Continuation-Adjusted Full-Support Indifference in a Feedback Stackelberg Attacker--Defender Attrition Game
School of Electrical and Mechanical Engineering, Adelaide University, Adelaide, South Australia 5005, Australia(阿德莱德大学电气与机械工程学院)
本文提出了一种分析性Stackelberg博弈框架,用于在顺序攻击者-防御者博弈中实现最优资源分配,并通过数值示例展示了均衡结构和帕累托主导的攻击配置。
2026-10-21 cs.GT
Multi-defender Security Games with Schedules
Carnegie Mellon University(卡内基梅隆大学)
本文研究多防御者且带日程的安全博弈,证明日程引入可能导致均衡不存在,并提出在子集封闭条件下可在多项式时间内计算均衡的算法,实验显示其可扩展至多个异构防御者。
2023-11-28 cs.AI cs.GT
Multi-dimensional Network Security Game: How do attacker and defender battle on parallel targets?
在本文中,我们考虑了一个新的网络安全游戏,其中攻击者和防御者争夺“多个”目标。这种类型的游戏适合模拟许多当前的网络安全冲突,如互联网钓鱼,移动恶意软件或网络入侵。在这种攻击中,攻击者和防御者需要决定如何分配资源,以使每个目标在其资源限制内效用最大化。我们将这样一个多维网络安全博弈建模为一个有约束的非零和博弈。考虑了乘积型和比例型两种安全破坏模型。对于每一个违约模型,我们证明了存在一个唯一的纳什均衡(NE)的基础上罗森定理,并提出有效的算法来找到NE时,游戏是严格凹的。此外,我们证明了存在多个NE的产品形式的突破模型时,严格的证明不成立。我们的研究揭示了攻击者和防御者的战略行为,特别是,他们如何分配资源的目标,具有不同的权重,以及他们的效用以及策略是如何影响的资源约束。
2022-02-20 cs.GT
Simulation of Attacker Defender Interaction in a Noisy Security Game
Drexel University(德雷塞尔大学)
在网络安全环境中,维护者往往受其检测技术的支配,并受制于个别分析人员所掌握的信息和经验。为了给防御者一个优势,重要的是要了解攻击者的动机和他们可能的下一个最佳行动。作为对这种行为建模的第一步,我们引入了一个安全游戏框架,该框架模拟了在嘈杂环境中攻击者和防御者之间的相互作用,重点关注在具有完全知识和可观察性的游戏变体中驱动攻击者和防御者做出决策的因素,知道参数但没有状态的可观察性(“部分知识”)和零知识或可观察性(“零知识”)。我们证明了对攻击者做出正确假设的重要性,因为结果存在显着差异。此外,在攻击者结果方面,假阳性和真阳性之间存在可测量的权衡,这表明在真阳性也较高的条件下,更容易出现假阳性的环境可能是可接受的。
2022-12-08 cs.AI cs.CR cs.GT
Robust Solutions for Multi-Defender Stackelberg Security Games
Bar Ilan University(巴伊兰大学)
针对多防御者Stackelberg安全博弈中解对参数扰动敏感的问题,提出鲁棒模型,证明非合作与合作设置下鲁棒近似均衡和α-核的存在性及高效构造,显著提升防御者效用。
2022-05-23 cs.AI cs.GT
The Mysteries of Security Games: Equilibrium Computation Becomes Combinatorial Algorithm Design
安全博弈是对抗环境下资源分配的基本模型。这里有两个球员,一个防守队员和一个进攻队员。防御者希望分配她有限的资源来防御关键目标,而攻击者则寻求他最有利的目标进行攻击。在过去的十年中,有一个研究兴趣激增,在分析和解决安全游戏,从各个领域的应用程序的动机。本文从理论的角度研究安全博弈,并提供了一个统一的观点,各种安全博弈模型。特别地,每个安全博弈都可以用一个集合系统$E$来刻画,该集合系统由防御者的纯策略组成,防御者的最佳对策问题可以看作是$E$上的一个组合优化问题.我们的框架捕获了文献中的大多数基本安全博弈模型,包括所有部署的系统,集合系统$E$产生于不同的域编码标准的组合问题,如二分匹配,最大覆盖,最小成本流,包装问题等,我们的主要结果表明,在安全博弈中的均衡计算本质上是一个组合问题。特别地,我们证明了,对于任何集合系统$E$,以下问题可以在多项式时间内相互约化:(0)$E$上的组合优化,(1)计算$E$上零和安全博弈的极大极小均衡,(2)计算$E$上安全博弈的强Stackelberg均衡,(3)计算$E$上安全博弈的最佳或最差(防守方)纳什均衡。在这里,我们所说的“基于$E$的博弈“是指具有任意支付结构的安全博弈类,但防御者纯策略的集合是固定的$E$。这表明安全博弈的复杂性本质上是由集合系统$E$决定的。
2016-06-12 cs.GT
The Effect of Behavioral Probability Weighting in a Simultaneous Multi-Target Attacker-Defender Game
我们考虑一个安全游戏中的两个球员(攻击者和防守者),每个人都有一个给定的预算分配到攻击和防御,分别对一组节点的设置。每个节点对攻击者和防御者都有一定的价值,以及被成功破坏的概率,这是双方对该节点投资的函数。对于这样的游戏,我们的特点是最佳的投资策略的球员在(唯一的)纳什均衡。然后,我们调查行为概率加权对投资策略的影响;这种概率加权,即人类对低概率的加权和对高概率的加权,已被行为经济学家确定为人类决策的共同特征。我们通过数值实验表明,防御者的行为决策会导致每个节点的纳什均衡投资发生变化(防御者在高价值节点过度投资,在低价值节点投资不足)。
2021-03-05 cs.GT cs.SY eess.SY
A Game-Theoretical Approach for Finding Optimal Strategies in an Intruder Classification Game
我们考虑一个游戏,其中战略防御者将入侵者分类为间谍或垃圾邮件发送者。该分类基于在固定窗口期间观察到的文件服务器和邮件服务器攻击的数量。垃圾邮件发送者天真地攻击(使用已知的分发)他的主要目标:邮件服务器。间谍策略性地选择对他的主要目标的攻击次数:文件服务器。防御者策略性地选择他的分类策略:文件服务器攻击数量的阈值。我们将两个玩家(间谍和防御者)的交互建模为非零和游戏:防御者需要在目标函数中平衡错过的检测和错误警报,而间谍则需要在更积极地攻击文件服务器和增加被抓住的机会之间进行权衡。我们给出了混合策略中纳什均衡的一个特征,并演示了如何在多项式时间内计算纳什均衡。我们的刻画对均衡时的参与者策略给出了有趣而非直观的见解:防守者在一组阈值之间均匀随机选择,其中包括非常大的值。间谍的策略是垃圾邮件发送者分布的截断版本。我们提出了数值模拟,验证和说明我们的理论结果。
2012-07-03 cs.GT
BASCPS: How does behavioral decision making impact the security of cyber-physical systems?
我们研究了由多个相互依赖的子系统组成的大规模网络物理系统(CPS)的安全性,每个子系统由不同的防御者管理。防御者投入安全预算的目的是阻止网络攻击蔓延到其关键资产。我们将防御者的安全投资决策建模为安全博弈。虽然以前的工作已经使用安全游戏来分析这样的情况下,我们提出了行为安全游戏,其中后卫表现出的人类决策的特征,已被确定为在行为经济学代表典型的人类认知偏见。这一点很重要,因为我们目标系统中的许多关键安全决策都是由人类做出的。我们通过一个受控受试者实验为我们的行为模型提供了经验证据。然后,我们表明,行为决策导致一个次优的模式相比,非行为决策的资源分配。我们说明了行为决策的影响,使用两个代表性的现实世界中相互依赖的CPS。特别是,我们确定了防御者的安全预算的可用性和分布,防御者之间的相互依赖程度,以及协作防御策略,由于行为决策的安全结果的次优程度的影响。在这种情况下,行为决策的不利影响是最严重的适度的国防预算。此外,行为次优决策的影响被放大的程度属于不同的防御者的子网络之间的相互依赖性的增加。我们还观察到,自私的防御决策与行为决策一起显着增加安全风险。
2020-04-07 cs.CR cs.GT
Dynamic Defender-Attacker Blotto Game
这项工作研究了一个动态的,对抗性的资源分配问题的环境建模为图。在环境中部署了一个蓝色的防御机器人团队,以保护节点免受红色攻击机器人团队的攻击。我们制定的参与作为一个离散时间的动态游戏,其中的机器人可以移动在每个时间步最多一跳。如果任何地点的攻击机器人多于防御机器人,则游戏以攻击者获胜结束。目标是确定动态资源分配策略,以及确定获胜者的条件:图结构,可用资源和初始条件。我们使用可达集分析问题,并展示了底层图的出度如何直接影响防御任务的难度。此外,我们提供了算法,确定攻击者的胜利的充分性。
2021-12-18 cs.GT cs.SY eess.SY
Path Defense in Dynamic Defender-Attacker Blotto Games (dDAB) with Limited Information
本文研究有限信息下动态防御者-攻击者 Blotto 博弈中的路径防御问题,刻画了防御者仅能探测最短路径 k 跳内资产时保证路径安全所需资源的必要充分条件,并证明增强感知能力可显著降低防御资源需求。
2023-05-25 cs.GT cs.SY eess.SY
Multidefender Security Games
Vanderbilt University(范德堡大学);University of California at Davis(加州大学戴维斯分校);Sandia National Laboratories(桑迪亚国家实验室)
Stackelberg安全博弈模型和相关的计算工具已经在一些高后果的安全设置中部署,例如LAX犬巡逻和联邦空军元帅服务。这些模型专注于只有一个防守者的孤立系统,尽管它们是一个更复杂的多人系统的一部分。此外,许多真实系统,如交通网络和电网,都表现出目标之间的相互依赖性,因此,也表现出共同负责保护目标的决策者之间的相互依赖性。为了理解这种多防御者的战略互动存在于安全,我们研究了多个防御者的安全游戏的博弈论模型。与大多数先前的分析不同,我们专注于每个防御者必须保护多个目标的情况,因此即使是单个防御者的最佳对策决策也是非常重要的。我们开始与独立目标的多防御者安全游戏的分析调查,提供了一个均衡和价格的无政府状态分析的三个模型越来越普遍。在所有的模型中,我们发现防御者都有过度保护目标的动机,有时甚至是显著的。此外,在更简单的模型中,我们发现无政府状态的无政府代价是无限的,防御者的数量和每个防御者的目标数量都是线性增加的。考虑到目标之间的相互依赖性,我们开发了一种新的混合整数线性规划公式来计算防守者的最佳对策,并利用这种公式近似纳什均衡的游戏。我们将这种方法应用于代表相互依赖关系的几种网络模型的计算战略分析,包括现实世界的电力网络。我们的分析表明,网络结构和故障传播的概率如何决定防御者对安全投资过度或不足的倾向。
2015-05-28 cs.AI cs.GT
Zero-Determinant Strategy in Stochastic Stackelberg Asymmetric Security Game
在随机Stackelberg非对称安全博弈中,强Stackelberg均衡(SSE)策略是防御者利用最佳对策(BR)策略对抗攻击者时获得最高效用的常用策略。然而,攻击者可能是一个有限理性的参与者,他采用BR策略和固定顽固策略的组合。在这种情况下,由于存在顽固因素,上证策略可能无法维持防御性业绩。在本文中,我们关注的是如何防御者可以采取单边控制零确定(ZD)策略来对抗有限理性攻击者。首先,我们证明了防御者的ZD策略的存在性。然后,我们研究了防御者的ZD策略对有限理性攻击者的性能,并与SSE策略进行了比较。具体来说,当攻击者的策略接近BR策略时,ZD策略与SSE策略相比允许防御者有界损失。相反,当攻击者的策略接近顽固策略时,ZD策略比SSE策略能为防御者带来更高的防御性能。
2023-01-05 cs.GT
Defending Against Stealthy Attacks on Multiple Nodes with Limited Resources: A Game-Theoretic Analysis
隐形攻击是主要的网络安全威胁。在实践中,攻击者和防御者都有资源限制,这可能会限制他们的能力。因此,要制定强大的防御战略,一个有前途的方法是利用博弈论来理解所涉及的基本权衡。然而,以前的工作在这个方向上,主要集中在单节点的情况下,没有考虑严格的资源约束。本文提出了一个保护多节点系统免受隐身攻击的博弈模型。我们考虑的实际设置中的频率的攻击和防御是有限的资源的限制,和一个不对称的反馈结构,攻击者可以充分观察节点的状态,同时在很大程度上隐藏其行动的防御者。我们刻画了攻击者和防御者在非自适应策略和自适应策略空间中的最佳反应策略,并研究了博弈的纳什均衡。我们进一步研究了一个序贯博弈,其中防御者首先宣布其策略,然后攻击者相应地作出反应,并设计了一个算法,找到一个接近最优的策略,为防御者提交。
2019-10-20 cs.GT
Optimizing Vulnerability-Driven Honey Traffic Using Game Theory
企业越来越担心在数月甚至数年内缓慢而故意地利用资源的对手。这个杀伤链中的一个关键步骤是网络侦察,它在历史上一直很活跃(例如,网络扫描)并且因此是可检测的。然而,新的网络技术增加了被动网络侦察的可能性,这将在很大程度上无法被防御者发现。在本文中,我们提出了Snaz,这是一种使用欺骗性的蜂蜜流量来混淆通过被动网络侦察获得的知识的技术。我们提出了一个两人非零和Stackelberg游戏模型,其特征在于防御者应该如何部署蜂蜜流量的对手谁知道Snaz的存在。在这样做的过程中,我们证明了存在最佳的防御策略,将劝阻对手采取行动的存在下观察到的网络流量中的真正的漏洞,或揭示对手的存在时,它试图在不知不觉中攻击入侵检测节点。
2020-02-21 cs.CR cs.GT
Resource-Aware Intrusion Detection in Infrastructure Networks: A Game-Theoretic Approach
Arizona State University(亚利桑那州立大学);Delaware State University(特拉华州立大学);DEVCOM Army Research Laboratory(DEVCOM陆军研究实验室)
本文针对基础设施网络入侵检测的资源受限问题,将攻防互动建模为图安全博弈,开发算法求解均衡,为资源分配提供策略支撑。
2026-08-10 cs.CR cs.GT
Security Games with Ambiguous Beliefs of Agents
Institute for Advanced Studies in Basic Science(基础科学高级研究所);University of Zanjan(赞詹大学)
目前,基于Dempster-Shafer算法和基于均匀随机概率的算法是解决安全博弈的首选方法,防御者能够识别攻击者,只有策略是模糊的。然而,这种模型是低效的情况下,资源是有限的,攻击者的身份和他们的策略是模糊的。本研究的目的是找到一个更有效的算法,以指导防御者在选择外部代理与合作的两个模糊性。我们设计了一个实验,在这个实验中,防御者被迫与外部代理人接触,以最大限度地保护他们的目标。我们引入了两个重要的概念:目标保护过程中每个代理的行为和目标保护过程中的容忍阈值。从这些,我们提出了一个算法,由每个防守者应用,以确定最好的潜在助手(S)与合作。实验结果表明,该算法比基于Dempster-Shafer的算法更安全。
2015-08-09 cs.AI cs.CR cs.GT
Two Can Play That Game: An Adversarial Evaluation of a Cyber-alert Inspection System
University of Michigan(密歇根大学);Army Research Lab(陆军研究实验室)
网络安全是一个重要的社会问题。网络攻击的数量和每次攻击造成的破坏程度都有所增加。大型组织运营着网络安全运营中心(CSOC),构成了网络防御的第一道防线。检查网络警报是CSOC业务的一个关键部分。最近与美国陆军研究实验室合作的一项工作提出了一种基于强化学习(RL)的方法,以防止网络警报队列长度变大并压倒防御者。鉴于这种方法可能部署到美国国防机构运营的CSOC,我们对这种方法进行了红队(对抗性)评估。此外,随着最近对学习系统的攻击,测试这种RL方法的局限性变得更加重要。为此,我们学习了对抗警报生成策略,该策略是对防御者检查策略的最佳响应。令人惊讶的是,我们发现防御者的政策是相当强大的攻击者的最佳对策。为了解释这一观察结果,我们将早期的RL模型扩展到一个博弈模型,并表明存在防御者策略,可以对任何对抗性策略都具有鲁棒性。我们还从博弈论模型中推导出一个竞争基线,并将其与RL方法进行比较。然而,我们进一步利用RL模型中的MDP中的假设,并发现攻击者策略可以攻击防御者。我们使用一个双预言的方法来重新训练的防御者从这个发现的攻击者政策的插曲。这使得防御者对发现的攻击者策略具有鲁棒性,并且没有发现进一步的有害攻击者策略。总体而言,对抗性强化学习和强化学习中的双预言方法是适用于对抗性环境中其他强化学习使用的通用技术。
2018-10-13 cs.AI cs.CR cs.GT
The Oracle's Gambit: A Game-Theoretic Framework for Responsible AI Release
CISPA Helmholtz Center for Information Security(CISPA 亥姆霍兹信息安全中心);Department of Computer Science, University of Oxford(牛津大学计算机系)
研究在人工智能模型能力提升背景下,负责任的人工智能发布决策问题。核心方法是将其视为双层斯塔克尔伯格博弈,通过承诺窗口设定双方能力。主要贡献是指出福利取决于能力差距,明确两用模型关键在于访问顺序而非部署阈值。
2026-07-08 cs.GT
Strategic Remote Attestation: Testbed for Internet-of-Things Devices and Stackelberg Security Game for Optimal Strategies
物联网(IoT)设备和应用程序可能存在重大漏洞,这些漏洞可能会被对手利用,造成相当大的伤害。减轻这种威胁的一种重要方法是远程证明,它使防御者能够远程验证设备及其软件的完整性。远程认证有多种方法,每种方法在检测精度和计算成本方面都有其独特的优点和缺点。此外,证明方法可以以多种方式应用,诸如各种级别的软件覆盖。因此,为了最大限度地减少安全风险和计算开销,防御者需要根据设备的特性和潜在的损失,从战略上决定应用哪些证明方法以及如何应用它们。为了回答这些问题,我们首先开发了一个用于物联网设备远程认证的测试平台,这使我们能够测量各种认证方法的检测准确性和性能开销。我们的测试平台集成了两个示例物联网应用程序、基于内存校验和的证明以及各种软件漏洞,这些漏洞允许攻击者将任意代码注入到正在运行的应用程序中。其次,我们模型的问题,找到一个最佳的策略,应用远程认证作为一个Stackelberg安全游戏之间的防御者和对手。我们刻画了防御者在各种特殊情况下的最优证明策略。最后,建立在我们的测试平台的实验结果,我们评估我们的模型,并表明,最佳的战略认证可以导致显着低于天真的基线策略的损失。
2021-09-26 cs.CR cs.GT
Bad Data Injection Attack and Defense in Electricity Market using Game Theory Study
网络技术的应用提高了智能电网的监测和决策质量。这些网络技术容易受到恶意攻击,破坏它们可能会带来严重的技术和经济问题。本文详细说明了妥协的影响,每个测量的电价,使攻击者能够改变价格在所需的方向(增加或减少)。攻击者和防御者分别不可能攻击和防御所有测量。这种情况被建模为攻击者和防御者之间的零和博弈。游戏定义了攻击者和防御者分别喜欢攻击和防御不同测量的时间比例。基于PJM 5总线测试系统的仿真结果表明了所研究的博弈的有效性和性质。
2012-10-10 cs.CR cs.GT stat.AP
End-to-End Game-Focused Learning of Adversary Behavior in Security Games
Harvard(哈佛大学);University of Southern California(南加州大学)
Stackelberg安全博弈是最大化有限防御资源效用以保护重要目标免受智能对手攻击的重要工具。出于绿色安全,防御者可能只会观察到一个对手的防御反应的一组有限的目标,我们研究的问题学习的防御,以及推广到一组新的目标与新的特征值和组合。传统上,这个问题已经通过两阶段的方法来解决,其中对手模型被训练以最大化预测准确性,而不考虑防御者的优化问题。我们开发了一个端到端的游戏为中心的方法,对手模型进行训练,以最大限度地提高代理防御者的预期效用。我们在理论和实验结果表明,我们的游戏为中心的方法实现了更高的防御者的预期效用比两阶段的替代品时,有有限的数据。
2020-06-22 cs.GT cs.LG
Strategy Synthesis in Adversarial Patrolling Games
巡逻是行动安全的核心问题之一。形式上,巡逻问题由一组$U$节点指定(可接受的防守者的位置),一组易受攻击的目标$T \subseteq U$,可接受的防守者在$U$上的移动,目标是为防御者设计一个最优策略,防御者在节点之间移动,目标是检测到可能的入侵。目标的攻击者的目标是最大化成功攻击的概率。我们假设攻击者是对抗性的,即,他知道防守者的策略,可以观察她的动作。我们证明了防御者对每个巡逻问题都有一个最优策略。此外,我们发现,对于每一个$\varepsilon$ > 0,存在一个有限的记忆$\varepsilon$ -最优策略的防御者在指数时间内可构建的,我们观察到,这样的策略不能在多项式时间计算,除非P=NP。然后我们专注于不受限制的防守者的移动。在这里,巡逻问题完全由它的签名,每个攻击长度的目标数量决定。我们约束成功防御攻击的最大概率。然后,我们介绍了一种分解方法,它允许分裂成更小的子问题,并构建一个防御者的策略$G$巡逻问题$G$的“组成”为这些子问题构建的战略。最后,巡逻问题与$T = U$和一个格式良好的签名,我们给出了一个精确的分类所有充分连接的环境中,防御者可以实现相同的价值,在完全连接的统一环境。这一结果对于设计防守者可以采取最佳行动的“良好”环境是有用的。
2015-07-13 cs.GT
Game-Theoretic Modeling of Stealthy Intrusion Defense against MDP-Based Attackers
Johannes Kepler University Linz(林茨约翰内斯·开普勒大学)
本文提出基于博弈论的MDP攻击者隐蔽入侵防御建模,通过三种信息制度分析防御策略优化。
2026-03-10 cs.CR cs.GT
Information Leakage Games
我们考虑一个博弈论的设置来模拟攻击者和防御者之间的信息流的背景下,相互作用,并对他们的最佳策略的原因。与标准博弈论相反,在我们的博弈中,混合策略的效用是防守者纯行动分布的凸函数,而不是其效用的期望值。然而,博弈论的重要属性,特别是存在一个纳什均衡,仍然适用于我们的(零和)泄漏游戏,我们提供算法来计算相应的最优策略。作为典型的(同时)博弈论,最优策略通常是混合的,即,概率,对于攻击者和防御者。从信息流的角度来看,这是预期的情况下的后卫,因为众所周知,随机化的系统设计水平可能有助于减少信息泄漏。关于攻击者,然而,这似乎是第一个工作(w.r.t.信息流中的文献)形式上证明了在某些情况下,最优攻击策略必然是概率性的。
2017-08-21 cs.CR cs.GT cs.IT
Learning Generative Deception Strategies in Combinatorial Masking Games
Washington University(华盛顿大学);Army Research Laboratory(陆军研究实验室);University of Texas, Dallas(德克萨斯大学达拉斯分校)
欺骗是网络防御中的一个重要工具,使防御者能够利用其信息优势来降低成功攻击的可能性。欺骗的一种方式是通过模糊或掩盖一些关于系统如何配置的信息,增加攻击者对其目标的不确定性。我们提出了一种新的博弈论模型,由此产生的防御者-攻击者的相互作用,防御者选择一个子集的属性来屏蔽,而攻击者通过选择一个漏洞来执行。两个参与者的策略都具有复杂信息依赖的组合结构,因此即使表示这些策略也不是微不足道的。首先,我们证明了计算零和防御者-攻击者博弈的平衡的问题可以表示为一个线性规划与系统配置变量和约束的组合数,并开发了一个约束生成方法来解决这个问题。接下来,我们提出了一种新的高度可扩展的方法来近似解决这样的游戏,代表双方球员的策略作为神经网络。其关键思想是使用深度神经网络生成器来表示防御者的混合策略,然后使用交替梯度下降上升算法,类似于生成对抗网络的训练。我们的实验,以及案例研究,证明了所提出的方法的有效性。
2022-06-17 cs.AI cs.CR cs.GT
Flip the Cloud: Cyber-Physical Signaling Games in the Presence of Advanced Persistent Threats
访问云有可能通过使用在显然无限的网络基础设施上运行的高级计算过程来提供物理设备的可扩展和具有成本效益的增强。另一方面,网络物理系统和云控制设备面临着许多设计挑战,其中之一就是安全性。特别是,对手技术的最新进展带来了高级持续性威胁(APT),这些威胁可能会悄悄地完全危及网络系统。在本文中,我们设计了一个基于云的系统的安全框架,指定设备何时应该信任来自云的命令,这可能会受到损害。这种交互可以被认为是三个玩家之间的游戏:云防御者/管理员,攻击者和设备。我们使用传统的信号游戏来模拟云和设备之间的交互,我们使用最近提出的FlipIt游戏来模拟防御者和攻击者之间的斗争,以控制云。因为对云的攻击可能在防御者不知情的情况下发生,我们假设两个博弈中的策略都是根据事先的承诺来选择的。这个框架需要一个新的平衡概念,我们称之为完形平衡,一个表达信号和FlipIt游戏相互依赖的固定点。我们提出的解决方案,在某些参数的情况下,这个不动点问题,并说明了一个例子应用云控制的无人驾驶汽车。我们的研究结果有助于人们对云控制系统的理解。
2015-09-14 cs.CR cs.GT
MLN-EIGS: A multilayer network framework for solving Stackelberg escape interdiction games on dynamic transportation networks
Kyushu University(九州大学);Indian Institute of Technology Kharagpur(印度理工学院卡格布尔分校)
针对动态交通网络上的逃逸拦截问题,提出多层网络框架MLN-EIGS,通过时间扩展网络和近似防御者预言机,高效求解Stackelberg博弈,在保持效用接近精确方法的同时大幅降低计算时间。
2026-09-11 cs.GT
A Game-Theoretic Analysis of Auditing Differentially Private Algorithms with Epistemically Disparate Herd
本文利用Stackelberg博弈方法构建系统性框架,分析群体审计对差分隐私算法开发者的影响,发现便捷获取信息和降低知识获取成本能提升审计可行性与问责效果。
2024-04-24 cs.CR cs.GT
Audit Games
要有效地执行法律和政策,就需要投入资源来预防和侦查犯罪者,并制定适当的惩罚计划来威慑违法者。特别是,在拥有大量个人信息的现代组织中执行隐私法律和政策(例如,医院、银行和网络服务提供商)严重依赖内部审计机制。我们研究在设计这些机制时的经济考虑,特别侧重于有效的资源分配和适当的惩罚计划。我们提出了一个审计博弈模型,这是一个自然推广的标准安全博弈模型的资源分配与额外的惩罚参数。计算这个游戏的Stackelberg均衡是具有挑战性的,因为它涉及到解决非凸二次约束的优化问题。我们提出了一个添加剂的FPTAS,有效地计算一个解决方案,是任意接近的最优解。
2013-03-05 cs.CR cs.GT
Securing Infrastructure Facilities: When does proactive defense help?
基础设施系统正日益面临新的安全威胁,因为支持其运行的网络物理组件存在漏洞。在这篇文章中,我们研究了基础设施运营商(防御者)应该如何优先考虑保护一组设施的投资,以减少战略对手(攻击者)的影响,这些攻击者可以针对设施来增加系统的整体使用成本。我们采用博弈论的方法来模拟防御者和攻击者的互动,并研究两个模型:正常形式的游戏-其中两个球员同时移动;和顺序游戏-其中攻击者移动后,观察防守者的策略。对于每一个模型,我们提供了一个完整的特征,如何设置的设施,由防御者在平衡中的攻击和防御的成本变化。重要的是,我们的分析提供了一个尖锐的条件有关的成本参数,防御者具有先发优势。具体来说,我们表明,为了完全阻止攻击者瞄准任何设施,防御者需要以适当的努力水平主动保护所有“脆弱的设施”。我们说明了一个简单的运输网络上的攻击者-防御者的相互作用的结果。我们还建议一个动态的学习设置,以了解这种结果如何影响不完全知情的用户在攻击后阶段使用系统的决定的能力。
2018-08-22 cs.GT
The Art of Manipulation: Threat of Multi-Step Manipulative Attacks in Security Games
University of Oregon(俄勒冈大学);Singapore Management University(新加坡管理大学)
研究了Stackelberg安全博弈中的多步操纵攻击问题,即聪明的攻击者试图在多个时间步上策划攻击,以误导防御者对攻击者行为的了解.这种攻击操纵最终影响防御者的巡逻策略,使之有利于攻击者。以前的工作沿着这条线的研究只集中在一次性游戏中,防御者学习攻击者的行为,然后设计一个相应的策略只有一次。我们的工作,另一方面,调查的长期影响的攻击者的操纵,其中当前的攻击和防御选择的球员决定未来的学习和巡逻计划的后卫。本文有三个主要贡献。首先,我们引入了一个新的多步操纵攻击博弈模型,该模型捕捉了攻击者在整个时间范围内进行的连续操纵攻击的影响。其次,我们提出了一个新的算法来计算一个最佳的操纵攻击计划的攻击者,它解决了多个连接的优化组件的挑战,涉及在多个时间步的计算。最后,我们提出了广泛的实验结果的影响,这种误导性的攻击,攻击者和防御者的损失显着的好处。
2022-03-01 cs.AI cs.GT
Quasi-regular sequences and optimal schedules for security games
我们研究的安全游戏中,一个后卫致力于一个混合策略,以保护一组有限的目标不同的价值观。攻击者知道防御者的策略,选择攻击哪个目标以及攻击多长时间。如果攻击者花费时间$t$在值为$α_i$的目标$i$上,并且如果他在防御者访问目标之前离开,则他的效用为$t \cdot α_i $ ;如果防御者在他离开之前访问,则他的效用为0。防御者的目标是使攻击者的效用最小化。防御者的策略包括一个访问目标的时间表;它需要单位时间在目标之间切换。这样的游戏是一个简化的模型,一些现实世界的情况下,如保护计算机网络免受入侵者,作物从小偷等,我们表明,最佳的防御者发挥这种连续时间的安全游戏减少到一个组合问题的解决方案,关于存在的无限序列在有限的字母表,以下属性为每个符号$i$:(1)$i$构成序列的规定部分$p_i$。(2)$i$的出现近似均匀地分布,因为连续出现之间的最长与最短间隔的比率由参数$K$限定。我们称这样的序列为$K$ -拟正则序列。我们发现,令人惊讶的是,$2$ -准正规序列足够的最佳后卫发挥。更重要的是,即使是随机的$2$ -准正则序列也足以满足最优性。我们表明,这样的序列总是存在的,并且可以有效地计算。确定性$K$ -拟正则序列存在的最小$K$的问题令人着迷。利用遍历理论方法,我们证明了确定性$3$ -拟正则序列总是存在的。对于$2 \leq K < 3$,我们不知道确定性$K$ -拟正则序列…
2017-10-29 cs.DM cs.DS cs.GT
On Bounded Rationality in Cyber-Physical Systems Security: Game-Theoretic Analysis with Application to Smart Grid Protection
在本文中,一般模型的网络物理系统(CPS),捕捉攻击的扩散从网络层的物理系统,进行了研究。特别是,提出了一个博弈论的方法来分析一个防御者和一个攻击者之间的相互作用,在CPS。在这个游戏中,攻击者对CPS的多个网络组件发起网络攻击,以最大限度地提高对物理系统的潜在危害,而系统操作员选择保护多个网络节点,以挫败攻击并最大限度地减少对物理方面的潜在损害。所提出的游戏明确地说明了这样一个事实,即攻击者和防御者可以具有不同的计算能力和不同的系统知识水平。为了捕捉这种有限理性的攻击者和防御者,一个新的方法启发的认知层次理论的行为框架。在这个框架中,防御者被假设面对的攻击者可能具有不同的思维水平,反映了其对系统和计算能力的了解。为了解决这个问题,每种攻击者类型的最优策略的特点和防御者面对这些不同类型的最优响应计算。这种一般的方法适用于智能电网安全考虑广域保护与能源市场的影响。数值结果表明,当考虑攻击者的有限理性时,偏离纳什均衡策略是有益的。此外,研究结果表明,防御者的动机偏离纳什均衡时,面对攻击者,具有高计算能力降低。
2016-10-07 cs.GT cs.IT math.IT
Connected Subgraph Defense Games
我们研究了一个$defender$和$k$ $attackers$之间的网络安全博弈。每个攻击者都以概率的方式选择网络中的一个节点进行破坏。防御者也是概率性地选择$λ$节点网络的一个连通导出子图进行扫描和清理,每个攻击者都希望最大化逃避防御者清理的概率。另一方面,防御者的目标是最大化她捕获的攻击者的预期数量。这个博弈是Mavronicolas等人的开创性论文“防御的价格”(MFCS'06)中模型的推广。我们感兴趣的纳什均衡(NE)的这个游戏,以及在表征$optimal$网络,允许最好的$equilibrium$ $defense$ $ratio$,称为价格的防御;这是$k$的比例超过预期数量的攻击者,防御者在NE捕获。我们提供了这个游戏和防御最优网络的NE的特征。这使我们能够表明,游戏的NE重合独立于攻击者的协调与否。此外,我们给出了一个算法计算网元。我们的算法在最坏的情况下需要指数时间,但对于$λ$不断接近1或$n$,它是多项式时间。对于树网络的特殊情况下,我们完善我们的表征,使我们能够推导出一个多项式时间算法,用于决定一棵树是否是防御最优的,如果是这种情况下,它计算一个防御最优NE。另一方面,我们证明了它是NP-难找到一个最佳的防御策略,如果树不是防御最优的。我们补充这个负面的结果与多项式时间常数-近似算法计算的解决方案,接近一般图形的最佳。最后,我们为任何$λ$的防御价格提供…
2019-06-06 cs.GT
Facing Multiple Attacks in Adversarial Patrolling Games with Alarmed Targets
Politecnico di Milano(米兰理工大学)
我们专注于任意图上的对抗性巡逻游戏,其中防御者可以控制移动资源,目标通过警报系统发出警报,攻击者可以观察防御者的移动资源的动作,并利用多个资源执行不同的攻击。这种情况可以被建模为一个零和扩展形式的游戏,其中每个玩家可以玩多次。博弈树在图的大小和攻击资源的数量上都是指数级的。我们证明了当攻击者的资源数量是自由的,平衡路径的计算问题是NP-难的,而当资源数量是固定的,平衡路径可以在多时间计算。我们提供了一个动态规划算法,给定攻击者的资源数量,计算平衡路径,需要多时间的图形的大小和指数时间的资源数量。此外,由于在现实世界中的情况下,这是难以置信的,防御者知道的攻击资源的数量,我们研究的鲁棒性防御者的策略时,她作出了错误的猜测这个数字。我们表明,即使是一个单一的资源的错误,可以导致任意的低效率,当低效率被定义为一个错误的猜测和正确的猜测获得的后卫的效用的比率。然而,一个更合适的低效率定义是由防御者效用的差异给出的:这样,我们观察到估计误差越大,防御者的损失就越大。然后,我们调查的性能时,没有关于攻击者的资源信息的在线算法。最后,我们诉诸随机在线算法表明,我们可以获得一个竞争因素,是两倍以上的一个,可以实现任何确定性的在线算法。
2018-06-19 cs.AI cs.GT
Economic Censorship Games in Fraud Proofs
本文研究乐观汇总欺诈证明中的经济审查攻击,通过博弈论模型分析攻击者贿赂区块提议者以审查防御者交易的行为,确定确保防御者成功所需的挑战期长度,取决于协议动作数量和双方预算。
2025-02-27 cs.GT
A Game-Theoretic Approach to Information-Flow Control via Protocol Composition
在定量信息流(QIF)研究的推理攻击中,攻击者通常试图干扰系统,试图增加其秘密信息的泄漏。另一方面,防御者通常试图通过引入一些受控噪声来减少泄漏。这种噪声引入可以被建模为一种类型的协议组成,即,不同协议之间的概率选择,其对泄漏量的影响在很大程度上取决于攻击者是否可以看到这种选择。在这项工作中,我们考虑运营商建模的可见和隐藏的选择协议组合,我们研究了它们的代数性质。然后,我们正式的防御者和攻击者之间的相互作用,在一个博弈论的框架,适应QIF的具体问题,其中的回报是信息泄漏。我们考虑各种泄漏游戏,这取决于玩家是同时行动还是顺序行动,以及防御者的选择是否对攻击者可见。在序贯博弈的情况下,第二个博弈者的选择通常是第一个博弈者选择的函数,他/她的概率选择可以是在可能的函数上(混合策略),也可以是在函数的结果上(行为策略)。我们发现,当攻击者首先在一个隐藏的选择顺序游戏中移动,那么行为策略比混合策略更有利于防守者。这与标准博弈论形成对比,在标准博弈论中,两种类型的策略是等价的。最后,我们建立了一个层次的这些游戏的信息泄漏方面,并提供方法来寻找最佳策略(在平衡点)的攻击者和防御者在各种情况下。
2018-05-21 cs.CR cs.GT cs.IT
Toward a Theory of Cyber Attacks
我们提供了一个一般的方法来分析防御者-攻击者为基础的“游戏”,在其中,我们模拟这样的游戏马尔可夫模型,并引入一个容量区域来分析防御和对抗策略如何影响安全。这样的框架允许我们分析在什么样的条件下我们可以证明以下形式的陈述(关于攻击目标$k$):“如果攻击者有时间预算$T_{bud}$,那么攻击者可以到达攻击目标$\geq k$的概率最多为$poly(T_{bud})negl(k)$”。我们感兴趣的是这种严格的密码安全保证(描述最坏情况的保证),因为这些阐明了防御者的策略的要求,以防止越来越多的攻击的进展,在防御者的策略的“学习率“方面。我们解释了攻击者可以实现的“遏制参数”描述的最大达到的攻击目标在一个特定的时间窗口内的损害。
2019-01-06 cs.CR cs.GT
On the Trade-Off Between Transparency and Security in Adversarial Machine Learning
University of Waterloo(滑铁卢大学)
本研究探讨对抗性机器学习中透明度与安全性的冲突,通过可迁移对抗样本攻击的实证与博弈论分析,发现防御者模型的模糊性有利,仅知晓防御状态就可能损害安全性,揭示两者权衡及博弈论的应用价值。
2025-11-14 cs.CR cs.GT cs.LG
BG-FlipIn: A Bayesian game framework for FlipIt-insider models in advanced persistent threats
School of Electrical Engineering and Computer Science, KTH Royal Institute of Technology(皇家理工学院电气与计算机工程学院)
针对内部人员偏好不确定的APT场景,提出BG-FlipIn贝叶斯博弈框架,求解闭式贝叶斯纳什均衡,提供防御者决策指导,并通过两个应用验证其决策一致性。
2025-10-08 cs.GT
The Defense of Networked Targets in General Lotto games
本文在广义洛特博弈框架下研究网络防御资源分配问题,刻画了二分网络的攻防均衡,给出任意网络防御者最大最小值的上下界,发现高连通网络更易防御,并通过仿真验证了结论与随机化策略的重要性。
2023-06-10 cs.GT
An Iterative Security Game for Computing Robust and Adaptive Network Flows
近年来,现实世界关键基础设施网络的发展导致自动化设备的使用呈指数级增长,这反过来又带来了新的安全挑战。本文研究了不确定环境下的鲁棒自适应最大流问题,容量)是已知的和确定的,但是网络结构(例如,边缘)易受对抗攻击或失败的影响。我们提出了一个强大的和可持续的网络流模型,以有效地和主动地反击合理的攻击行为的对手在预算约束下运行。具体来说,我们介绍了一种新的场景生成方法的基础上,一个迭代的两个玩家之间的防守者和对手的游戏。我们假设,对手总是采取最佳近视反应(一些可行的攻击)对当前的流动情况下准备的防御者。另一方面,我们假设防御者考虑对手在先前迭代中揭示的所有攻击行为,以生成一个新的保守流策略,该策略对所有这些攻击都是鲁棒的(最大最小)。这种反复的博弈一直持续到对手和管理员的目标都趋于一致。我们表明,强大的网络流问题要解决的防御者是NP-难的,对手的决策问题的复杂性与网络规模和对手的预算值呈指数增长。我们提出了两个原则性的启发式方法来解决对手的问题,在一个大型的城市网络的规模。对多个合成和真实数据集的大量计算结果表明,防御者问题提供的解决方案显着增加了通过网络推送的流量,并减少了四种最先进的基准方法的预期损失流量。
2020-11-09 cs.GT
Detection Games Under Fully Active Adversaries
我们研究了一个二元假设检验问题,在这个问题中,防御者必须决定测试序列是否是从给定的无记忆源$P_0$中提取的,而攻击者则努力阻止正确的检测。相对于以前的作品,本文中所讨论的对抗设置考虑了在两个假设下都活跃的攻击者,即完全活跃的攻击者,而不是仅在一个假设下活跃的部分活跃攻击者。在完全主动设置中,攻击者使从$P_0$和从替代无记忆源$P_1$两者提取的序列失真直到在两个假设下可能不同的特定失真水平,以便最大化区分两个源时的混淆,即,以在检测器(也称为防御器)处引起假阳性和假阴性错误。我们将防御者-攻击者的互动建模为一个博弈,并研究了这个博弈的两个版本,Neyman-Pearson博弈和贝叶斯博弈。我们的主要结果是在一个攻击策略的特征,这是渐近都占主导地位(即,无论防御者的策略是什么,都是最优的)和普遍的,即,独立于$P_0$和$P_1$。从分析的均衡回报,我们还得到了最好的可实现的性能的后卫,放松的要求的指数衰减率的假阳性错误概率的Neyman-Pearson设置和贝叶斯设置的错误指数之间的权衡。这种分析允许表征给定失真水平的两个源的可互换性的条件。
2018-02-08 cs.GT cs.IT math.IT
On the Characterization of Saddle Point Equilibrium for Security Games with Additive Utility
在这项工作中,我们调查了攻击者和防御者之间的安全博弈,最初提出的\cite{emadi2019security}。众所周知,证券博弈的组合性质导致了一个大的成本矩阵。因此,计算玩家的价值和最优策略在计算上变得昂贵。在这项工作中,我们分析了一类特殊的零和游戏,其中的支付矩阵具有特殊的结构,这是由于{ \it添加剂性质}的效用函数。基于变分原理,我们给出了最优攻击者和防御者策略的结构性质。我们提出了一个线性时间算法来计算的基础上的结构属性的值,这是一个改进,从我们以前的结果在\cite{emadi2019security},特别是在大规模零和游戏的背景下。
2020-07-28 cs.GT
Manipulating a Learning Defender and Ways to Counteract
University of Oxford(牛津大学);Nanyang Technological University(南洋理工大学);University of Southampton(南安普顿大学)
在Stackelberg安全游戏中,当攻击者的收益信息不确定时,已经提出了通过与攻击者交互并观察他们的最佳响应来学习最佳防御者承诺的算法。在本文中,我们表明,但是,这些算法可以很容易地操纵,如果攻击者不如实地响应。作为一个关键发现,攻击者的操纵通常会导致防御者学习最大最小策略,这实际上使学习尝试变得毫无意义,因为计算最大最小策略根本不需要其他参与者的额外信息。然后,我们在更高的层次上应用博弈论框架来对抗这种操纵,其中防御者承诺根据所学到的信息来指定她的策略承诺的政策。我们提供了一个多项式时间算法来计算最优的这样的政策,此外,一个启发式的方法,即使当攻击者的回报空间是无限的或完全未知的。实证评估表明,我们的方法可以提高防御者的效用显着相比,当攻击者操纵被忽略的情况。
2019-10-31 cs.GT cs.LG
Data Injection Attacks on Smart Grids with Multiple Adversaries: A Game-Theoretic Perspective
Virginia Tech(弗吉尼亚理工大学)
本文提出多攻击者与单防御者博弈模型,分析智能电网防御策略及攻击者互动,通过Stackelberg游戏和混合满足均衡游戏探讨防御与攻击的博弈均衡,通过IEEE 30节点系统验证防御策略有效性。
2016-04-01 cs.CR cs.GT cs.IT
Designing the Game to Play: Optimizing Payoff Structure in Security Games
Carnegie Mellon University(卡内基梅隆大学);University of Southampton(南安普顿大学);World Wide Fund for Nature(世界自然基金会);Swarthmore College(斯沃斯莫尔学院)
防御者-攻击者行为的有效博弈论建模变得越来越重要。在许多领域,防御者不仅是一个玩家,而且还是游戏收益结构的设计者。我们研究Stackelberg安全游戏的防御者,除了分配防御资源,以保护目标免受攻击者的攻击,可以战略性地操纵攻击者的收益在预算约束下的加权L^p-范数形式的变化量。针对带加权L^1-范数形式约束的问题,提出了(i)一个基于混合整数线性规划的近似保证算法;(ii)一个基于分枝定界的有效剪枝算法;(iii)一类特殊但实用的问题的多项式时间近似算法.此外,我们证明了在L^0-范数形式和加权L^ \infty -范数形式的预算约束下的问题可以在多项式时间内求解.我们提供了一个广泛的实验评估我们提出的算法。
2018-05-22 cs.AI cs.GT cs.MA
Cluster Forming of Multiagent Systems in Rolling Horizon Games with Non-uniform Horizons
共识和集群形成的多智能体系统在面对干扰攻击以及反应性恢复行动的防御者进行了讨论。攻击者能够禁用网络的一些边缘,目的是将代理划分为较小大小的集群,而作为响应,防御者通过增加传输功率来恢复一些边缘。我们考虑重复的游戏,由此产生的最佳策略,为两个球员是在滚动的地平线时尚。攻击者和防御者拥有不同的计算能力来计算他们的策略。这方面表现为地平线长度和游戏周期的非均匀值。理论分析和仿真结果表明了视野长度和博弈周期对代理人状态的影响。
2023-01-26 cs.GT cs.MA cs.SY
A Game-theoretic Framework for Privacy-preserving Federated Learning
Huazhong University of Science and Technology(华中科技大学);Webank(微众银行);MSRA(微软亚洲研究院);Tsinghua University(清华大学);Hong Kong University of Science and Technology(香港科技大学)
针对联邦学习中的半诚实隐私威胁,提出融合双方收益的FLPG不完全信息博弈及预言机机制,给出攻击者理性选择不攻击的条件。
2024-02-28 cs.AI cs.CR cs.GT
When to Deceive: A Cross-Layer Stackelberg Game Framework for Strategic Timing of Cyber Deception
提出跨层Stackelberg博弈框架,通过停时决策优化网络欺骗的时机与选择,结合动态规划和信念状态更新,实验证明能提升防御效用并降低资产受损风险。
2025-05-27 cs.GT
Adaptive Honeypot Allocation in Multi-Attacker Networks via Bayesian Stackelberg Games
本文提出多攻击者贝叶斯Stackelberg框架,通过动态信念更新优化蜜罐部署,在数百节点网络中有效防止攻击并保持可扩展性。
2025-05-21 cs.GT
Security Games with Information Leakage: Modeling and Computation
University of Southern California(南加州大学);Trinity University(三一大学)
Stackelberg安全博弈的大多数模型假设攻击者只知道防御者的混合策略,但不能观察(甚至部分)实例化的纯策略。这种对部署的纯策略的部分观察-我们称之为信息泄漏的问题-在实际应用中是一个重要的问题。虽然以前对巡逻游戏的研究已经考虑了攻击者的实时监控,但我们的设置,因此模型和技术,从根本上是不同的。更具体地说,在描述了信息泄漏模型,我们开始与LP公式计算防御者的最优策略存在泄漏。也许令人惊讶的是,我们表明,一个关键的子问题,以解决这个LP(更准确地说,防御者的甲骨文)是NP-难,即使是最简单的安全游戏模型。然后,我们从三个可能的方向:有效的算法,限制的情况下,近似算法,启发式算法的采样,改善了现状。我们的实验证实了处理信息泄漏的必要性和我们的算法的优势。
2015-05-04 cs.AI cs.GT
Deception in Reach-Avoid Game with Unknown Heterogeneous Attackers Speed Information
Beihang University(北京航空航天大学);Zhongguancun Laboratory(中关村实验室);Hangzhou Innovation Institute, Beihang University(北京航空航天大学杭州创新研究院);China North Vehicle Research Institute(中国北方车辆研究所)
本文研究两个攻击者与一个防御者的可达-规避博弈,针对攻击者异构最大速度信息不对称场景,提出临界速度对框架,证明慢速欺骗策略可误导防御者并提升攻击者收益。
2026-09-09 cs.GT cs.RO