抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
資源がネットワークで重要な目標を安全にするために配備する方法は,ネットワークセキュリティゲーム(NSG)によってモデル化できる。深層学習(DL)の最近の進歩は,大規模NSGを扱う強力なアプローチを提供するが,NSG-NFSPのようなDL法は,データ非効率性の問題に悩まされている。さらに集中制御により,それらは多数の資源を持つシナリオにスケールできない。本論文では,NSGZeroという新しいDLベース手法を提案し,NSGにおける非開発ポリシーを学習した。NSGZeroは,ニューラルモンテカルロツリー探索(MCTS)による計画を実行することにより,データ効率を改善する。主な寄与は3倍である。最初に,NSGにおいて神経MCTSを実行するために,深層ニューラルネットワーク(DNN)を設計した。第2に,著者らは,分散制御による神経MCTSを可能にして,NSGZeroを多くの資源を有するNSGに適用する。第3に,NSGZeroにおけるDNNの共同訓練を達成するために,効率的な学習パラダイムを提供した。最先端のアルゴリズムと比較して,著者らの方法は,有意により良いデータ効率とスケーラビリティを達成した。【JST・京大機械翻訳】