通过策略约束随机化（CRoP）缓解对抗策略模仿
机器学习
2021-10-01 v1 人工智能
摘要
深度强化学习（DRL）策略易受未授权复制攻击，即对手利用模仿学习从观测行为中复现目标策略。本文提出策略约束随机化（CRoP）作为一种针对此类攻击的缓解技术。CRoP在性能损失约束下随机执行次优动作。我们对CRoP进行了参数分析，探讨了CRoP的最优性，并建立了对抗预算与损失期望的理论界。此外，我们在对抗模仿下的Atari环境中报告了CRoP的实验评估，证明了我们所提方法针对策略复制攻击的有效性与可行性。
引用
@article{arxiv.2109.14678,
title = {Mitigation of Adversarial Policy Imitation via Constrained Randomization of Policy (CRoP)},
author = {Nancirose Piazza and Vahid Behzadan},
journal= {arXiv preprint arXiv:2109.14678},
year = {2021}
}
备注
5 pages not including references; 7 figures; more figures in supplements