[공지사항]을 빙자한 안부와 근황 
Show more

Daily Arxiv

世界中で発行される人工知能関連の論文をまとめるページです。
このページはGoogle Geminiを活用して要約し、非営利で運営しています。
論文の著作権は著者および関連機関にあり、共有する際は出典を明記してください。

BLAST: A Stealthy Backdoor Leverage Attack against Cooperative Multi-Agent Deep Reinforcement Learning based Systems

Created by
  • Haebom

作者

Jing Fang, Saihao Yan, Xueyu Yin, Yinbo Yu, Chunwei Tian, Jiajia Liu

概要

この論文は、協力的なマルチエージェント深化強化学習(C-MADRL)システムのための新しいバックドア攻撃技術であるBLASTを提案します。既存のバックドア攻撃のLimitations(即時トリガーパターンの秘密性の欠如、追加のネットワークによるバックドアの学習/有効化、すべてのエージェントのバックドア化)を克服するために、BLASTは単一のエージェントにのみバックドアを挿入してマルチエージェントチーム全体を攻撃します。敵対的な時空間行動パターンをバックドアトリガーとして使用して秘密性を確保し、バックドアエージェントの補償関数を一方的に導き、「レバレッジ攻撃効果」を達成します. SMAC および Pursuit 環境では、VDN、QMIX、MAPPO アルゴリズムおよび従来の防御メカニズムの実験により、BLAST の高い攻撃成功率と低い正常性能分散率を確認しました。

Takeaways、Limitations

Takeaways:
単一エージェントバックドアを介してマルチエージェントシステム全体を攻撃するための新しい方法の提示
時空間行動パターンをトリガとして用いて秘密性を高めたバックドア攻撃手法の提案
従来のC‐MADRLアルゴリズムと防御機構に対する効果的な攻撃の可能性を実験的に実証
連携マルチエージェントシステムのセキュリティ脆弱性の重大性を強調
Limitations:
提案された攻撃が特定の環境とアルゴリズムに限定される可能性。
より多様な防御メカニズムの評価が必要
実際の環境での適用性と一般化に関するさらなる研究が必要
一方的誘導による補償関数ハッキングの実現可能性と倫理的問題を考慮する必要性
👍