Adaptive Resource Allocation in Jamming Teams Using Game Theory
Coordinated Science Laboratory, University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校协同科学实验室)
本文利用博弈论研究两团队中移动代理的功率分配与自适应调制问题,提出零和矩阵博弈与连续核博弈模型,并给出纯策略鞍点均衡存在的充分条件。
2011-02-06 cs.GT cs.IT cs.SY
Power Allocation in Team Jamming Games in Wireless Ad Hoc Networks
研究团队间干扰博弈中的功率分配问题,采用零和微分博弈模型和Isaacs方法,给出了纯策略纳什均衡存在的充分条件。
2011-01-31 cs.CR cs.GT cs.IT
On Strategic Multi-Antenna Jamming in Centralized Detection Networks
在本文中,我们建立了一个完整的信息零和游戏之间的集中式检测网络与传感器和融合中心(FC)之间的多个接入信道(MAC),和多个发射天线的干扰机。我们选择在FC的错误概率作为性能指标,并调查纯策略均衡这个游戏,并表明干扰机没有影响FC的错误概率,采用纯策略在纳什均衡。此外,我们还表明,干扰机的预期效用的影响,如果它采用混合策略。
2016-08-16 cs.CR cs.GT cs.IT
Connectivity jamming game for physical layer attack in peer to peer networks
由于无线通信的开放获取性质,无线网络可能遭受恶意活动,例如干扰攻击,其目的在于破坏网络维持通信链路和可接受吞吐量的能力。设计网络时的一个重要考虑因素是适当地调整网络拓扑及其连接,以便支持参与网络的人员的通信需求。本文研究了旨在损害连接性和吞吐量的干扰攻击问题,并说明了将网络性能参数映射到拓扑连接性度量的方法。具体地说,本文通过一个统一的随机博弈,得出了针对干扰攻击的抗干扰策略。在这样的框架中,试图保护网络的实体面临两难境地:(i)对手的潜在动机可以是相当不同的,这在很大程度上取决于网络的特性,例如功率和距离;(ii)这样的攻击的度量可以是不可比较的(例如,网络连接性和总吞吐量)。为了解决这种度量不可比的问题,本文提出了使用攻击的预期持续时间作为一个统一的度量来比较不同的攻击度量,因为较长的持续时间的不成功的攻击假设更高的成本。在此基础上,提出了一种基于最大最小选择的攻击预防策略。
2017-11-29 cs.CR cs.GT cs.NI
Truthful Spectrum Auction for Efficient Anti-Jamming in Cognitive Radio Networks
在认知无线电网络中,一个重要的挑战是设计一个框架,在这个框架中,自私的次用户有义务真实地相互交互。此外,由于这些网络对干扰攻击的脆弱性,设计抗干扰防御机制也同样重要。%提供安全防御也是非常重要的。在本文中,我们提出了一个真实的机制,对干扰鲁棒性,动态随机认知无线电网络由几个自私的次要用户和一个恶意用户。在该模型中,每个次用户参与拍卖并希望使用未被干扰的频谱,恶意用户的目的是通过破坏通信链路来干扰信道。设计了次用户之间的真实拍卖机制。此外,零和游戏制定之间的次要用户和恶意用户的集合。这个联合问题,然后铸造作为一个随机的两级拍卖,其中第一个拍卖分配的空闲信道,然后第二个分配剩余的未分配的信道。我们还将此解决方案更改为可信分布式方案。仿真结果表明,分布式算法在不增加系统开销和复杂度的情况下,可以达到接近集中式算法的性能。
2016-11-26 cs.GT cs.IT cs.NI
On the Capacity of Rate-Adaptive Packetized Wireless Communication Links under Jamming
我们制定的通信节点和对手之间的互动在博弈论的背景下。我们发现,早期的信息理论容量的结果对应于一个纯粹的纳什均衡(NE)的干扰信道。然而,当两个玩家都被允许随机化他们的动作时(即,编码率和干扰功率)的新的混合纳什均衡出现了令人惊讶的性能。我们示出了阈值($J_{TH}$)的存在,使得如果干扰机平均功率超过$J_{TH}$,则NE处的信道容量与干扰机一直使用其最大允许功率$J_{Max}$的情况相同。这表明随机化显著有利于强大的干扰机。我们还展示了NE策略是如何推导出来的,我们提供了非常简单的(例如,半均匀)逼近最佳通信和干扰策略。这种策略在当前的硬件和软件中实现起来非常简单。
2012-04-10 cs.GT cs.IT math.IT
Static and dynamic jamming games over wireless channels with mobile strategic players
University of Brescia(布雷西亚大学);University of Padova(帕多瓦大学)
本文研究了无线阻塞问题,考虑合法接收器与阻塞器之间的竞争作为零和博弈,旨在最大化/最小化接收端的信道容量。与文献中通常假设的静止节点不同,本文研究了玩家可以移动的情况,特别是在线性几何中移动。首先将其建模为静态游戏,可以闭式求解,随后扩展为动态游戏,考虑三种不同的互信息完备性/完美性版本,分别对应不同的隐蔽性和动作顺序假设。我们首先提供了一些适用于静态游戏的理论条件,并帮助识别在任何设置中有效的策略,包括动态游戏。由于动态游戏虽然更现实,但策略空间显著扩大,我们利用强化学习来获得高效的策略,以达到均衡结果。我们展示了如何利用理论发现来训练智能体玩游戏,并在实际环境中验证我们的方法。
2026-09-10 cs.GT cs.NI
Cooperative game theory and the Gaussian interference channel
在本文中,我们讨论了使用合作博弈理论分析干扰信道。我们扩展我们以前的工作,游戏N玩家以及频率选择性信道和联合TDM/FDM策略。我们表明,纳什讨价还价的解决方案可以使用凸优化技术计算。我们还表明,相同的结果是适用于干扰信道,只有统计知识的信道。此外,对于两个玩家的$2\times K$频率选择性信道(具有K个频率仓)的特殊情况下,我们提供了一个$O(K \log_2 K)$复杂度算法计算纳什讨价还价的解决方案下的掩码约束和使用联合FDM/TDM策略。仿真结果也提供。
2007-08-06 cs.GT cs.IT math.IT
Alternating-Offer Bargaining Games over the Gaussian Interference Channel
研究了在双用户高斯干扰信道下,两个自私用户如何通过协商共同确定可达速率域中的工作点。在以前的工作中,两个用户合作使用一个简单的版本的Han-Kobayashi计划的激励条件进行了研究,纳什谈判解决方案(NBS)被用来获得一个公平的操作点。在这里,一个非合作的讨价还价的交替提供的博弈模型的讨价还价过程和利率所产生的均衡结果进行了分析。特别是,它表明,从制定的谈判游戏所产生的操作点取决于成本的延迟谈判和如何讨价还价的收益。如果相关的讨价还价问题是正规的,一个唯一的完美均衡存在,并位于个人的合理有效边界的可实现率区域。此外,如果双方的讨价还价成本可以忽略不计,均衡结果接近NBS。
2010-10-02 cs.GT cs.IT math.IT
Optimal Association Strategy of Multi-gateway Wireless Sensor Networks Against Smart Jammers
工程师在物联网的当前网络设置中拥有许多低功耗无线传感器设备,如ZigBee,LoRaWAN,ANT或蓝牙。这些低功耗无线传感器是传输和收集数据的最佳候选者。但它们都容易受到物理干扰攻击,因为攻击者在这些网络中运行低功率干扰源的成本并不高。拥有多个网关并提供与传感器的替代连接将有助于这些网络减轻成功的干扰。在本文中,我们提出了一个分析模型,以解决问题的网关选择和关联的Stackelberg游戏的基础上,干扰机是追随者。我们首先制定传感器网络和攻击者的收益,然后建立和证明的条件导致纳什均衡。通过数值研究,我们还提出了我们的模型如何捕捉不同数量的网关干扰下的传感器网络的性能。我们的研究结果表明,相比于单网关的情况下,网络的吞吐量将提高26%和60%,当我们部署两个和四个网关在存在一个干扰。
2021-11-18 cs.GT cs.NI
Scalar Quadratic-Gaussian Soft Watermarking Games
我们介绍了软水印的零和博弈问题:隐藏的信息(水印)来自一个连续的,并有一个感知值;接收器生成的嵌入水印的估计,以最大限度地减少预期的估计误差(不像传统的水印方案,其中隐藏的信息和接收器的输出是从一个离散的有限集)。应用包括将多媒体内容嵌入到另一个中。我们认为在本文中的标量高斯的情况下,并使用预期的均方失真。我们制定的编码器和接收器对和攻击者之间的零和游戏所产生的问题。我们证明了线性编码器的最优攻击者是高斯仿射的,导出了这种情况下的最优系统参数,并讨论了相应的系统行为。我们还提供了数值结果,以获得进一步的洞察力和了解系统的最优行为。
2016-07-12 cs.CR cs.GT cs.IT
On the Structure of Equilibrium Strategies in Dynamic Gaussian Signaling Games
Coordinated Science Laboratory, University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校协同科学实验室)
本文研究动态高斯信号博弈中均衡策略的结构,分析了在多阶段设置下纯策略Stackelberg均衡的存在性依赖于问题参数,揭示了信息利用与披露之间的权衡。
2016-07-11 cs.GT cs.IT cs.SY
Asynchronous Iterative Waterfilling for Gaussian Frequency-Selective Interference Channels
本文考虑了高斯频率选择性干扰信道下,在各链路功率和频谱屏蔽约束下的信息速率最大化问题。为了得到分散的解决方案,不需要用户之间的任何合作,最优化问题制定为一个静态的非合作博弈的完全信息。为了实现所谓的纳什均衡的游戏,我们提出了一种新的分布式算法称为异步迭代注水算法。在该算法中,用户以完全分布式和异步的方式更新其功率谱密度:一些用户可能比其他用户更频繁地更新其功率分配,并且他们甚至可能使用接收到的干扰的过时测量。所提出的算法代表了一个统一的框架,该框架涵盖并概括了所有已知的迭代注水算法,例如,顺序和同步版本。本文的主要结果包括一组统一的条件,保证所提出的算法的全局收敛到(唯一的)纳什均衡的游戏。
2008-01-16 cs.GT cs.IT math.IT
Quadratic Gaussian Privacy Games
设计了一个博弈论模型,用于分析隐私对代理之间的策略通信的影响。在该模型中,发送方希望向接收方提供状态的准确测量,同时还保护其私有信息(其与状态相关)免受可能窃听其与接收方的通信的恶意代理的攻击。构造了一类非平凡平衡点,研究了其性质。
2015-09-18 cs.GT math.OC
Regularized policy gradient with learned mixtures of Gaussians for games with continuous actions
Czech Technical University in Prague(布拉格捷克理工大学);Carnegie Mellon University(卡内基梅隆大学);Artificial Intelligence Center(人工智能中心);Strategy Robot, Inc.(策略机器人公司);Strategic Machine, Inc.(战略机器公司);Optimized Markets, Inc.(优化市场公司)
提出一种结合磁镜下降与高斯混合重参数化的策略梯度算法,用于连续动作博弈,通过自我对弈训练,在多个博弈中优于现有方法并减少样本需求。
2026-09-30 cs.GT cs.MA
Hierarchical Multistage Gaussian Signaling Games in Noncooperative Communication and Control Systems
本文分析了动态环境中信息提供者(信息提供方)与决策者(决策者)之间的有限时域分层信号博弈。当发送者和接收者反复交互时,底层信息会随着时间的推移而演变。然而,与经典的通信(控制)模型不同,发送者(传感器)和接收者(控制器)具有不同的目标,并且在参与者之间存在层次结构,使得发送者通过事先宣布他的策略来领导游戏。他需要预测接收者的反应和行动对地平线的影响,同时控制每次互动时所披露信息的透明度。二次成本函数和多元高斯过程,根据一阶自回归模型的演变,我们表明,无记忆的“线性”发送方信令规则是最佳的(在博弈论层次均衡的意义上)在一般类的可测量的政策在非合作通信的背景下。在非合作控制的背景下,我们还分析了线性信令规则的分层平衡,并提供了一个算法来计算最优的线性信令规则的数值与全局最优性的保证。
2019-06-11 cs.GT math.OC
Decoding Mean Field Games from Population and Environment Observations By Gaussian Processes
National University of Singapore(新加坡国立大学);City University of Hong Kong(香港城市大学);California Institute of Technology(加州理工学院)
本文提出基于高斯过程的非参数框架,从部分带噪声的种群与环境观测中恢复平均场博弈中代理的策略行动与环境配置,解决逆问题。
2023-12-24 cs.GT cs.LG cs.NA
A Constrained Evolutionary Gaussian Multiple Access Channel Game
针对具有连续变量动作和耦合速率约束的演化多址信道博弈,刻画了纯纳什均衡的帕累托最优性和强均衡性质,并利用规范化均衡和演化稳定策略选择特定均衡解,分析了布朗-冯·诺伊曼-纳什动力学和复制动力学下的长期行为。
2011-03-13 cs.GT cs.SY eess.SY
Robust Social Welfare Maximization via Information Design in Linear-Quadratic-Gaussian Games
Texas A&M University(德克萨斯农工大学)
本文研究了在部分了解玩家效用的情况下,通过信息设计优化社会福利的问题。针对二次效用和高斯信号的线性-二次-高斯博弈,提出鲁棒信息设计方法,将其转化为可解的半正定规划问题,并通过数值研究分析扰动水平与最优信息结构的关系。
2023-04-28 cs.GT econ.TH math.OC
Common Information based Markov Perfect Equilibria for Linear-Gaussian Games with Asymmetric Information
University of Southern California(南加州大学);Coordinated Science Laboratory at the University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校联合科学实验室)
本文研究了具有不对称信息的线性高斯博弈,提出基于公共信息的马尔可夫完美均衡概念,通过求解线性方程组计算均衡,并讨论了二次成本函数下的唯一性及与其他纳什均衡的区别。
2014-01-20 cs.GT cs.SY eess.SY
Mean-Field-Type Game Theory with Rosenblatt Noise
本文面向非 Gaussian、长程依赖噪声,发展 Rosenblatt 随机微积分并用于最优控制与平均场型博弈,给出零和鞍点与非零和状态反馈 Nash 均衡条件。
2025-05-29 cs.GT math.OC
Signaling equilibria for dynamic LQG games with asymmetric information
University of Michigan(密歇根大学)
本文研究了具有不对称信息的动态LQG博弈,通过线性策略和高斯信念构建完美贝叶斯均衡,并提出基于卡尔曼滤波的求解算法。
2016-06-15 cs.GT cs.SY eess.SY
Information Preferences of Individual Agents in Linear-Quadratic-Gaussian Network Games
我们考虑线性二次高斯(LQG)网络游戏中,代理人的二次收益取决于他们的个人和邻居的行动,和一个未知的收益相关的状态。信息设计者确定透露给代理人的关于支付状态的信息的保真度,以最大化社会福利。先前的研究结果表明,在某些假设下,充分的信息披露是最优的收益,即,这对普通人来说是有益的。在本文中,我们提供了基于收益对邻居行为的依赖强度的条件,即,竞争,在这种竞争下,理性的代理人有望受益,即,从充分的信息披露中获得更高的回报。我们发现,所有的代理受益于信息披露的星形网络结构时,游戏是对称的和次模或超模。我们还确定,中央代理受益于充分的信息披露比外围代理,除非竞争是强大的,外围代理的数量是足够小。尽管事实上,所有的代理人都希望从信息披露事前受益,一个中央代理人可以更糟的信息披露在许多实现的回报状态下,在激烈的竞争,这表明一个风险厌恶的中央代理人可以更喜欢无信息的信号事前。
2022-03-24 cs.GT cs.MA cs.SY
A Resource Allocation Game and its Equilibrium Strategies
National Tsing Hua University(国立清华大学)
本文提出一个贝叶斯博弈用于资源分配,分析了两玩家和大规模玩家的均衡策略函数,采用交替身份-平坦函数进行数学分析,并提出构造算法以获得纳什均衡。
2026-09-17 cs.GT
The value of random zero-sum games
NYU(纽约大学);INRIA(法国国家信息与自动化研究所)
本文研究了随机矩阵上两人零和游戏的价值,证明了在特定条件下游戏价值的标准差和期望值的顺序,并探讨了随机游戏对理论计算机科学的潜在影响。
2026-01-12 cs.GT math.PR
On the Nash equilibrium of moment-matching GANs for stationary Gaussian processes
Université de Toulouse(图卢兹大学);INP(国立理工学院);IRIT(图卢兹计算机科学研究所)
生成对抗网络(GANs)通过两人游戏从数据样本中学习隐式生成模型。本文研究了当数据样本数增长到无穷大时,博弈的纳什均衡的存在性。在一个可实现的设置的目标是估计地面实况发生器的平稳高斯过程,我们表明,一致的纳什均衡的存在至关重要地取决于的选择的家庭。由二阶统计矩所定义的非一致性可以导致Nash均衡不存在、一致非Nash均衡存在或一致Nash均衡存在且唯一,这取决于生成元族的对称性是否被尊重.我们进一步实证研究了梯度下降-上升方法向一致平衡点的局部稳定性和全局收敛性。
2022-09-12 cs.GT cs.LG stat.ML