基于学习的平行服务器系统防御：面向恶意攻击的成本感知防御
系统与控制
2025-07-18 v1 系统与控制
摘要
我们考虑平行服务器系统的网络-物理安全问题，这与诸多工程应用相关，如网络、制造和交通。这些系统依赖反馈控制，因此可能面临拒绝服务、数据伪造和指令操纵等恶意攻击。本文发展一种学习算法，用于计算防御策略，以平衡防御行动的技术成本和网络攻击导致的性能降低。我们考虑零和马尔可夫安全游戏。我们发展一种近似 minimax-Q 学习算法，有效计算该游戏的均衡，从而获得一种成本感知的防御策略。该算法使用针对系统结构量身定制的可解释线性函数逼近。我们表明，在温和假设下，该算法以概率 1 收敛于近似马尔可夫完美均衡。我们首先使用 Lyapunov 方法来处理由于状态空间无界而导致的 unbounded 时间差误差。随后使用常数微分方程方法来建立收敛性。仿真结果表明，我们的算法比代表性神经网络方法收敛快约 50 倍， optimality gap 在 4%--8% 之间，取决于线性逼近器的复杂度和平行服务器的数量。
引用
@article{arxiv.2507.12975,
title = {Learning-Based Cost-Aware Defense of Parallel Server Systems against Malicious Attacks},
author = {Yuzhen Zhan and Li Jin},
journal= {arXiv preprint arXiv:2507.12975},
year = {2025}
}