論文の概要: Beyond Reward Suppression: Near-Optimal Offline Attacks on Warm-Start Bandits with Bounded Rewards

• arxiv url: http://arxiv.org/abs/2610.10000v1
• Date: Wed, 07 Oct 2026 12:57:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 21:58:22.912488
• Title: Beyond Reward Suppression: Near-Optimal Offline Attacks on Warm-Start Bandits with Bounded Rewards
• Title（参考訳）: ワーム・スタート・バンドへのほぼ最適なオフライン攻撃とバウンド・リワードによるリワード抑制
• Abstract要約: 盗賊に対する敵の攻撃は、攻撃コストを小さく抑えながら、学習者を標的の腕に向かって誤認することを目的としている。 我々は,このギャップを,攻撃者が暖房開始前の履歴に有効なアクション・リワード・ペアのみを注入できる,暖房開始バンディットに対する有界オフライン攻撃を通じて検討する。 ターゲットアームが低い報酬境界付近にある場合、ほとんど全てのオンラインラウンドで選択されたUPBに対するオーダー・最適コスト攻撃は、ターゲットアームにそのコストの何分の一も、その費用を割り当てなければならない。
• 参考スコア（独自算出の注目度）: 8.260898748032352
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Adversarial attacks on bandits aim to mislead a learner toward a target arm while keeping the attack cost small. Existing attacks typically achieve this by suppressing non-target arms. In practice, however, manipulation such as fake reviews often directly promotes the target item. We study this gap through bounded offline attacks on warm-start bandits, where an attacker can inject only valid action-reward pairs into the warm-start history before deployment. We show that target promotion is not merely a heuristic: when the target arm lies near the lower reward boundary, any order-optimal-cost attack against UCB that makes it selected in nearly all online rounds must allocate a nonvanishing fraction of its cost to the target arm. We then design an attack that achieves the optimal sublinear cost and characterize its allocation between target promotion and non-target suppression. We further extend the attack to Thompson Sampling, $ε$-greedy, and a broader class of bandit algorithms. Experiments on real-world and synthetic data validate the effectiveness of our attacks.
• Abstract（参考訳）: 盗賊に対する敵対的攻撃は、攻撃コストを小さく保ちながら、学習者を標的の腕に向かって誤認することを目的としている。 既存の攻撃は、通常、標的でない武器を抑えることでこれを達成している。 しかし実際には、偽レビューなどの操作は、しばしばターゲットアイテムを直接促進する。 我々は,このギャップを,攻撃者が暖房開始前の履歴に有効なアクション・リワード・ペアのみを注入できる,暖房開始バンディットに対する有界オフライン攻撃を通じて検討する。 ターゲットアームが低い報酬境界付近にある場合、ほとんど全てのオンラインラウンドで選択されたUCBに対するオーダー・最適コスト攻撃は、ターゲットアームにそのコストの何分の一もを割り当てなければならない。 次に、最適なサブ線形コストを達成する攻撃を設計し、ターゲットのプロモーションと非ターゲットの抑制の割り当てを特徴付ける。 我々はさらに、Thompson Sampling、$ε$-greedy、およびより広範な帯域幅アルゴリズムに攻撃を拡大する。 実世界および合成データの実験は、我々の攻撃の有効性を検証する。

関連論文リスト

• The Attacker Moves Second: Stronger Adaptive Attacks Bypass Defenses Against Llm Jailbreaks and Prompt Injections [74.60337113759313]
  現在のジェイルブレイクとプロンプトインジェクションに対する防御は、通常、有害な攻撃文字列の静的セットに対して評価される。 我々は,この評価プロセスに欠陥があることを論じる。代わりに,攻撃戦略を明示的に修正したアダプティブアタッカーに対する防御を,防衛設計に対抗して評価すべきである。
  論文  参考訳（メタデータ） (2025-10-10T05:51:04Z)
• Adversarial Attacks on Cooperative Multi-agent Bandits [41.79235070291252]
  本研究は,CMA2Bに対する不均質および不均質な環境下での敵攻撃について検討する。 均質な設定では、各エージェントが特定のターゲットアームを$T-o(T)$倍選択し、$o(T)$攻撃コストを$T$ラウンドで発生させる攻撃戦略を提案する。 不均質な環境では、標的アーム攻撃が線形攻撃コストを必要とすることを証明し、少数の標的エージェントの観測のみを操作しながら、最大数のエージェントに線形後悔を強いる攻撃戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-03T04:03:19Z)
• The Best Defense is a Good Offense: Adversarial Augmentation against Adversarial Attacks [91.56314751983133]
  A5$は、手元の入力に対する攻撃が失敗することを保証するために防御的摂動を構築するためのフレームワークである。 我々は,地上の真理ラベルを無視するロバスト化ネットワークを用いて,実機での防御強化を効果的に示す。 また、A5$を適用して、確実に堅牢な物理オブジェクトを作成する方法も示します。
  論文  参考訳（メタデータ） (2023-05-23T16:07:58Z)
• Adversarial Attacks on Adversarial Bandits [10.891819703383408]
  攻撃者は,任意の非相対的帯域幅アルゴリズムをミスリードして,準最適目標アームを選択することができることを示す。 この結果は、現実世界の盗賊ベースのシステムにおける重要なセキュリティ上の懸念を意味する。
  論文  参考訳（メタデータ） (2023-01-30T00:51:39Z)
• Reward Delay Attacks on Deep Reinforcement Learning [26.563537078924835]
  本稿では,この仮定に係わる脆弱性を利用したQ-ラーニングを対象とする新たな攻撃手法を提案する。 我々は,標的政策の学習を目的とした標的攻撃と,報酬の低い政策の誘導を目的とした未目標攻撃の2つのタイプの攻撃目標を検討する。
  論文  参考訳（メタデータ） (2022-09-08T02:40:44Z)
• When Are Linear Stochastic Bandits Attackable? [47.25702824488642]
  本稿では,$k$のリニアバンディット環境の攻撃性について検討する。 本稿では,LinUCBとロバスト位相除去に対する2段階攻撃法を提案する。
  論文  参考訳（メタデータ） (2021-10-18T04:12:09Z)
• RayS: A Ray Searching Method for Hard-label Adversarial Attack [99.72117609513589]
  我々は、レイサーチ攻撃(RayS)を提案し、これはハードラベル攻撃の有効性と効率を大幅に改善する。 モデルの正当性チェックとしても使用できる。
  論文  参考訳（メタデータ） (2020-06-23T07:01:50Z)
• Action-Manipulation Attacks Against Stochastic Bandits: Attacks and Defense [45.408568528354216]
  我々はアクション・マニピュレーション・アタックと呼ばれる新しいタイプの攻撃を導入する。 この攻撃では、相手が選択したアクション信号を変更することができる。 このような攻撃に対して防御するために,アクション操作攻撃に対して堅牢な新しいアルゴリズムを導入する。
  論文  参考訳（メタデータ） (2020-02-19T04:09:15Z)
• Deflecting Adversarial Attacks [94.85315681223702]
  我々は、攻撃者が攻撃対象クラスに似た入力を生成することによって、敵攻撃を「防御」するこのサイクルを終わらせる新しいアプローチを提案する。 本稿ではまず,3つの検出機構を組み合わせたカプセルネットワークに基づくより強力な防御手法を提案する。
  論文  参考訳（メタデータ） (2020-02-18T06:59:13Z)

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。