用于自动化漏洞测试的时间约束智能对抗者：多机器人巡逻案例研究
机器人学
2025-09-16 v1 人工智能
密码学与安全
摘要
模拟物理自主系统的敌对攻击可以是检验其抗攻击鲁棒性并指导面向漏洞感知设计的有效工具。在本工作中，我们通过多机器人巡逻的视角进行研究，提出一种基于机器学习的对抗者模型，该模型观测机器人巡逻行为以在有限时间范围内尝试在不被检测的情况下获得对安全环境的访问。此类模型使得巡逻系统能够针对真实的潜在对抗者进行评估，为未来巡逻策略设计提供洞见。我们表明新模型优于现有基线，从而提供了更严格的测试，并考察了其在多种领先的分布式多机器人巡逻策略上的性能。
引用
@article{arxiv.2509.11971,
title = {Time-Constrained Intelligent Adversaries for Automation Vulnerability Testing: A Multi-Robot Patrol Case Study},
author = {James C. Ward and Alex Bott and Connor York and Edmund R. Hunt},
journal= {arXiv preprint arXiv:2509.11971},
year = {2025}
}