IJCAI2022《对抗序列决策》教程

数据派THU

共 564字,需浏览 2分钟

 ·

2022-07-30 16:44

来源:专知

本文为教程,建议阅读5分钟

本教程将概述在序列决策设置中的对抗性学习的最新研究。



本教程将概述在序列决策设置中的对抗性学习的最新研究。特别地,本教程将侧重于基于多臂赌博机、强化学习和多智能体交互的对抗性攻击和防御机制。本教程将暂时涵盖以下列出的内容。


https://adversarial-rl.org/ijcai2022/index.html

  • 介绍
    • 序列决策入门: 多臂赌博机,强化学习,多智能体交互,和博弈。
    • 对抗性序列决策如何不同于对抗性监督学习的高级概述。
    • 攻击策略和防御机制的高级概述。
  • 多臂赌博机
    • 不同反馈破坏模型和目标下的最优攻击策略。
    • 最近在设计鲁棒算法、关键挑战和开放问题方面的工作。
  • 强化学习
    • 讨论不同的学习范式(例如,模仿学习、离线学习和在线学习),以及它们在对抗性攻击中是如何区别的。
    • 测试时间、训练时间和后门攻击的最优攻击策略。
    • 不同数据破坏模型和攻击目标下的最优攻击策略。
    • 最近在设计鲁棒算法、关键挑战和开放问题方面的工作。
  • 多智能体相互作用和博弈论考虑
    • 多智能体系统中通过控制其他智能体的攻击和非健忘攻击。
    • 利用博弈论工具防御攻击。
  • 实际考虑和讨论
    •  针对学习代理的安全威胁案例研究。
    • 在对抗性序列决策中开发基准工具和数据集。
    •  与观众公开讨论,促进跨社区合作。




浏览 26
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报