2020-07-01T19:47:23Z)

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。