基于Q学习的随机布尔控制网络最优虚假数据注入攻击
系统与控制
2023-11-30 v1 密码学与安全
机器学习
系统与控制
摘要
本文提出一种强化学习（RL）方法，用于解决攻击者缺乏系统模型知识的随机布尔控制网络（PBCN）中的最优虚假数据注入攻击问题。具体而言，我们采用Q学习（QL）算法来处理该问题。随后，我们提出了一种改进的QL算法，不仅提升了学习效率，还能为大规模PBCN求得标准QL算法无法处理的最优攻击策略。最后，我们通过考虑两个受攻击的PBCN（包括一个10节点网络和一个28节点网络）验证了所提方法的有效性。
引用
@article{arxiv.2311.17631,
title = {Q-learning Based Optimal False Data Injection Attack on Probabilistic Boolean Control Networks},
author = {Xianlun Peng and Yang Tang and Fangfei Li and Yang Liu},
journal= {arXiv preprint arXiv:2311.17631},
year = {2023}
}