基于神经虚拟自博弈求解大规模扩展式网络安全博弈
人工智能
2021-06-03 v1 计算机科学与博弈论
机器学习
多智能体系统
摘要
保护网络基础设施在现实世界中十分重要。在网络化领域中部署安全资源以防御攻击者的问题可建模为网络安全博弈（NSGs）。遗憾的是，包括基于深度学习的方法在内的现有方法，在求解大规模扩展式 NSGs 时效率低下。本文提出一种新颖的学习范式 NSG-NFSP，基于神经虚拟自博弈（NFSP）求解大规模扩展式 NSGs。我们的主要贡献包括：i) 将 NFSP 中的最优响应（BR）策略网络重构为从动作-状态对到动作价值的映射，以使在 NSGs 中计算 BR 成为可能；ii) 将 NFSP 智能体的平均策略网络转换为基于度量的分类器，帮助智能体仅在合法动作而非所有动作上分配分布；iii) 为 NFSP 引入高层动作，从而提升 NSGs 中的训练效率与稳定性；iv) 通过学习高效的图节点嵌入，利用 NSGs 图中包含的信息。我们的算法在可扩展性与解质量上均显著优于最先进的算法。
引用
@article{arxiv.2106.00897,
title = {Solving Large-Scale Extensive-Form Network Security Games via Neural Fictitious Self-Play},
author = {Wanqi Xue and Youzhi Zhang and Shuxin Li and Xinrun Wang and Bo An and Chai Kiat Yeo},
journal= {arXiv preprint arXiv:2106.00897},
year = {2021}
}
备注
Published as a conference paper in IJCAI 2021