車両ルーティングにおける偽データ注入攻撃を検出するための敵対的強化学習

本文: arXiv:2603.11433v1 アナウンスメントタイプ: new 要旨: 現代の交通ネットワークでは、攻撃者は偽データ注入攻撃を用いてルーティングアルゴリズムを操作することができ、例えばクラウドソーシング型のナビゲーションアプリを複数のデバイスで動作させて混雑を模倣し、車両をサブオプティマルな経路へ誘導し渋滞を増大させる。これらの脅威に対処するため、偽の摂動を注入する攻撃者と、ネットワークエッジの観測された走行時間に基づき異常を検出する防御者との間で、戦略的にゼロ和のゲームとして定式化する。我々はこのゲームのナッシュ均衡を計算し、最適な検出戦略を提供する計算手法を、マルチエージェント強化学習に基づいて提案し、攻撃があっても総旅行時間が最悪ケースの境界内に収まることを保証する。さらに、我々のアプローチの頑健性と実用的な利点を示す広範な実験評価を提示し、偽データ注入に対する交通ネットワークのレジリエンスを向上させる強力なフレームワークを提供する。特に、我々のアプローチは近似的な均衡ポリシーを生み出し、攻撃者と防御者の双方に対してベースラインを大幅に上回ることを示している。