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
Non-additive Security Games
我们研究了非可加效用函数下的安全博弈。
2016-09-21 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
Information Security Games: A Survey
介绍了博弈论和信息安全的一些基本知识。然后调查文献的一个子集，我们确定未来的研究机会。
2021-03-03 cs.CR cs.GT
Open problem: Computing Bayes-Nash equilibrium in simple security games
该开放问题探讨在贝叶斯简单安全博弈中能否在多项式时间内计算贝叶斯-纳什均衡，源自西蒙斯研究所2015年项目。
2026-10-08 cs.GT
Mitigating the Curse of Correlation in Security Games by Entropy Maximization
University of Southern California（南加州大学）
在Stackelberg安全游戏中，防御者试图随机分配有限的安全资源，以保护关键目标免受攻击。在本文中，我们研究了一个基本的，但未被探索的，在安全游戏，我们称之为\emph{Curse of Correlation}（CoC）的现象。具体而言，我们观察到不同目标的保护状况之间存在着不可避免的相关性。这种相关性是一个至关重要的问题，特别是在保护区巡逻等\emph{spatio-temporal}领域，攻击者可以监视某些区域的巡逻人员，然后使用这种相关性推断他们的巡逻路线。为了缓解这个问题，我们建议设计熵最大化防御策略的时空安全游戏，经常遭受CoC。我们证明了该问题一般是P-困难的.然而，它承认有效的算法在动机良好的特殊设置。我们的实验表明，最大熵算法比以前的算法显着的优势。一个可扩展的实现我们的算法目前正在部署前测试集成到FAMS软件，以改善美国联邦空警的调度。
2018-01-03 cs.AI cs.CR cs.GT
Mixed Strategies for Security Games with General Defending Requirements
University of Macau（澳门大学）；National University of Singapore（新加坡国立大学）；City University of Hong Kong（香港城市大学）；BNU-HKBU United International College（北京师范大学-香港浸会大学联合国际学院）；Beijing Normal University（北京师范大学）
Stackelberg安全博弈是在防御者和攻击者之间进行的，防御者需要将有限的资源分配给多个目标，以最大限度地减少攻击者的对抗攻击造成的损失。虽然允许目标具有不同的值，但经典设置通常假定统一的要求来防御目标。这使得现有的研究混合策略（随机分配算法）的结果，采用紧凑的混合策略表示。在这项工作中，我们开始研究混合策略的安全游戏中，目标可以有不同的防御要求。在对比的情况下，统一的防御要求，最佳的混合策略可以有效地计算，我们表明，计算最佳的混合策略是NP-困难的一般防御要求设置。然而，我们证明了最优混合策略防御结果的强上界和下界。我们提出了一个有效的接近最优的修补算法，计算混合策略，只使用几个纯策略。我们还研究了在网络上玩游戏时的设置，并在相邻目标之间启用资源共享。我们的实验结果表明，我们的算法在几个大型现实世界的数据集的有效性。
2022-04-26 cs.AI cs.GT
Security Game with Non-additive Utilities and Multiple Attacker Resources
人们对研究安全游戏有很大的兴趣，这些游戏用于对涉及关键基础设施、金融系统安全、政治活动和公民保障的各种系统上的攻击和防御的相互作用进行建模。然而，现有的安全博弈模型通常假设附加效用函数，或者攻击者只能攻击一个目标。这样的假设导致易于处理的分析，但错过了当前复杂网络中不同目标之间存在的关键固有依赖关系。在本文中，我们推广了经典的安全博弈模型，允许非可加的效用函数。我们还允许攻击者能够攻击多个目标。我们从理论的角度研究这样一个一般的安全博弈，并提供一个统一的观点。特别是，我们表明，每个安全游戏是等价于一个组合优化问题的集合系统$\varepsilon$，其中包括后卫的纯策略空间。我们使用的关键技术是基于变换，投影的多面体，和椭球方法。这项工作解决了安全博弈领域的几个开放性问题，并显着扩展了安全博弈的多项式可解类和NP难类的最新技术。
2017-01-30 cs.CR 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
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
Stackelberg vs. Nash in Security Games: An Extended Investigation of Interchangeability, Equivalence, and Uniqueness
最近有显着的兴趣在游戏理论的方法来安全，最近的研究集中在利用领导者-追随者Stackelberg博弈模型。其中主要的应用是部署在洛杉矶国际机场的ARMOR计划和美国联邦空军元帅（FAMS）使用的IRIS计划。使用Stackelberg博弈的基本假设是，安全部队（领导者）首先采取行动，承诺采取随机策略;而他们的对手（追随者）则在监视这个随机策略后选择他们的最佳对策。然而，在许多情况下，领导者可能会面临追随者的监视能力的不确定性。以前的工作未能解决领导者应该如何计算她的战略，这样的不确定性。我们提供了五个贡献的背景下，一般类的安全游戏。首先，我们证明了安全博弈中的纳什均衡是可互换的，从而缓解了均衡选择问题。其次，在安全博弈的自然限制下，任何Stackelberg策略也是一个纳什均衡策略;而且，在一类安全博弈中，解是唯一的，ARMOR是其中的一个关键范例。第三，当面对一个可以攻击多个目标的追随者时，这些属性中的许多都不再有效。第四，我们的实验表明，在大多数（但不是所有）的限制不成立的游戏，Stackelberg策略仍然是一个纳什均衡策略，但这不再是真的，当攻击者可以攻击多个目标。最后，作为未来研究的一个可能方向，我们提出了一个广泛形式的博弈模型，使防御者的不确定性的攻击者的观察能力明确。
2014-01-16 cs.GT
GraphChase: A Platform and Benchmark for Urban Network Security Games
City University of Hong Kong（香港城市大学）；CAIR, Hong Kong Institute of Science & Innovation, CAS（中国科学院香港创新研究院人工智能与机器人创新中心）；Nanyang Technological University（南洋理工大学）；Georgia Institute of Technology（佐治亚理工学院）；University of Toronto（多伦多大学）；The University of Hong Kong（香港大学）
GraphChase为城市网络安全博弈提供统一平台，支持算法开发与评估，揭示现有方法在鲁棒性和可扩展性上的不足，强调仿真到现实的泛化差距。
2026-06-27 cs.AI cs.GT
Single-Leader-Multiple-Followers Stackelberg Security Game with Hypergame Framework
本文采用超博弈框架分析了单领导多追随者（SLMF）Stackelberg安全博弈中两种典型的误报情况：误解和欺骗。我们利用超纳什均衡（HNE）给出了一个稳定性判据，研究了带有错误信息的SLMF博弈中均衡的策略稳定性和认知稳定性。事实上，我们发现了温和的稳定条件，使得误解和欺骗的平衡可以成为HNE。此外，我们还讨论了均衡的鲁棒性，以揭示在某些错误信息的影响下，参与者是否有能力保持他们的利润。
2022-03-28 cs.GT
Computational adversarial risk analysis for general security games
本文提出基于双智能体影响图和增强概率模拟的计算对抗风险分析方法，用于高效求解通用单阶段与多阶段安全博弈，并通过虚假信息战案例验证其有效性。
2025-06-03 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
Additive Security Games: Structure and Optimization
在这项工作中，我们提供了一个结构特征的可能的纳什均衡在研究类安全游戏与附加效用。我们的分析产生的可能的均衡分为七种类型的分类，我们提供了封闭形式的可行性条件，以及封闭形式的表达式，预期结果的球员在均衡。我们提供了每种类型的唯一性和多重性的结果，并利用我们的结构方法，提出了一种新的算法来计算每种类型的平衡时，他们存在。然后，我们考虑的特殊情况下的安全游戏完全保护资源和零和游戏。在防御者可以扰动攻击者的收益的假设下，我们研究了在均衡时防御者期望结果的优化问题。我们表明，这个问题是弱NP-硬的Stackelberg平衡和多攻击者资源的情况下，并提出了一个伪多项式时间的过程来解决这个问题的情况下，纳什均衡温和的假设。最后，针对非可加安全博弈，我们提出了最近可加博弈的概念，并证明了任何非可加博弈的最近可加博弈的存在性和唯一性。
2022-08-03 cs.GT
Deep Reinforcement Learning for FlipIt Security Game
Boston University（波士顿大学）；Center for Brains, Minds and Machines, MIT（麻省理工学院脑、心智与机器中心）；CMSA, Harvard University（哈佛大学数学与应用中心）
强化学习在国际象棋、西洋双陆棋和围棋等游戏中取得了很大的成功。然而，在大多数这些游戏中，智能体在任何时候都对环境有充分的了解。在本文中，我们描述了一个深度学习模型，在该模型中，智能体成功地适应不同类别的对手，并在部分可观察性下的游戏中使用强化学习学习最佳对策。我们将我们的模型应用于FlipIt，这是一个两个玩家的安全游戏，其中两个玩家，攻击者和防御者，争夺一个共享资源的所有权，并且在移动时只接收游戏当前状态的信息。我们的模型是一个结合了Q学习的深度神经网络，并经过训练以最大化防御者对资源的所有权时间。尽管有噪声信息，我们的模型成功地学习了一个具有成本效益的反策略，优于对手的策略，并显示了在博弈论场景中使用深度强化学习的优势。我们还将FlipIt扩展到一个更大的动作间隔游戏，引入了一个新的低成本移动，并将该模型推广到$n$玩家FlipIt。
2022-04-02 cs.AI cs.GT cs.LG
Multi-resource defensive strategies for patrolling games with alarm systems
University of Milan（米兰大学）；Politecnico di Milano（米兰理工大学）
安全博弈运用博弈论工具推导出安全领域的资源分配策略。最近的作品认为存在的报警系统，甚至遭受各种形式的不确定性，并表明，忽视报警信号可能会导致任意坏的策略。警报系统的核心问题，在其他安全游戏中没有探索过，是找到最好的策略来响应每个移动防御资源的警报信号。文献提供了基本的单资源的情况下，结果表明，即使在这种情况下的问题是计算困难。在本文中，我们专注于具有挑战性的问题，设计算法的缩放与多个资源。首先，我们专注于找到最小数量的资源，确保对每个目标的非空保护。然后，我们处理的计算多资源战略与不同程度的协调资源之间。对于每个考虑的问题，我们提供了一个计算分析，并提出算法方法。
2016-06-07 cs.AI cs.GT
Scaling CheckMate for Game-Theoretic Security
本文提出自动验证工具 CheckMate，通过自动推理判定区块链等协议模型是否兼具拜占庭容错性与激励相容性，并在 15 个涵盖协议、棋盘游戏和博弈论示例的基准上评估其能力。
2024-06-13 cs.GT cs.LO
Stochastic Games for Security in Networks with Interdependent Nodes
本文研究了通信和计算机网络中安全和入侵检测的随机博弈论方法。具体来说，攻击者和防御者在节点网络上参与两人游戏，这些节点的安全资产和漏洞是相关的。这样的网络可以使用加权有向图来建模，其中边表示节点之间的影响。该博弈可以表述为非合作的零和或非零和随机博弈。然而，由于节点之间的相关性，如果某些节点被攻破，其余节点的有效安全资产和脆弱性通常不会保持不变，这导致了复杂的系统动力学。我们研究的存在性，唯一性和结构的解决方案，并提供数值例子来说明我们的模型。
2010-03-11 cs.CR cs.GT
GUARD: Constructing Realistic Two-Player Matrix and Security Games for Benchmarking Game-Theoretic Algorithms
本文提出 GUARD 框架，利用开放数据集生成现实的矩阵与安全博弈实例，支持自定义效用函数，并通过理论与实证证明其优于随机博弈基线，为博弈论算法提供更贴近现实的基准测试。
2025-05-27 cs.GT
Gamu Blue: A Practical Tool for Game Theory Security Equilibria
针对现有博弈论安全均衡定义缺乏实用实现的问题，本文开发了Gamu Blue工具，支持计算k-弹性、l-排斥性、t-免疫性、(l, t)-抵抗性和m-稳定性等多种均衡，为网络安全策略分析提供了易用的实践平台。
2024-03-28 cs.GT
A Tale of Two Mechanisms: Incentivizing Investments in Security Games
在相互依赖的用户系统中，实体的安全不仅受到该用户在安全措施方面的投资的影响，而且还受到其他用户（一些）安全决策的正外部性的影响。因此，在这样的系统中的安全性的提供被建模为公共物品提供问题，并被称为安全博弈。在本文中，我们比较了两个著名的激励机制，在这种情况下，激励用户之间的最佳安全投资，即利润和外部性机制。税收机制中的税收旨在确保用户的自愿参与，而外部性机制中的税收旨在维持预算平衡。我们首先展示了更普遍的结果，即由于安全的非排他性，没有机制可以激励社会最优的投资组合，同时确保自愿参与，并保持平衡的预算的所有实例的安全游戏。为了进一步说明，我们应用的加权总努力相互依赖模型的特殊情况下，和识别一些不同的用户之间的相互依赖的影响，在预算赤字的加权机制，以及参与激励的外部性机制。
2015-03-25 cs.GT
Branch-and-price with novel cuts, and a new Stackelberg Security Game
该研究针对关键基础设施防护的Stackelberg安全博弈问题，提出新型有效不等式求解强Stackelberg均衡，结合分支定价法验证了方法优于现有标准公式，并分析了参数对性能的影响。
2024-05-15 cs.GT math.OC
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
Machine Learning Techniques for Stackelberg Security Games: a Survey
Politecnico di Milano（米兰理工大学）
本调查旨在介绍当前安全游戏领域采用的机器学习技术。具体而言，我们重点关注了南加州大学Teamcore开发的论文和作品，这些论文和作品深化了该领域的不同方向。Stackelberg安全游戏（SSG）和偷猎设置的简要介绍后，其余的工作提出了如何建模一个有限理性的攻击者考虑到她的人类行为，然后描述了如何面对的问题，有攻击者的收益没有定义，以及如何估计他们，最后，介绍了如何在线学习技术已被利用来学习攻击者的模型。
2016-09-29 cs.GT cs.LG
Closing the Price of Anarchy Gap in the Interdependent Security Game
在互联系统中，用户的可靠性和安全性取决于所有用户在安全方面的集体努力。因此，战略用户对安全技术的投资通常被建模为公共利益问题，称为相互依赖安全（IDS）游戏。这类博弈的均衡往往是低效的，因为自私的用户会搭别人贡献的正外部性的便车。在本文中，我们提出了一种机制，实现社会最优均衡IDS游戏通过一个消息交换过程中，用户提交的安全投资和税收/价格配置文件的建议。该机制与现有解决方案的不同之处在于：（1）它导致社会最优的投资水平，关闭IDS游戏中的无政府状态无政府代价差距，（2）它适用于用户相互依赖的一般模型。我们进一步考虑了个人理性的问题，在许多资源分配问题中，这往往是一个微不足道的条件，并认为，在正外部性的情况下，不参与和搭别人投资的便车的动机会使个人理性在设计机制时更难满足。
2014-08-26 cs.CR cs.GT
Catcher-Evader Games
计算博弈论解决方案的算法最近已被应用到一些安全领域。然而，许多技术开发的安全游戏的紧凑表示不扩展到{ \em贝叶斯}安全游戏，这使我们能够模拟攻击者的类型的不确定性。在本文中，我们介绍了一个一般的框架{ \em捕手逃避}游戏，可以捕获贝叶斯安全游戏以及其他游戏的兴趣。我们表明，计算Stackelberg策略是NP-难的，但给出了一个算法，计算的纳什均衡，在实验中表现良好。我们还证明了这些游戏的纳什均衡满足{ \em可扩展性}属性，所以均衡选择不是一个问题。
2016-04-16 cs.CR cs.GT
Targets in Reinforcement Learning to solve Stackelberg Security Games
University of Maryland（马里兰大学）；Montgomery Blair High School（蒙哥马利布莱尔高中）；Wootton High School（伍顿高中）
强化学习（RL）算法已成功应用于现实世界的情况，如非法走私，偷猎，森林砍伐，气候变化，机场安全等。这些场景可以被框定为Stackelberg安全游戏（SSG），其中防御者和攻击者竞争控制目标资源。该算法的能力是由代理控制的目标进行评估。本文综述了强化学习中SSG的建模，重点是强化学习算法中目标表示的可能改进。
2022-11-30 cs.AI cs.GT cs.LG
A Generic Metaheuristic Approach to Sequential Security Games
本文介绍了一种通用的方法来解决序列安全游戏（SGs），利用进化算法。该方法（命名为EASG）的制定是通用的，并且在很大程度上与游戏无关，这允许其应用于广泛的SG，只需很少的调整即可解决游戏特异性。在3种不同类型的游戏（共300个实例）上进行的综合实验证明了EASG的鲁棒性和稳定性，在绝大多数情况下可重复实现最优或接近最优的解决方案。EASG的主要优点是时间效率。该方法的规模明显优于国家的最先进的方法，因此可以应用到SG的情况下，这是超出了现有方法的能力。此外，由于随时特性，EASG非常适合时间关键型应用，因为该方法可以在任何时刻终止，并且仍然提供相当好的解决方案-迄今为止发现的最佳解决方案。
2019-11-13 cs.GT
Interdependent Defense Games: Modeling Interdependent Security under Deliberate Attacks
我们提出了相互依存的防御（IDD）游戏，一个计算博弈论的框架，研究方面的相互依存的风险和安全性在多智能体系统下故意的外部攻击。我们的模型建立在相互依赖的安全（IDS）游戏，模型由于愈合和Kunreuther认为风险的来源是一个固定的randomizedstrategy。我们调整IDS游戏来模拟攻击者的故意行为。我们定义了攻击者的纯策略空间和效用函数，并为防御者推导出适当的成本函数。我们提供了一个完整的混合策略纳什均衡（MSNE）的特征，并设计了一个简单的多项式时间算法来计算所有这些，IDD游戏的一个重要子类。此外，我们提出了一个随机实例生成器（一般）IDD游戏的基础上的一个版本的现实世界的互联网派生的自治系统（AS）图（约27K节点和100K边），并提出了有前途的实证结果，使用一个简单的学习算法来计算（近似）MSNE在这样的游戏。
2012-10-16 cs.CR cs.GT
Comparing Decision Support Approaches for Cyber Security Investment
在投资网络安全资源时，信息安全管理人员必须遵循有效的决策策略。我们称之为网络安全投资挑战。在本文中，我们考虑了三种可能的决策支持方法，为安全管理人员应对这一挑战。我们认为基于博弈论，组合优化和两者的混合的方法。我们的建模首先是建立一个框架，在这个框架中，我们可以调查网络安全控制在保护被视为商品威胁目标的不同资产方面的有效性。在博弈论方面，我们考虑了两人之间的控制游戏的安全管理人员谁必须选择不同的实施水平的网络安全控制，和商品攻击者谁选择不同的目标进行攻击。纯博弈论方法论是一个包含所有控制和所有威胁的大型博弈。在混合方法中，将各个控制博弈的博弈解及其直接成本（例如财务成本）与背包算法相结合，以获得最佳投资策略。组合优化技术包括一个多目标多选择背包为基础的战略。我们比较这些方法的案例研究，是建立在SANS的顶部关键控制。这项工作的主要成就是突出了网络安全不同投资方法的弱点和优势，它们相互作用的好处，以及间接成本对网络安全投资的影响。
2015-02-19 cs.CR cs.GT
Layered Graph Security Games
本文提出分层图安全博弈模型，覆盖追逃、反恐等场景，证明线性效用下多项式时间可解，二元效用难解，并设计增量策略生成与混合整数规划算法高效计算ε-均衡。
2024-05-10 cs.GT
A Game Theoretical Analysis of Localization Security in Wireless Sensor Networks with Adversaries
无线传感器网络（WSN）支持数据汇集和分布式数据处理，其传感设备非常小，易于篡改和克隆，因此传统的基于访问控制和强认证的安全解决方案难以部署。在本文中，我们看看节点定位的安全性评估的问题。特别地，我们分析了可验证多边化（VM）用于定位节点和恶意节点（即，对手）试图伪装成非恶意。我们诉诸非合作博弈论，我们模拟这种情况下，作为一个两个玩家的游戏。我们分析了最佳球员的策略，我们表明，虚拟机确实是一个适当的机制，以减少虚假的立场。
2010-08-24 cs.GT cs.NI
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
Security Games with Decision and Observation Errors
我们研究两个玩家的安全游戏，可以被视为序列的非零和矩阵游戏的攻击者和防守者。游戏的演变是基于一个随机的虚拟游戏过程。参与者不能访问彼此的收益矩阵。每个人都必须观察对方的行动，直到现在，并根据对这些观察的最佳反应来执行所产生的行动。然而，当通过通信网络玩游戏时，有几个实际问题需要考虑：首先，玩家可能会时不时地犯随机决策错误。第二，玩家对彼此先前行动的观察可能是不正确的。玩家将根据他们所掌握的信息来弥补这些错误。我们研究了这种情况下博弈的收敛性，并在一些温和的假设下，当双方都被限制在两个行动时，建立收敛到平衡点。
2010-03-14 cs.CR cs.GT
Green Security Game with Community Engagement
虽然已经开发了博弈论模型和算法来打击绿色安全领域的非法活动，如偷猎和过度捕捞，但现有的工作都没有考虑社区参与的关键方面：社区成员被执法部门招募为线人，可以提供有价值的提示，例如，正在进行的非法活动的地点，以协助巡逻。我们填补了这一空白，并（i）引入了一种新的两阶段安全博弈模型的社区参与，与二分图表示的告密者-攻击者的社会网络和一个水平- $κ$响应模型的启发，认知层次;（ii）提供复杂性的结果和精确，近似和启发式算法选择告密者和分配巡逻对水平- $κ$（$κ<\infty$）攻击者;（iii）提供了一种新的算法来找到针对级别$\infty$攻击者的最优防御策略，该算法将优化参数化不动点的问题转换为双层优化问题，其中内层只是线性规划，外层只有线性数量的变量和单个线性约束。我们还通过大量的实验来评估算法。
2020-02-21 cs.GT
Beyond Arbitrary Allocations: Security Values in Constrained General Lotto Games
University of Colorado, Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）；University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
本文研究受限一般彩票游戏中的安全值，探讨单 contest 资源分配对战略行为的影响，提出上下界分析。
2026-04-07 cs.GT
Escape Sensing Games: Detection-vs-Evasion in Security Applications
本文提出 Escape Sensing Games（ESG）以建模目标通行顺序与传感器充能约束下的检测—规避对抗，证明最优响应与均衡计算为 NP 难，并给出经实验验证的有效启发式算法。
2024-10-28 cs.GT
Efficient Strategy Computation in Zero-Sum Asymmetric Repeated Games
零和非对称博弈模型涉及两个竞争的玩家，他们对所玩的游戏有不同的信息。一个特殊的情况是嵌套信息，其中一个（知情的）参与者比另一个（不知情的）参与者拥有更好的信息。本文考虑了重复零和博弈中嵌套信息的情形，研究了有限时域和贴现无限时域嵌套信息博弈中知情和不知情局中人的策略计算问题。对于有限的地平线设置，我们利用这两个球员，安全策略，以及对手的相应的最佳对策只取决于知情的球员的历史行动。使用这个属性，我们完善的序列形式，并制定一个LP计算的球员策略，是线性的大小不知情的球员的行动集。对于无限时域折扣博弈，我们构造LP公式来计算双方的近似安全策略，并提供近似安全策略和安全策略之间的性能差异的界限。最后，我们说明了一个网络阻断游戏之间的通知系统管理员和穿制服的入侵者的结果。
2017-11-07 cs.GT
Interdependent Security Games on Networks under Behavioral Probability Weighting
School of Electrical and Computer Engineering, Purdue University（普渡大学电气与计算机工程学院）
本文研究了网络中依赖安全博弈中节点的行为概率加权对最优投资策略和纳什均衡安全风险的影响，分析了不同图拓扑在总努力博弈和最弱链接博弈中的最优投资策略。
2016-08-12 cs.GT cs.SY eess.SY
Omniscient Attacker in Stochastic Security Games with Interdependent Nodes
Bilkent University（比尔肯特大学）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文研究了随机安全游戏中全知攻击者对强化学习防御者的攻击，通过神经动态规划方法揭示了学习动态带来的安全漏洞。
2025-12-04 cs.GT cs.SY eess.SY
A Game Theoretic Economics Framework to understanding Information Security Oursourcing Market
在信息安全外包市场上，企业不想让外部公司（通常称为MSSP管理的安全服务提供商）来照顾他们的安全需求的一个重要原因是，他们担心MSSP提供的服务质量，因为他们无法监控MSSP的工作。由于MSSP的行为对买方来说是不可观察的，MSSP可以通过比合同要求的更少的努力来降低成本，并获得更高的利润。在信息不对称的文献中，这种可能的秘密逃避行为被称为道德风险问题。本文通过一个博弈论的经济学框架，证明了在信息不对称的条件下，可以设计一个最优契约，使得MSSP能够坚持他们承诺的努力水平。我们还表明，最优合同应该是基于性能的，即，对MSSP的付款应根据MSSP的安全服务的执行情况进行分期付款。为了比较，我们还表明，如果道德风险问题不存在，最优合同不依赖于MSSP的性能。一个合同，规定不断支付给MSSP将是最佳的。此外，本文还证明了无论是在完全信息情形下还是在不完全信息情形下，交易成本越高，对移动通信服务提供商的支付越低。
2005-06-10 cs.GT
Practical Scalability for Stackelberg Security Games
Stackelberg安全游戏（SSG）已被广泛用于对抗性交互的建模。随着SSG应用规模的不断扩大，平衡计算的可扩展性成为一个重要的研究问题。虽然先前的研究在可扩展性方面取得了进展，但根据当前的要求，许多现实世界的问题还不能令人满意地解决;这些问题包括部署的联邦空警（FAMS）应用程序和机场的威胁筛选（TSG）问题。此外，这些问题域固有地受到现有文献中所示的NP硬度的限制。我们发起了一个原则性的研究近似零和SSGs。我们的贡献包括：（1）一个被称为对抗随机分配（ARA）博弈的SSG的统一模型，该模型允许在一个模型中研究大多数SSG，（2）零和ARA以及在机场分配联邦空警（FAMS）和威胁筛选问题（TSG）的子问题的近似结果的困难性，（3）具有可证明的近似保证的零和ARA的近似框架和（4）实验证明了在可接受的5%解质量损失的情况下，在运行时间上高达1000倍的改进的显著可扩展性。
2017-11-11 cs.GT
Security Strategies of Both Players in Asymmetric Information Zero-Sum Stochastic Games with an Informed Controller
考虑了一个两人零和非对称信息随机对策，其中只有一个局中人知道系统的状态，且转移律仅由知情局中人控制。对于知情的球员，它已被证明，安全策略只取决于信念和当前阶段。我们提供LP配方的大小是唯一的线性的大小不知情的球员的行动集计算历史为基础的和信仰为基础的安全策略。对于不知情的参与人，我们关注的是遗憾，即0和不知情的参与人在每种可能状态下保证的未来收益之间的差异。后悔是一个与信念大小相同的真实向量，并且只取决于知情参与者的行动和不知情参与者的策略。研究表明，不知情的局中人的安全策略只取决于后悔和当前阶段。然后给出了基于历史的安全策略、每个阶段的后悔值和基于后悔值的安全策略的LP公式。LP公式的大小再次与不知情玩家动作集的大小成线性关系。最后，以一个入侵检测问题为例，验证了本文的主要结论.
2017-11-07 cs.GT
SoK: Tools for Game Theoretic Models of Security for Cryptocurrencies
近年来，加密货币引起了学术界和工业界的广泛关注。加密货币的一个有趣方面是它们在协议层面明确考虑激励措施。了解如何将其纳入用于设计加密货币的模型中已经激发了大量的工作，但仍然存在许多开放的问题，目前的系统很少能很好地处理与激励相关的问题。这个问题的出现是由于密码学和分布式系统安全之间的差距，它处理传统的安全问题，忽略了明确的考虑激励，和博弈论，最好的处理涉及激励的情况。有了这项工作，我们的目标是提供一个系统化的工作，涉及到这个问题，考虑论文，将博弈论与密码学或分布式系统，并讨论它们如何可以相关。这给出了可用工具的概述，我们在已经提出或实施的现有基于区块链的系统的背景下，研究了它们在实践中的（潜在）用途。
2020-02-21 cs.CR 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
Learning Attacker's Bounded Rationality Model in Security Games
提出了一种新的神经进化方法（NESG）来计算Stackelberg安全博弈中领导者的支付。NESG的核心是战略评估神经网络（SENN）。SENN能够有效地评估领导者的策略，而对手可能由于某些认知偏见或限制而不以完全理性的方式行事。SENN是在历史数据上训练的，不需要任何关于追随者的目标偏好、收益分布或有限理性模型的直接先验知识。NESG在一组90个基准游戏上进行了测试，这些游戏的灵感来自于被称为深度数据包检测的真实网络安全场景。实验结果表明，应用NESG的优势，现有的国家的最先进的方法时，发挥对不完全理性的对手。该方法提供了高质量的解决方案，具有优越的计算时间可扩展性。由于NESG的通用和无知识构造，该方法可以应用于各种现实生活中的安全场景。
2021-09-27 cs.GT cs.NE
A Markov Game Model for AI-based Cyber Security Attack Mitigation
新一代网络威胁利用先进的人工智能辅助方法，使其能够发起多阶段，动态和有效的攻击。当前的网络防御系统在防御这些新的和正在出现的威胁方面遇到了各种挑战。通过博弈论模型对人工智能辅助的威胁进行建模，可以帮助防御者选择最佳策略来应对攻击，并做出明智的决策来减轻攻击的影响。本文首先探讨了新一代威胁的当前最新技术水平，其中深度神经网络等AI技术被用于攻击者，并讨论了进一步的挑战。本文提出了一个马尔可夫动态博弈模型，在云计算环境下，攻击者利用人工智能技术，通过寻找最短攻击路径发起高级攻击，并利用CVSS度量来量化该零和博弈模型的价值，以便于决策。
2021-07-20 cs.GT
Towards a Game-Theoretic Security Analysis of Off-Chain Protocols
链下协议是解决区块链技术固有的可扩展性问题的最有前途的方法之一。其核心思想是让各方只在链上进行一次交易，以在它们之间建立一个通道，然后利用产生的通道路径在链下执行任意多个点对点交易。虽然在链下协议的证明技术方面已经取得了重大进展，但现有的方法并没有在其设计的核心中捕获博弈论激励，这导致忽视了过去的虫洞攻击等重要攻击向量。在这项工作中，我们通过引入第一个博弈论模型，对链下协议的原则性博弈论安全分析迈出了第一步，该模型具有足够的表达力来推理其安全性。我们提倡使用扩展形式博弈（EFG），并介绍了两个EFG实例来捕获闪电网络的关闭和路由的安全属性。具体来说，我们对关闭协议进行了建模，该协议依赖于惩罚机制来抑制各方在链上上传旧的通道状态。此外，我们建模的路由协议，从而正式表征虫洞攻击，一个漏洞，破坏了基于费用的激励机制的闪电网络。
2022-10-24 cs.CR cs.GT
A Game of Drones: Cyber-Physical Security of Time-Critical UAV Applications with Cumulative Prospect Theory Perceptions and Valuations
本文介绍了一种新的数学框架，用于建模和分析时间关键型无人机应用的网络物理安全。一个通用的无人机安全网络拦截游戏制定模型之间的互动无人机操作员和拦截器，其中每一个可以是良性的或恶意的。在这个游戏中，拦截者通过拦截无人机的潜在路径来选择目标无人机系统的最佳位置。同时，无人机操作员通过寻找最佳路径选择策略来做出响应，该策略使其无人机能够躲避攻击并最小化其任务完成时间。从累积前景理论（PT）的新概念被纳入到游戏中，以捕捉操作员和拦截器的任务完成时间和无人机面临的风险水平的看法的主观评价。均衡的游戏，有和没有PT，然后分析的特点和研究。新的算法，然后提出了PT和经典博弈论下达到游戏的均衡。仿真结果显示了合理的和PT的情况下的平衡的属性。结果表明，操纵者和拦截者的有限理性更可能对无人机操纵者不利。
2020-02-07 cs.GT cs.IT math.IT
A Review On Game Theory With Smart Grid Security
Tennessee Tech University（田纳西理工大学）
本文综述博弈论在智能电网安全中的应用，梳理不同部门威胁模型及连接攻击者与防御者的博弈求解方法。
2023-04-23 cs.CR cs.GT cs.LG
A Game-Theoretic Approach for Security Control Selection
针对安全控制组合选择难题，本文提出基于博弈论的两人零和单次博弈方法，结合代数形式体系处理控制依赖，在预算约束下依据攻击者画像选控，经金融系统四场景验证可辅助安全决策。
2024-10-30 cs.CR cs.GT
The Critical Node Game
本研究提出结合博弈论、组合优化与网络安全的关键节点博弈模型及纳什均衡求解算法，可评估云网络安全态势、辅助制定最优防护策略，经真实云网络测试验证有效。
2024-04-16 cs.CR cs.GT math.OC
