文献

J-GLOBAL ID：202102279541262727   整理番号：21A0443234

フリップ攻撃検出のための強化学習ベースアプローチ【JST・京大機械翻訳】

Reinforcement Learning Based Approach for Flip Attack Detection

著者 (5件)： Liu Hanxiao (Nanyang Technological University,School of Electrical and Electronic Engineering,Singapore) ,  Li Yuchao (KTH Royal Institute of Technology,Division of Decision and Control Systems, the School of Electrical Engineering and Computer Science,Sweden) ,  Martensson Jonas (KTH Royal Institute of Technology,Division of Decision and Control Systems, the School of Electrical Engineering and Computer Science,Sweden) ,  Xie Lihua (Nanyang Technological University,School of Electrical and Electronic Engineering,Singapore) ,  Johansson Karl Henrik (KTH Royal Institute of Technology,Division of Decision and Control Systems, the School of Electrical Engineering and Computer Science,Sweden)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CDC  ページ： 3212-3217  発行年： 2020年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,攻撃者が二値状態の操作センサ測定の分布をフリップするセンサネットワークシステムに対するフリップ攻撃の検出問題に取り組んだ。検出器は,観測を継続し,センサ測定に基づいて停止することを決定し,その目標は,攻撃が存在しないときに測定の停止を避けながら,できるだけ速く認識されるフリップ攻撃を有することである。検出問題は,確率的最短経路(SSP)問題によって特徴づけられたPOMDPの隠れ状態のダイナミクスによって,攻撃確率を仮定することによって,部分的観察可能なMarkov決定プロセス(POMDP)としてモデル化することができた。SSPの最適政策は単に遷移コストに依存し,仮定された攻撃可能性に依存しない。測定の固定長窓と適切な特徴関数を用いて,Markov決定プロセス(MDP)を用いてPOMDPの挙動を近似した。近似MDPの最適解は,任意の標準強化学習法によって解くことができる。数値評価は方法の有効性を実証した。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 近似法 ,  特性関数 ,  検出器 ,  センサ ,  有効性 ,  *強化学習 ,  センサネットワーク
準シソーラス用語： 最適解 ,  POMDP ,  最短経路 ,  攻撃者 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (2件)： 攻撃 ,  強化学習