Network Investment Game with Wardrop Followers
我们研究了一个双边网络投资游戏,由两组玩家组成,称为提供者和用户。游戏分为两个阶段。在第一阶段,提供商的目标是通过投资云计算服务的带宽来最大化他们的利润。提供商的投资为用户提供了一组可用的服务。在第二阶段,每个用户都希望处理一个任务,因此选择一组服务,以最小化总处理时间。我们假设总的处理时间是可分离的选择的服务和每个服务的处理时间取决于服务的利用率和安装的带宽。我们提供的见解供应商之间的竞争如何影响用户的总成本,并表明,每一个游戏的串并联图可以减少到一个等价的单边游戏时,分析子博弈完美纳什均衡集。
2019-04-23 cs.GT cs.MA
Energy-Efficient Resource Allocation in Wireless Networks: An Overview of Game-Theoretic Approaches
概述了无线网络中的能量有效的资源分配的博弈论方法。以多址接入网络为研究对象,证明了博弈论可以作为研究具有服务质量(QoS)约束的无线网络中资源分配的有效工具。一个家庭的非合作(分布式)游戏中,每个用户寻求选择一个策略,最大限度地提高自己的效用,同时满足其QoS要求。这里考虑的效用函数测量每焦耳能量消耗传输的可靠比特数,因此特别适合于能量受限的网络。每个用户在尝试最大化其自身效用时可用的动作至少是选择发射功率,并且根据情况,用户还可以能够选择其传输速率、调制、分组大小、多用户接收器、多天线处理算法或载波分配策略。给出了每个博弈的最佳对策和纳什均衡。利用这个博弈论框架,功率控制,速率控制,调制,时间和空间信号处理,载波分配策略和延迟QoS约束的能量效率和网络容量的影响进行了量化。
2007-05-13 cs.GT cs.IT math.IT
On values of repeated games with signals
我们研究了在两人零和重复博弈中存在不同的价值观,在这种博弈中,状态不断演变,玩家收到信号。我们提供了一些例子,表明limsup值(和统一值)通常可能不存在。然后,我们证明了存在的任何博雷尔支付函数的值,如果球员观察到一个公共信号,包括所采取的行动。我们还证明了其他两个积极的结果没有假设的信号结构:存在的$\sup$值在任何游戏和存在的一致值的递归对策与非负支付。
2016-01-07 cs.GT math.OC
Self-Fulfilling Signal of an Endogenous State in Network Congestion Games
研究了在交通流信息不完全的情况下,网络拥塞博弈中通过信号协调来改善社会福利的问题。传统的信号控制研究只关注拥挤的外生因素,忽视了拥挤的外部性,没有考虑交通流的振荡现象。为了解决这一差距,我们制定了一个问题,设计一个协调信号的交通流量的内源性信息,并介绍了它的自我实现的信号,保证结果流与信号本身一致,而不会引起不必要的振荡特性。在高斯信号分布的情况下示出了自实现信号的实例。此外,我们给出了简单的数值例子。结果揭示了自实现信号如何抑制振荡,同时通过提高网络效率来提高社会福利。
2017-05-22 cs.GT
Collaborative Control Method of Transit Signal Priority Based on Cooperative Game and Reinforcement Learning
本文提出CBQL-TSP方法,将合作博弈与Q-Learning结合用于八相位公交信号优先控制,通过Shapley值量化各相位贡献并动态调整配时,在保证公平性的同时提升优先信号控制的灵活性与效率。
2024-04-30 cs.GT
The Structure of Signals: Causal Interdependence Models for Games of Incomplete Information
University of Michigan(密歇根大学);Loyola University Chicago(芝加哥洛约拉大学)
传统的经济模型通常将私人信息或信号视为从某种潜在状态产生的。最近的工作已经阐明了替代模型,其中信号对应于对现有信息的解释。我们发现,这些配方之间的差异可以急剧铸造的因果关系的依赖结构,并采用图形模型来说明的区别特征。图形表示支持在解释的框架中的信号模式的推断,并建议如何基于生成的模型的结果可以扩展到更一般的情况。在经典的拍卖机制投标博弈的具体见解来自定性图形模型。
2012-02-14 cs.AI cs.GT
Secure Transmissions Using Artificial Noise in MIMO Wiretap Interference Channel: A Game Theoretic Approach
我们认为联合优化的人工噪声(AN)和信息信号在MIMO窃听干扰网络,其中每个链路的传输可能会被偷听到的几个MIMO能力的窃听。每个信息信号都伴随着AN,由同一用户产生,以迷惑附近的窃听者。利用非合作博弈,提出了一种分布式优化机制,以最大化各链路的保密率。这里的决策变量是信息信号和AN的协方差矩阵。然而,每个链路的优化问题的非凸性(即,最佳对策)使得传统的凸博弈不适用,甚至无法找到是否存在纳什均衡(NE)。为了解决这个问题,我们分析了拟议的游戏使用一个宽松的均衡概念,称为准纳什均衡(QNE)。在每个玩家的问题的约束资格条件下,QNE的集合包括所提出的游戏的NE。我们还得到了所得到的QNE的存在性和唯一性的条件。事实证明,唯一性条件限制太多,在典型的网络场景中并不总是成立。因此,所提出的游戏通常有多个QNE,并不总是保证收敛到一个QNE。为了克服这些问题,我们通过在每个效用函数中添加几个特定项来修改玩家的效用函数。修改后的游戏收敛到一个QNE,即使当多个QNE存在。此外,玩家有能力选择所需的QNE来优化给定的社交目标(例如,和速率或保密和速率)。根据所选择的目标,可以控制信令开销的量以及所得到的QNE的性能。仿真结果表明,由于QNE选择机制,我们可以实现一个显着的改善,在保密和速率和功率效率。
2016-12-23 cs.GT cs.IT math.IT
Strategic Defense against Stealthy Link Flooding Attacks: A Signaling Game Approach
随着分布式拒绝服务(DDoS)攻击的日益多样化,设计一个完全受保护的网络变得非常具有挑战性。例如,隐形链接泛滥攻击(SLFA)是DDoS攻击的一种变体,它试图通过泛滥一小部分链接来阻止对目标区域的访问,并且它可以绕过传统的DDoS防御机制。解决此类SLFA的一个潜在解决方案是应用移动目标防御(MTD)技术,其中网络设置动态地改变以迷惑/欺骗攻击者,从而使得发起成功攻击的成本非常高。然而,由于MTD给网络带来了一些开销,为了找到最佳策略(即,何时和/或在何种程度上应用它一直是一个重大挑战。该策略受到攻击者行为的显著影响,这通常很难猜测。在这项工作中,我们解决的挑战,获得最佳的MTD策略,有效地减轻SLFA,同时产生最小的开销。我们设计的问题作为一个信号游戏考虑网络防御者和攻击者作为球员。在SLFA战役期间,在攻击者和防御者的整个交战过程中建立了一个信念函数,该信念函数用于为每个玩家选择最佳响应/行动。我们分析了博弈模型,并推导出基于博弈均衡的防御机制。我们评估的技术在基于Mininet的网络环境中,攻击者正在执行SLFA和防御者适用MTD的基础上的均衡的游戏。结果表明,我们的信令游戏为基础的动态防御机制可以提供类似的保护水平,对SLFA一样,广泛的MTD解决方案,但是,导致显着减少的开销。
2019-12-20 cs.GT cs.NI
Hardness Results for Signaling in Bayesian Zero-Sum and Network Routing Games
我们研究了贝叶斯博弈中完全知情的委托人所面临的最优化问题,委托人向参与者透露有关自然状态的信息,以获得理想的均衡。这个信号问题是游戏中不确定性激发的自然设计问题,最近引起了广泛的关注。我们提出了新的硬度结果信号问题(a)贝叶斯两人零和游戏,(b)贝叶斯网络路由游戏。对于贝叶斯零和博弈,当主要寻求最大化的均衡效用的球员,我们表明,它是NP-难获得的添加剂FPTAS。我们的硬度证明以一种新的方式利用了对偶性和分离与优化的等价性。此外,我们排除了添加剂PTAS假设种植集团硬度,这表明没有多项式时间算法可以从Erdens-Rényi随机图恢复种植集团。补充这些,我们得到一个PTAS的结构类零和游戏(其中获得FPTAS仍然是NP-难)时,支付矩阵服从Lipschitz条件。以前的结果排除了FPTAS假设种植集团硬度,和PTAS只为隐式游戏与准多项式大小的策略集。对于贝叶斯网络路由游戏,其中的主要目的是尽量减少纳什流的平均延迟,我们表明,它是NP-难获得(乘法)$(4/3 - ε)$ -近似,即使是线性延迟函数。这是最佳的不可逼近性的结果,线性laundry,因为我们表明,充分的启示实现了$(4/3)$ -近似线性laundry。
2016-10-30 cs.DS cs.GT
On an unified framework for approachability in games with or without signals
我们统一的标准框架,无论是在全部或部分监控的可接近性定义了一个新的抽象游戏,称为“纯粹的信息游戏”,在每个阶段的结果是最大的信息玩家可以获得,表示为一些概率测度。玩家的目标可以重写为这些概率测度的平均值序列的收敛(到某个给定集合)。我们得到了新的结果扩展的可接近性理论开发的Blackwell此外,这个新的抽象框架使我们能够描述可接近集,像往常一样,一个非常简单和清晰的凸集的重新制定。将这些结果转化为原来的博弈,成为任意集合可逼近的第一个充分必要条件,它们覆盖和推广了以前已知的凸集结果。我们还研究了一类特定的游戏,由于一些不寻常的定义的平均值和凸性,我们再次获得了一个完整的表征的可接近的集合,随着收敛速度。
2013-01-16 cs.GT math.OC
Multihop Relaying in Millimeter Wave Networks: A Proportionally Fair Cooperative Network Formation Game
毫米波信道在信源和目的地之间的非视距(NLOS)时,信道质量会显著下降。因此,多跳中继有望改善源和目的地之间的通信。这是通过将信号发送到中继序列来实现的,其中视线(LOS)信号存在于沿着路径的两个节点之间,或者更一般地,当信号比直接从源到目的地的发送信号更好时。在本文中,我们考虑一个毫米波网络组成的多个源-目的地对和一组部署中继。我们制定的问题,多跳中继作为一个合作的网络形成游戏中,每个中继选择的源-目的地对协助,以提高端到端的性能,即源和目的地之间的多跳延迟。此外,我们提出了一个算法的基础上的纳什谈判解决方案,以确保不同的源-目的地对之间的公平性,并评估其效率的数值模拟。
2015-10-27 cs.GT cs.NI
Strategic Signaling for Utility Control in Audit Games
审计机制作为保护敏感数据日常访问不受恶意攻击的有效方法,已被广泛应用于各个实际领域。为了及时检查安全漏洞并防止敏感数据的泄漏,数据库日志系统通常采用在线信令方案来在检测到可疑访问时发出警报。防御者可以审核警报以减少潜在的损害。防御者和攻击者之间的这种交互过程可以建模为审计博弈。在之前的研究中发现,在审计游戏中发送实时信号来警告访问者可以提高防御者的收益。然而,以前的方法通常假设攻击者的完美信息,或者仅仅关注防御者的效用。在本文中,我们引入了一个全新的零决定因素(ZD)策略来研究在线信号的顺序审计博弈,它使防御者能够单方面控制访问者访问敏感数据时的效用。此外,基于ZD策略设计了一个优化方案,有效地最大化防御者和攻击者之间的效用差异。大量的仿真结果表明,我们提出的方案增强了安全管理和控制能力的防御者,以更好地处理不同的访问请求,并以成本效益的方式保障系统的安全。
2022-04-25 cs.GT
Signaling in Bayesian Network Congestion Games: the Subtle Power of Symmetry
Politecnico di Milano(米兰理工大学)
网络拥塞博弈是一种多智能体策略交互的模型。尽管他们无处不在的应用程序,目前还不清楚是否有可能设计的信息结构,以改善网络用户的整体体验。我们专注于贝叶斯游戏与原子球员,网络的变幻莫测通过一个(随机)的自然状态,它决定了球员所产生的成本建模。第三方实体--发送者--可以观察网络的实现状态,并利用这些附加信息向每个玩家发送信号。一个自然的问题是:对于一个知情的发送者来说,是否有可能通过向理性更新信念的参与者提供信息来降低整体社会成本?本文重点研究了计算最优事前说服性信号方案的问题,表明对称性是其解的一个重要性质。事实上,我们表明,一个最佳的事前说服性信号方案可以计算在多项式时间时,球员是对称的,仿射成本函数。此外,当参与者不对称时,即使在非贝叶斯环境下,问题也变得NP难。
2020-02-12 cs.AI cs.GT
Heavy Traffic Approximation of Equilibria in Resource Sharing Games
我们考虑了一个结合了购买行为和战略行为的定价资源共享模型。我们研究了一个优先级服务模型,其中一个单一的服务器分配其容量的代理成比例的支付给系统,和用户从不同的类采取行动,以尽量减少他们的处理延迟和支付的成本之和。由于这个系统的确切处理时间是很难计算的,我们引入了繁忙的交通平衡的概念作为一个近似的纳什均衡,通过考虑系统负载接近能力的渐近制度。我们讨论了效率和收入,特别是提供了一个界限的无政府状态无政府代价的繁忙的交通均衡。
2012-06-02 cs.GT
Inferring the prior in routing games using public signalling
本文考虑贝叶斯说服路由游戏的不确定状态的网络信息提供的交通信息系统(TIS)使用公共信号。在这种设置中,TIS承诺一个信令方案,参与者根据先前的信念和接收到的信号形成关于网络状态的后验信念。他们随后选择的路线,最大限度地减少他们的个人预期的旅行时间下,他们的后验信念,从而产生Wardrop均衡。我们研究了TIS如何通过设计合适的信号方案来推断参与者的先验信念,并观察不同信号下的均衡流。我们表明,在温和的条件下,一个信号方案,允许精确的推理的先验存在。然后,我们提供了一个迭代算法,发现这样的计划在有限数量的步骤。我们表明,我们的算法设计的计划是强大的,在这个意义上说,他们仍然可以识别足够小的扰动后的先验。我们还调查的情况下,人口被划分在多个先验,并给出条件下,与每个先验的分数可以确定。几个例子说明了我们的结果。
2023-02-01 cs.GT cs.SY eess.SY
Observing Each Other's Observations in the Electronic Mail Game
Max Planck Institute for Research on Collective Goods(马克斯·普朗克集体事务研究所)
研究一个贝叶斯协调博弈,参与者获得私人信息和相互的私人信号。结果显示信息评估存在协调博弈,信号精度影响均衡的内生性,高精度信号导致多重均衡。
2014-12-19 cs.GT econ.GN q-fin.EC
Signaling Game-based Misbehavior Inspection in V2I-enabled Highway Operations
车辆到基础设施(V2I)通信越来越多地支持高速公路运营,如电子收费、拼车和车辆排队。在本文中,我们研究的动机,战略不当行为的个人车辆谁可以利用V2I通信的安全漏洞,并产生负面影响的高速公路运营。我们考虑一个支持V2I的高速公路段,面对两类车辆(代理人群),每一类车辆都有权访问一个服务器(车道的子集)。车辆是战略性的,因为它们可以向系统操作员误报其类别(类型),并获得对专用于其他类别的服务器的未经授权的访问。这种不当行为会对合规车辆造成额外的拥堵外部性,因此需要加以阻止。我们专注于操作员能够检查车辆行为不端的环境。检查是昂贵的,成功的检测会导致对行为不端的车辆的罚款。我们制定了一个信号博弈,研究车辆类和运营商之间的战略互动。我们的均衡分析提供了条件的成本参数,管理车辆的激励不当行为或没有。我们还确定了运营商的均衡检查策略。
2018-08-21 cs.GT
An Anti-Folk Theorem for Large Repeated Games with Imperfect Monitoring
我们研究无限重复的游戏设置不完美的监控。我们首先证明了一个家庭的定理表明,当玩家观察到的信号满足一个条件,称为$(ε, γ)$ -差分隐私,民间定理有一点点咬:为值的$ε$和$γ$足够小,对于一个固定的折扣因子,任何均衡的重复游戏涉及玩家玩近似均衡的阶段游戏在每个时期。接下来,我们认为,在大型游戏($n$玩家游戏中,单方面的偏差只有一个小的影响,其他玩家的效用),许多监控设置自然会导致信号,满足$(ε,γ)$ -差分隐私,为$ε$和$γ$趋于零的玩家数量$n$增长大。我们的结论是,在这种情况下,重复博弈的均衡集崩溃的阶段博弈的均衡集。
2014-10-08 cs.DS cs.GT
Sequential Causal Normal Form Games: Theory, Computation, and Strategic Signaling
National University of Singapore(新加坡国立大学)
本文探讨了经典博弈论框架能否扩展以捕捉AI代理的有限理性与因果推理,通过引入顺序因果多智能体系统(S-CMAS),发现其在所有测试场景中无法提供福利改进,揭示了理性选择与因果推理的不兼容性。
2026-01-21 cs.GT cs.MA stat.ME
Adversarial Machine Learning and Defense Game for NextG Signal Classification with Deep Learning
National Security Institute(国家安全研究所);Virginia Tech(弗吉尼亚理工大学)
本文提出了一个博弈论框架来研究基于深度学习的NextG信号分类的攻击和防御的相互作用。NextG系统(诸如为大量IoT设备设想的系统)可以采用深度神经网络(DNN)来执行各种任务,诸如用户设备识别、物理层认证和现任用户的检测(诸如在公民宽带无线电服务(CBRS)频带中)。通过训练另一个DNN作为代理模型,攻击者可以发起推理(探索性)攻击以学习受害者模型的行为,预测成功的操作模式(例如,信道接入),并干扰它们。防御机制可以通过在受害者模型的决策中引入受控错误来增加对手的不确定性(即,毒化对手的训练数据)。这种防御对攻击是有效的,但在没有攻击时会降低性能。防御者和对手之间的交互被公式化为非合作博弈,其中防御者选择防御的概率或防御水平本身(即,伪造决策的比率),并且对手选择攻击的概率。防御者的目标是最大化其回报(例如,吞吐量或传输成功率),而对手的目标是最小化该奖励及其攻击成本。纳什均衡策略被确定为一种操作模式,使得在另一方的策略固定的情况下,任何一方都不能单方面提高自己的效用。一个虚构的发挥制定为每个球员反复玩游戏,以响应对手的行动的经验频率。将纳什均衡下的性能与固定攻击和防御情况下的性能进行了比较,并量化了NextG信号分类对攻击的弹性。
2022-12-22 cs.AI cs.CR cs.GT
Player Modeling using Behavioral Signals in Competitive Online Games
DePaul University(德保罗大学)
竞争性网络游戏使用评级系统来匹配具有相似技能的玩家,以确保玩家获得满意的体验。在本文中,我们专注于解决不同方面的游戏行为建模时,创建比赛的球员的重要性。为此,我们从超过75,000场大逃杀比赛的数据集中设计了几个行为特征,并根据检索到的特征创建了玩家模型。然后,我们使用创建的模型来预测数据中不同玩家群体的排名。预测的排名进行比较,三个流行的评级系统。我们的研究结果表明,简单的行为模型优于主流评级系统。一些行为特征为所有玩家群体提供了准确的预测,而另一些行为特征则被证明对某些玩家群体有用。这项研究的结果强调了在分配任务时考虑球员行为的不同方面,如目标,策略和专业知识的必要性。
2021-11-29 cs.GT cs.LG
Eliciting Truthful Reports with Partial Signals in Repeated Games
The University of Texas at Austin(德克萨斯大学奥斯汀分校);The Hong Kong Polytechnic University(香港理工大学);Drexel University(德雷塞尔大学)
我们考虑一个重复的游戏,其中玩家自我报告她使用的服务,并相应地由中心收取费用。该中心观察一个部分信号,代表玩家的真实消费的一部分,这是从一个公开的已知分布产生的。玩家可以报告任何与信号不矛盾的值,中心根据报告的信息发出付款。这样的问题在电力市场中的净计量计费中得到应用,其中电力网络的客户的实际消耗被掩盖并且完全验证是不切实际的。当潜在的真实值是相对恒定的,我们提出了一个惩罚机制,elevently真实的自我报告。也就是说,除了向玩家收取报告值之外,该机制还根据她不一致的报告收取成比例的惩罚。我们展示了对未来不确定性的恐惧如何激励玩家今天诚实。对于Bernoulli分布,我们给出了完整的分析和最优策略,给出了任何惩罚。由于完全真实是不可能的连续分布,我们给近似真实的结果减少伯努利分布。我们还将我们的机制扩展到多玩家成本分摊设置,并给出均衡结果。
2022-08-15 cs.AI cs.GT
LLM Semantic Signaling Game and Mechanism Design: Systematic Blindness, Awareness Shaping, and Mindset Dynamics
本文提出语义信号博弈框架,通过意识依赖评分机制建模LLM中介的交互,结合高斯近似与完美贝叶斯纳什均衡分析策略行为,并设计机制塑造意识、惩罚欺骗以诱导良性均衡,实验验证了意识排序效应与对抗心态动力学。
2026-06-27 cs.AI cs.GT cs.MA
A Game-Theoretic Approach for Adversarial Information Fusion in Distributed Sensor Networks
University of Siena(锡耶纳大学)
本研究提出博弈论方法,用于解决分布式传感器网络中对抗信息融合问题,通过软隔离防御、最优决策融合策略、近似最优消息传递算法和数据篡改防御机制,提升系统安全性。
2025-11-28 cs.CR cs.GT cs.MA
On the Equilibrium Elicitation of Markov Games Through Information Design
New York University(纽约大学)
这项工作考虑了一个新的信息设计问题,并研究如何支付相关的环境信号的工艺单独可以影响智能代理的行为。智能体之间的策略交互被不完全信息马尔可夫博弈捕获,每个智能体首先从多个信号源中选择一个环境信号作为额外的收益相关信息,然后采取行动。有一个理性的信息设计者(设计者),他拥有一个信号源,目的是通过设计发送给代理人的信号的信息结构来控制代理人的平衡行为。建立了一个服从性原则,指出在信息设计激励每个智能体选择设计者发出的信号时,应不失一般性地关注直接信息设计,从而避免了对智能体策略选择行为的预测。然后,我们介绍了设计协议给定的目标的设计者被称为听话的可实现性(OIL),并在一类听话的完美贝叶斯马尔可夫纳什均衡(O-PBME)的OIL的特征。基于最大化最优松弛变量的方法,提出了一种新的信息设计框架。最后,我们制定了设计者的目标选择问题,并通过建立O-PBME和贝叶斯马尔可夫相关均衡之间的关系,我们建立在经典的信息设计在经济学中的启示原则,信息设计方面的特点。所提出的方法可以应用于多智能体系统在竞争以及合作环境中的预期行为,并扩展到完全和不完全信息环境中的异构随机博弈。
2021-02-14 cs.AI cs.GT cs.MA