金丝雀与哨声：具有（或不具有）深度强化学习的弹性无人机通信网络
密码学与安全
2023-12-11 v1 人工智能
机器学习
摘要
能够抵御恶劣环境的通信网络对于救灾行动至关重要。在本文中，我们考虑一个具有挑战性的场景，其中无人机在供应链中、在其制造过程中已被攻陷，并藏有能够造成广泛且具传染性破坏的恶意软件。我们研究多智能体深度强化学习，将其作为一种工具，用于学习在持续对抗性干扰下最大化通信带宽的防御策略。利用一个用于学习网络弹性策略的公开挑战，我们提出了一种最先进的专家技术，并研究了其相对于深度强化学习智能体的优越性。相应地，我们确定了三种具体方法来提高我们基于学习的智能体的性能：(1) 确保每个观测包含必要的信息，(2) 使用专家智能体提供学习课程，以及 (3) 密切关注奖励。我们应用了我们的方法，并提出了一种新的混合策略，使专家智能体和基于学习的智能体能够协同工作，并改进了所有先前的结果。
引用
@article{arxiv.2312.04940,
title = {Canaries and Whistles: Resilient Drone Communication Networks with (or without) Deep Reinforcement Learning},
author = {Chris Hicks and Vasilios Mavroudis and Myles Foley and Thomas Davies and Kate Highnam and Tim Watson},
journal= {arXiv preprint arXiv:2312.04940},
year = {2023}
}
备注
Published in AISec '23. This version fixes some terminology to improve readability