論文の概要: Dynamical low-rank equilibrium computation for stochastic games between advanced persistent threats and moving target defense

• arxiv url: http://arxiv.org/abs/2610.06885v2
• Date: Wed, 07 Oct 2026 09:00:45 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-11 16:33:44.535389
• Title: Dynamical low-rank equilibrium computation for stochastic games between advanced persistent threats and moving target defense
• Title（参考訳）: 先進的永続脅威と移動目標防御の間の確率ゲームに対する動的低ランク平衡計算
• Abstract要約: フルランク価値の反復は産業規模では高価であり、その結果の防衛戦略は敵の摂動に対する確実な堅牢性を認めない。 そこで我々はDLR-NEという動的低ランクハッシュ平衡アルゴリズムを提案する。このアルゴリズムは各反復ごとにランク-r探索空間を拡大し、コア行列スペクトルを正規化し、トランキャットされたSVDを用いてリトラクションし、誤差を5つの物理的解釈可能なソースに分解した近傍に幾何的に収束することを示す。
• 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: Moving target defense (MTD) against advanced persistent threats (APTs) in industrial control systems (ICS) has well-established game-theoretic formulations, but their practical value hinges on equilibrium computation, which faces two gaps: full-rank value iteration is prohibitively expensive at industrial scale, and the resulting defense strategies admit no certified robustness against adversarial perturbations. We first reveal that the attack and defense influence matrices of ICS dynamics are intrinsically low-rank: APTs infiltrate through a handful of entry points and MTD reconfigures only a few components per cycle. Our theory makes four contributions. First, an augmented gradient matrix certifies that the low-rank structure propagates through the non-smooth Bellman operator of the zero-sum stochastic game, so that every Bellman target lies near a low-dimensional subspace and low-rank truncation incurs an explicit error bound (Lemma 1, Theorem 1). Second, we propose the Dynamical Low-Rank Nash Equilibrium algorithm, named DLR-NE, which augments the rank-r search space each iteration, regularizes the core matrix spectrum, and retracts via truncated SVD, and prove that it converges geometrically to a neighborhood whose error decomposes into five physically interpretable sources (Theorem 2). Third, its per-step cost is O(nr^2), a Theta(n/r^2) speedup over full-rank value iteration (Theorem 3). Fourth, a single weight trades accuracy against a certified sensitivity bound of the induced defense strategy under core-matrix perturbations (Corollary 1). Six experiments on a nonlinear power-system testbed confirm each prediction, with 94% parameter compression at 2.3% utility loss. All experimental data and code are publicly available.
• Abstract（参考訳）: 産業制御システム(ICS)における先進的永続的脅威(APT)に対する移動目標防衛(MTD)は、ゲーム理論の定式化が確立されているが、それらの実用的価値は均衡計算に左右される。 我々はまず,ICS力学の攻撃・防御影響行列が本質的に低ランクであることを明らかにする。 私たちの理論は4つの貢献をする。 まず、拡張勾配行列は、低ランク構造がゼロサム確率ゲームの非滑らかなベルマン作用素を通して伝播することを証明し、すべてのベルマン対象が低次元部分空間の近くにあり、低ランクのトランケーションが明示的な誤差境界(Lemma 1 Theorem 1)を生じさせる。 第二にDLR-NEという動的低ランクハッシュ平衡アルゴリズムを提案する。これは各反復ごとにランク-r探索空間を拡大し、コア行列スペクトルを正則化し、トラッピングされたSVDによって引き起こし、誤差が5つの物理的解釈可能なソースに分解された近傍に幾何的に収束することを証明している(Theorem 2)。 第3に、そのステップ当たりのコストは、フルランク値の反復に対する Theta(n/r^2) のスピードアップである O(nr^2) である(Theorem 3)。 第4に、シングルウェイトは、コア・マトリクス摂動下での誘導防御戦略の認定感度境界に対して精度を交換する(第1巻)。 非線形パワーシステムテストベッドに関する6つの実験では、各予測が確認され、94%のパラメータ圧縮が2.3%の実用損失で達成された。 すべての実験データとコードは公開されています。

関連論文リスト

• Transolver-$σ$: Joint Spectral-Physical Subspace Modeling for Neural PDE Solving [53.58729034895666]
  Transolver-$は、結合スペクトル-物理部分空間モデリングに基づくニューラルPDEソルバである。 平均的な相対誤差を33.4%減らし、各基準に対して最強の基準線を上回り、最先端を達成している。
  論文  参考訳（メタデータ） (2026-09-29T11:24:19Z)
• HoloAegis: Frozen Representation, Topological Inference: Minimally Parametric Safety Manifolds for Zero-Shot LLM Guardrails [17.07949373919355]
  HoloAegisは、表現を推論から分離する最小パラメトリックなトポロジカル推論フレームワークである。 8つのベンチマークで評価され、HoloAegisは最先端の精度(AuthenHalluの1.0000 AUC、HarmBenchの0.9802 AUC)、サブミリ秒レイテンシ、コールドスタートデータゼロ、言語間転送(中国のCHIFRAUDの0.9758 AUC)を実現している。
  論文  参考訳（メタデータ） (2026-08-09T05:05:12Z)
• Robust Activation Map Rectification for Weakly Supervised Volumetric Segmentation: Temporal Coherence as a Free Lunch [31.156115062163412]
  弱教師付きセグメンテーションは、最初にターゲット領域をローカライズするためにクラスアクティベーションマップ(CAM)に大きく依存している。 既存の治療法は、通常、追加のトレーニングステージやプロトタイプ学習を導入し、計算コストを増大させ、堅牢性を低下させる。 本研究では, 容積データの時間的・構造的コヒーレンスをフリーランチとして利用することにより, 信頼できないCAMを修正できる, トレーニング不要なプロトタイプフリーフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-22T08:07:38Z)
• TRIDENT: Breaking the Hybrid-Safety-Physics Coupling for Provably Safe Multi-Agent Reinforcement Learning [26.128298844361183]
  3つの特徴が有向バイアスのサイクルを形成し、既製のモジュールの素な構成を損なうことを示す。 3つのコンポーネントを共同設計して各リークをキャンセルする,最初のMARLフレームワークであるTRIDENTを紹介する。 マルチUAVモバイルエッジコンピューティング、自律交叉管理、ハイブリッドSMACでは、TRIDENTはトレーニング時間違反をMADDPGで95.5%、MACPOで76.3%削減している。
  論文  参考訳（メタデータ） (2026-06-16T07:41:43Z)
• SDS-LoRA: Overcoming Anisotropic Gradient Scaling in Low-Rank Adaptation [64.33799467286265]
  Low-Rank Adaptation (LoRA)は、大規模な事前訓練されたモデルの下流タスクへの効率的な適応を可能にする。 完全な微調整勾配が低ランク行列に逆伝播すると,その特異値によって誘導される異方性スケーリングを受けることを示す。 本稿では,後方パスから特異値を構造的に分離する新しい低ランクパラメータ化SDS-LoRAを提案する。
  論文  参考訳（メタデータ） (2026-06-15T09:27:50Z)
• High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
  スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。 固定復号器用の潜時空間スピングラス辞書を定式化する。 トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
  論文  参考訳（メタデータ） (2026-05-23T06:17:23Z)
• Immunizing 3D Gaussian Generative Models Against Unauthorized Fine-Tuning via Attribute-Space Traps [54.68389949880821]
  本稿では,3次元生成モデルを微調整攻撃から守るためのフレームワークであるGaussLockを提案する。 GassLockは、認可された蒸留と、位置、スケール、回転、不透明度、色をターゲットにした属性対応トラップ損失を統合する。 実験により、ガウスロックは無許可の微調整攻撃を効果的に中和することが示された。
  論文  参考訳（メタデータ） (2026-04-06T09:30:49Z)
• K-GMRF: Kinetic Gauss-Markov Random Field for First-Principles Covariance Tracking on Lie Groups [8.489406212619164]
  共分散追跡のためのオンライン学習自由フレームワークK-GMRFを提案する。 本手法は, 構造保存型シンプレクティックインテグレータにより伝搬される潜在角速度を駆動するトルクとして観測を解釈する。 理論的には、この2階の力学が一定回転下でゼロ定常誤差を達成することを証明している。
  論文  参考訳（メタデータ） (2026-03-20T03:16:36Z)
• Beyond Reward Suppression: Reshaping Steganographic Communication Protocols in MARL via Dynamic Representational Circuit Breaking [0.0]
  監視を回避するためのプライベートプロトコルを開発するエージェントによるステガノグラフィーの共謀は、AIの安全性に重大な脅威をもたらす。 既存の防御は行動層や報酬層に限られており、潜伏する通信路での調整を検知できない。 本稿では,動的表現回路ブレーカ(DRCB)について紹介する。
  論文  参考訳（メタデータ） (2026-03-07T04:14:38Z)
• BadCLIP++: Stealthy and Persistent Backdoors in Multimodal Contrastive Learning [73.46118996284888]
  マルチモーダル・コントラスト学習モデルに対するバックドア攻撃の研究は、ステルスネスと永続性という2つの大きな課題に直面している。 両課題に対処する統合フレームワークであるBadCLIP++を提案する。 ステルスネスのために,タスク関連領域付近に知覚不可能なパターンを埋め込むセマンティックフュージョンQRマイクロトリガーを導入する。 持続性については、半径縮小とセントロイドアライメントによるトリガ埋め込みを安定化する。
  論文  参考訳（メタデータ） (2026-02-19T08:31:16Z)
• Perturbation-Invariant Adversarial Training for Neural Ranking Models: Improving the Effectiveness-Robustness Trade-Off [107.35833747750446]
  正統な文書に不可避な摂動を加えることで 敵の例を作れます この脆弱性は信頼性に関する重大な懸念を生じさせ、NRMの展開を妨げている。 本研究では,NRMにおける有効・損耗トレードオフに関する理論的保証を確立する。
  論文  参考訳（メタデータ） (2023-12-16T05:38:39Z)

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。