基于离-policy 学习的内曲威胁自适应缓解
最优化与控制
2026-04-01 v1
摘要
内曲者是指在看似合作的同时暗中偏离团队最优协作策略以追求个人目标的团队成员。这种内曲者可能最初表现得合作，但随后切换为自私或恶意行为，从而降低集体绩效、威胁任务成功并危及操作安全。在本文中，我们在内曲意识、博弈论公式中研究此类内曲威胁，内曲者在连续时间切换系统中与决策者（DM）互动，每个时间区间都 characterized 为不同的内曲行为模式或威胁等级。我们发展出一种周期性离-policy 缓解方案，使 DM 能够从在线数据中学习最优缓解策略，而无需提前知道内曲者的意图。通过对学习区间时间设计适当条件，我们为学习过程和闭环系统建立了收敛保证，并刻画了DM 实现的相应缓解性能。
关键词
引用
@article{arxiv.2603.29594,
title = {Adaptive Mitigation of Insider Threats via Off-Policy Learning},
author = {Gehui Xu and Kaiwen Chen and Zhong-Ping Jiang and Thomas Parisini and Andreas A. Malikopoulos},
journal= {arXiv preprint arXiv:2603.29594},
year = {2026}
}