The price-anticipating Kelly mechanism (PAKM) is one of the most extensively used strategies to allocate divisible resources for strategic users in communication networks and computing systems. The users are deemed as selfish and also benign, each of which maximizes his individual utility of the allocated resources minus his payment to the network operator. However, in many applications a user can use his payment to reduce the utilities of his opponents, thus playing a misbehaving role. It remains mysterious to what extent the misbehaving user can damage or influence the performance of benign users and the network operator. In this work, we formulate a non-cooperative game consisting of a finite amount of benign users and one misbehaving user. The maliciousness of this misbehaving user is captured by his willingness to pay to trade for unit degradation in the utilities of benign users. The network operator allocates resources to all the users via the price-anticipating Kelly mechanism. We present six important performance metrics with regard to the total utility and the total net utility of benign users, and the revenue of network operator under three different scenarios: with and without the misbehaving user, and the maximum. We quantify the robustness of PAKM against the misbehaving actions by deriving the upper and lower bounds of these metrics. With new approaches, all the theoretical bounds are applicable to an arbitrary population of benign users. Our study reveals two important insights: i) the performance bounds are very sensitive to the misbehaving user's willingness to pay at certain ranges; ii) the network operator acquires more revenues in the presence of the misbehaving user which might disincentivize his countermeasures against the misbehaving actions.


翻译:Kelly(PAKM)机制(PAKM)是用来为通信网络和计算系统中的战略用户分配可分散资源的最广泛使用的战略之一。用户被认为是自私的,也是良性的。用户被视为自私的,也是良性的。每个用户都被视为自私的,也是良性的用户,这使他们对分配的资源的个别效用最大化,减去对网络运营商的付款,但在许多应用中,用户可以使用他的付款来减少对手的水电费,从而扮演错误行为的作用。对于用户行为不当的用户在多大程度上会损害或影响良性用户和网络运营商的效能,仍然很神秘。在这项工作中,我们设计了一个不合作的游戏,由数量有限的良性用户和一个行为不端的用户组成。这个错误的用户的恶意性能体现在他愿意为良性用户的公用事业进行单位性交易。网络运营商通过价格定型的Kelly机制向所有用户分配资源。我们对良性用户的总体效用和总的净效用以及网络运营商的收入提出了六种重要的业绩衡量标准。我们用三种不同的情况是:用错误的用户收入,而不用和没有多少的用户的任意性地支付,而没有固定的用户的利润,我们用量地将所有这些的操作者的行为是用来量化的上所有的。

0
下载
关闭预览

相关内容

网络运营商是进行网络运营和提供服务的实体。网络运营商不仅需要从网络角度知道网络运行状况,还需要从服务角度知道网络运行状况。此外,他们需要在提供多媒体服务和应用时有效利用网络资源。
最新《Transformers模型》教程,64页ppt
专知会员服务
306+阅读 · 2020年11月26日
ISWC2020最佳论文《可解释假信息检测的链接可信度评价》
专知会员服务
123+阅读 · 2020年9月8日
知识图谱推理,50页ppt,Salesforce首席科学家Richard Socher
专知会员服务
105+阅读 · 2020年6月10日
专知会员服务
60+阅读 · 2020年3月19日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
39+阅读 · 2019年10月9日
计算机 | ICDE 2020等国际会议信息8条
Call4Papers
3+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | 中低难度国际会议信息6条
Call4Papers
7+阅读 · 2019年5月16日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Arxiv
0+阅读 · 2021年11月26日
Arxiv
0+阅读 · 2021年11月24日
Arxiv
0+阅读 · 2021年11月24日
Arxiv
8+阅读 · 2019年2月15日
Arxiv
6+阅读 · 2018年2月7日
VIP会员
相关资讯
计算机 | ICDE 2020等国际会议信息8条
Call4Papers
3+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
计算机 | 中低难度国际会议信息6条
Call4Papers
7+阅读 · 2019年5月16日
CCF A类 | 顶级会议RTSS 2019诚邀稿件
Call4Papers
10+阅读 · 2019年4月17日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
LibRec 精选:推荐系统的论文与源码
LibRec智能推荐
14+阅读 · 2018年11月29日
人工智能 | COLT 2019等国际会议信息9条
Call4Papers
6+阅读 · 2018年9月21日
【SIGIR2018】五篇对抗训练文章
专知
12+阅读 · 2018年7月9日
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Top
微信扫码咨询专知VIP会员