威胁下的强化学习
机器学习
2019-10-28 v2 人工智能
密码学与安全
机器学习
摘要
在若干强化学习（RL）场景中，主要是在安全环境下，可能存在试图干扰奖励生成过程的对手。本文引入威胁马尔可夫决策过程（TMDPs），为 RL 中决策制定者抵御潜在对手提供支持框架。此外，我们提出了一种 level- 思维方案，由此产生一种处理 TMDPs 的新学习框架。在介绍我们的框架并推导理论结果后，通过大量实验给出了相关经验证据，表明在智能体学习过程中考虑对手的益处。
关键词
引用
@article{arxiv.1809.01560,
title = {Reinforcement Learning under Threats},
author = {Victor Gallego and Roi Naveiro and David Rios Insua},
journal= {arXiv preprint arXiv:1809.01560},
year = {2019}
}
备注
Extends the verson published at the Proceedings of the AAAI Conference on Artificial Intelligence 33, https://www.aaai.org/ojs/index.php/AAAI/article/view/5106