对线性上下文老虎机的高效动作投毒攻击
机器学习
2021-12-13 v1 密码学与安全
最优化与控制
机器学习
摘要
上下文老虎机算法在多种场景中有许多应用。为了开发可信的上下文老虎机系统,理解各种对抗攻击对上下文老虎机算法的影响至关重要。本文提出了一类新的攻击:动作投毒攻击,其中 adversary 可以改变智能体所选的动作信号。我们针对线性上下文老虎机算法在白盒和黑盒两种设定下设计了动作投毒攻击方案。我们进一步分析了所提攻击策略对于一种非常流行且广泛使用的老虎机算法LinUCB的代价。我们表明,在白盒和黑盒设定下,所提攻击方案仅需付出对数级别的代价即可迫使LinUCB智能体非常频繁地拉动目标臂。
引用
@article{arxiv.2112.05367,
title = {Efficient Action Poisoning Attacks on Linear Contextual Bandits},
author = {Guanlin Liu and Lifeng Lai},
journal= {arXiv preprint arXiv:2112.05367},
year = {2021}
}