安全博弈中对手行为的端到端博弈聚焦学习
计算机科学与博弈论
2020-06-24 v2 机器学习
摘要
Stackelberg 安全博弈是最大化有限防御资源效用、保护重要目标免受智能对手攻击的关键工具。受绿色安全的启发——其中防御者可能只能在有限的目标集上观察到对手对防御的反应——我们研究了学习一种能够很好地泛化到具有新特征值和组合的新目标集的防御策略的问题。传统上，该问题通过两阶段方法解决，即在不考虑防御者优化问题的情况下训练对手模型以最大化预测准确性。我们开发了一种端到端的博弈聚焦方法，其中对手模型的训练旨在最大化防御者期望效用的替代函数。我们在理论和实验结果中均表明，当数据有限时，我们的博弈聚焦方法比两阶段方法实现了更高的防御者期望效用。
引用
@article{arxiv.1903.00958,
title = {End-to-End Game-Focused Learning of Adversary Behavior in Security Games},
author = {Andrew Perrault and Bryan Wilder and Eric Ewing and Aditya Mate and Bistra Dilkina and Milind Tambe},
journal= {arXiv preprint arXiv:1903.00958},
year = {2020}
}
备注
Appeared at AAAI 2020