論文の概要: A Hidden Markov Preference Model for Online Prediction of Adversary Actions

• arxiv url: http://arxiv.org/abs/2611.08445v1
• Date: Thu, 05 Nov 2026 18:37:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-07 04:55:13.625087
• Title: A Hidden Markov Preference Model for Online Prediction of Adversary Actions
• Title（参考訳）: 逆行動のオンライン予測のための隠れマルコフ予測モデル
• Abstract要約: 攻撃者を予測するディフェンダーは、攻撃者がその行動が起こる前に利用可能な情報から攻撃者の次の行動に対する確率分布を必要とする。 我々は、隠れマルコフモデルにおいて、潜在状態が活性状態であり、かつ、状態条件付き行動法則が実行可能行動の可能な木上で定義される。 我々は、状態情報に対するリーチ重み付きノードワイドKL式、状態パスを切り替えるためのシーケンスワイドログロスバウンド、均一なフォールバック保証を導出する。
• 参考スコア（独自算出の注目度）: 10.915253967400346
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: A defender anticipating an attacker needs a probability distribution over the attacker's next action from information available before that action occurs. Two structures complicate this: the attacker's behavioral regime persists and can switch within an episode, and each action combines an operation with state-dependent arguments whose feasible values change over time. We capture both with a hidden Markov model whose latent state is the active regime and whose regime-conditioned action law is defined on a feasibility-masked tree of executable actions. The same likelihood forms the next-action distribution and updates the regime belief once the action is seen, and a partially observed prefix contributes its resolved local factors. Estimation separates into convex logistic fits that Baum-Welch reuses when regimes are unlabeled. We derive a reach-weighted nodewise KL expression for regime information, a sequence-wise log-loss bound for switching regime paths, and a uniform fallback guarantee. On the CAGE 2 cyber defense benchmark the filtered latent state is worth 0.8 nats per step, and after a controller switch the loss begins to fall in three steps against ten for a recurrent baseline.
• Abstract（参考訳）: 攻撃者を予測するディフェンダーは、攻撃者がその行動が起こる前に利用可能な情報から攻撃者の次の行動に対する確率分布を必要とする。 攻撃者の行動状態は持続し、エピソード内で切り替えることができ、各アクションは操作と、実行可能な値が時間とともに変化する状態依存の引数を結合する。 我々は、隠れマルコフモデルにおいて、潜在状態が活性状態であり、かつ、状態条件付き行動法則が実行可能行動の可能な木上で定義される。 同じ可能性が次の行動分布を形成し、行動が見られたときに体制的信念を更新し、部分的に観察された前置詞がその解決された局所的要因に寄与する。 推定は、レジームがラベル付けされていないときにBaum-Welchが再利用する凸ロジスティック適合に分離する。 我々は、状態情報に対するリーチ重み付きノードワイドKL式、状態パスを切り替えるためのシーケンスワイドログロスバウンド、均一なフォールバック保証を導出する。 CAGE 2のサイバー防御ベンチマークでは、フィルタリングされた潜伏状態は1ステップあたり0.8ナットの価値があり、コントローラがスイッチすると、リカレントベースラインに対して10ステップに低下し始める。

関連論文リスト

• Unifying Policy Learning and State Prediction through Spatial Language Modeling [52.172884936392535]
  本研究では,シーンの輪郭,目標,行動目標,将来の状態を個別座標と意味トークンの共通語彙で表現する空間言語モデリングを提案する。 タスク固有の文法はこれらの要素を空間配列に整理し、1つの自己回帰変換器が行動生成と行動条件付き状態予測を学習できるようにする。 ランダム・プレイ・トランジション・プレトレーニングを駆使してモデルをスクラッチからトレーニングし、その後、専門家によるデモンストレーションで共同動作と状態トレーニングを行う。
  論文  参考訳（メタデータ） (2026-10-08T15:43:08Z)
• Self-Confirming Superposition Traps in Reinforcement Learning [62.71685993550818]
  強化学習はエージェントのポリシーによって選択されたデータに基づいて表現し、その結果のリターンを使って次の選択を導く。 これらのデータに対して表現フィッティングがグローバルに最適である場合でも,このループは低リターンポリシーを維持可能であることを示す。
  論文  参考訳（メタデータ） (2026-09-26T21:56:26Z)
• Recommendation World Models for Future-State Control [53.191633845200876]
  我々は、訓練されたランク付け者が将来の結果についての意思決定を支援する方法について研究する。 UA-TWM(UA-TWM)は,近傍のスレート動作を構成するユーティリティアンコールなワールドモデルインタフェースである。 本研究は,MovieLens-25MとKuaiRand-Pureにおける12の逐次バックボーン間の移動と,KuaiSimにおけるターゲット指向インタラクションの繰り返しを評価する。
  論文  参考訳（メタデータ） (2026-09-25T02:37:48Z)
• ActionPiece: Rethinking Action Tokenization for Autoregressive Vision-Language-Action Models [40.14720118215973]
  アクショントークンーは自己回帰視覚アクション(VLA)モデルにおいて中心的な役割を果たす。 トークン化が再建後の局所的物理的距離ランキングをどれだけよく保存するかを測定するために,身体的ランクの整合性(PRC)を導入する。 本稿では,表現学習と量子化の連携による身体行動関係の保存を行うActionPieceを提案する。
  論文  参考訳（メタデータ） (2026-09-16T11:19:54Z)
• Orthogonal JEPA: Factorized Predictive States for Latent World Models [95.20158869896393]
  予測因数分解に基づく潜在的世界モデリングフレームワークであるメソッドを導入する。 そこで本研究では,予測構造を弱め,あるいは矛盾する勾配を抑えつつ,冗長なキャパシティを支配的信号に割り当てる手法を提案する。 制御された視覚、単細胞転写学、縦断的な健康記録、連続的な制御、分子動力学の実験は、表現品質、予測、計画、長期安定性を評価する。
  論文  参考訳（メタデータ） (2026-08-20T13:59:57Z)
• Benchmarking Cyberattack Detection in Electric Vehicle Charging Infrastructure with Benign User Updates [3.9286216777643737]
  電気自動車の充電インフラにおけるサイバー攻撃検出は、要求されたエネルギーと出発時間に対する正常な動作後の修正によって複雑である。 本稿では, 実適応充電ネットワーク(ACN)セッションの入力順序を保存するための, リーク制御されたセッションレベルベンチマークを開発する。 固定プールは、生成された各攻撃をソースセッションの分割に保持し、物理的に動機付けられた6つの攻撃とその調整されたバリエーションを含む。
  論文  参考訳（メタデータ） (2026-08-11T14:50:24Z)
• What Can Be Enforced? A Theory of Certified Runtime Safety for Tool-Using Agents [0.0]
  ガードレールは不可逆のツールコールの前に動作しますが、その保証は、どのポリシー状態が表現可能であるかによって異なります。 ピアソン表現攻撃はマージンを増すので、良性校正だけでは移動しない。 実験は静的診断、制御モデル列挙、表現書き直し、ペア化された閉ループ再実行を通じてこれらの区別を目標とする。
  論文  参考訳（メタデータ） (2026-07-24T19:14:26Z)
• Probabilistic Recurrent Intention Switching Model [8.25071593831945]
  逆強化学習(IRL)は、観察された行動から報酬関数を回復するが、伝統的な手法では、エピソード内でゴール切替を捉えることができない単一の定常報酬を仮定する。 近年のマルチインテンションIRL法は、トラジェクトリをセグメント化することでこの問題に対処しているが、モデル意図の遷移はメモリレスマルコフ連鎖または固定された履歴ウィンドウによる手動状態拡張のいずれかである。 本稿では,観測履歴をステップごとの意図分布にマッピングする軽量なリカレントネットワークを両機構に置き換える確率的リカレントインテンションスイッチングモデル(PRISM)を提案する。
  論文  参考訳（メタデータ） (2026-05-26T13:19:00Z)
• Compiling Activation Steering into Weights via Null-Space Constraints for Stealthy Backdoors [48.881343993730844]
  安全性に整合した大規模言語モデル(LLM)は、現実世界のパイプラインにますますデプロイされている。 敵は通常の評価では動作しないバックドアのチェックポイントを配布することができる。 最近のポストホック重み付け法は、そのようなバックドアを注入するための効率的なアプローチを提供する。
  論文  参考訳（メタデータ） (2026-04-14T06:48:33Z)
• Quantifying Self-Preservation Bias in Large Language Models [9.590157416396194]
  本稿では,emphTwo-role Benchmark for Self-Preservationを紹介する。 役割アイデンティティが客観的ユーティリティを過度に上回る頻度を測定する。 我々は,低改善体制下では,モデルが解釈スラックを利用してポストホック合理化を行うのを観察する。
  論文  参考訳（メタデータ） (2026-04-02T15:38:31Z)
• A Self-supervised Approach for Adversarial Robustness [105.88250594033053]
  敵対的な例は、ディープニューラルネットワーク(DNN)ベースの視覚システムにおいて破滅的な誤りを引き起こす可能性がある。 本稿では,入力空間における自己教師型対向学習機構を提案する。 これは、反逆攻撃に対する強力な堅牢性を提供する。
  論文  参考訳（メタデータ） (2020-06-08T20:42:39Z)

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。