社会学习中恶意智能体的检测
社会与信息网络
2024-06-26 v4 多智能体系统
信号处理
摘要
非贝叶斯社会学习是一种用于分布式假设检验的框架，旨在学习环境的真实状态。传统上，假设智能体接收到以相同真实状态为条件的观测值，尽管也可以考察图中模型异构的情况。一个重要的特例是当异构性由恶意智能体的存在引起时，其目标是将智能体引向错误的假设。在这项工作中，我们提出了一种算法，能够基于每个智能体的信念序列来发现其各自的真实状态。通过这样做，该方法也能够定位恶意行为。
引用
@article{arxiv.2403.12619,
title = {Detection of Malicious Agents in Social Learning},
author = {Valentina Shumovskaia and Mert Kayaalp and Ali H. Sayed},
journal= {arXiv preprint arXiv:2403.12619},
year = {2024}
}