动态信道接入与功率控制中的对抗性强化学习
机器学习
2021-05-13 v1 信息论
math.IT
摘要
深度强化学习（DRL）最近被用于无线通信中的高效资源分配。本文研究了此类DRL智能体对对抗性攻击的脆弱性。具体而言，我们考虑多个在无线干扰信道中同时执行动态信道接入和功率控制的DRL智能体。针对这些受害DRL智能体，我们设计了一个同样基于DRL的干扰机。我们提出了一种利用侦听阶段的对抗性干扰攻击方案，该方案显著降低了用户的总速率。随后，我们开发了一种集成策略防御方法，通过重新加载（在重训练期间保存的）具有最小转移相关性的模型来对抗此类干扰攻击。
引用
@article{arxiv.2105.05817,
title = {Adversarial Reinforcement Learning in Dynamic Channel Access and Power Control},
author = {Feng Wang and M. Cenk Gursoy and Senem Velipasalar},
journal= {arXiv preprint arXiv:2105.05817},
year = {2021}
}