当评论家意见相左：RIS 辅助无线控制系统中的自适应奖励投毒攻击
机器学习
2026-05-20 v1 人工智能
摘要
奖励投毒攻击对基于学习的无线控制系统构成重大风险。鉴于此，我们提出了一种针对 Soft Actor-Critic (SAC) 智能体的分歧引导奖励投毒 (DGRP) 自适应攻击。在由可重构智能表面 (RIS) 辅助的认知无线电网络 (CRN) 环境中，SAC 智能体的任务是通过同时优化次级用户 (SU) 发射器的传输功率和 RIS 相移，来最大化次级用户的长期速率。DGRP 破坏奖励，尤其是在 SAC 双评论家表现出显著分歧时——特别是在高杠杆、高不确定性状态下——导致价值估计失真，并引导策略走向次优动作。我们的研究结果表明，DGRP 显著削弱了 RIS 通常提供的性能改进，并降低了传输质量。我们进一步研究了关键攻击参数，并确定了它们对学习的影响。与周期性定时和探索触发的基线攻击相比，DGRP 始终造成更大的损害，这凸显了在评估 RIS 辅助网络中深度强化学习 (DRL) 的鲁棒性时，考虑感知分歧的威胁的必要性。
引用
@article{arxiv.2605.20037,
title = {When Critics Disagree: Adaptive Reward Poisoning Attacks in RIS-Aided Wireless Control System},
author = {Deemah H. Tashman and Soumaya Cherkaoui},
journal= {arXiv preprint arXiv:2605.20037},
year = {2026}
}