安全博弈中攻击者有限理性模型的学习
计算机科学与博弈论
2022-08-16 v1 神经与进化计算
摘要
本文提出一种新颖的神经进化方法（NESG）用于计算 Stackelberg 安全博弈中领导者的收益。NESG 的核心为策略评估神经网络（SENN）。SENN 能够有效评估领导者策略对抗可能因特定认知偏差或局限而以非完全理性方式行事的对手。SENN 基于历史数据训练，不需要关于跟随者目标偏好、收益分布或有限理性模型的任何直接先验知识。NESG 在一组受现实网络安全场景（称为深度包检测）启发的 90 个基准博弈上进行了测试。实验结果表明，当对抗非完全理性对手时，应用 NESG 相比现有最先进方法具有优势。该方法提供高质量解并具有优越的计算时间可扩展性。由于 NESG 的通用且无知识构造，该方法可应用于各种现实安全场景。
引用
@article{arxiv.2109.13036,
title = {Learning Attacker's Bounded Rationality Model in Security Games},
author = {Adam Żychowski and Jacek Mańdziuk},
journal= {arXiv preprint arXiv:2109.13036},
year = {2022}
}