PGN：一种针对深度强化学习的扰动生成网络
机器学习
2023-12-21 v1 人工智能
摘要
深度强化学习已取得巨大进步并应用于许多领域。在本文中，我们通过提出一种 novel 生成模型来探索深度强化学习的脆弱性，该模型用于创建有效的对抗样本来攻击智能体。我们提出的模型既能实现定向攻击，也能实现非定向攻击。考虑到深度强化学习的特殊性，我们提出了动作一致性比率作为隐蔽性的度量，以及一种新的有效性和隐蔽性测量指标。实验结果表明，与其他算法相比，我们的方法能确保攻击的有效性和隐蔽性。此外，我们的方法速度显著更快，因此能够实现对深度强化学习脆弱性的快速高效验证。
引用
@article{arxiv.2312.12904,
title = {PGN: A perturbation generation network against deep reinforcement learning},
author = {Xiangjuan Li and Feifan Li and Yang Li and Quan Pan},
journal= {arXiv preprint arXiv:2312.12904},
year = {2023}
}