본 논문은 기존의 단일 에이전트 머신러닝 모델의 적대적 공격 취약성 연구와 달리, 그래프 상에서 다양한 강도의 섭동을 받는 다수의 에이전트를 고려한 적대적 훈련을 연구합니다. 연결된 에이전트 간의 상호작용과 그래프 상에서 가능한 이종적인 공격 모델의 이질성이 집단의 조정 능력을 통해 강건성을 향상시킬 수 있다는 가정 하에, 분산 학습의 min-max 공식을 사용하여 다중 에이전트 시스템을 위한 분산 적대적 훈련 프레임워크를 개발합니다. 구체적으로, 두 가지 인기 있는 분산 학습 전략인 확산과 합의에 기반하여 두 가지 분산 적대적 훈련 알고리즘을 고안하고, 강 볼록, 볼록, 비볼록 환경에 대한 제안된 프레임워크의 수렴 특성을 분석하며, 적대적 공격에 대한 강화된 강건성을 보여줍니다.
