人工智能(AI)和机器学习(ML)领域发展迅速。新模型、新技术和新算法层出不穷。尽管人们对人工智能和 ML 的研究兴趣与日俱增,但从确保人工智能系统安全的角度来看,却缺乏可用的研究文献。本研究旨在利用 AnyLogic 建模工具包提供一个基于智能体的探索性模型,以便在评估军事物联网(IoMT)环境中运行的无人机遭受人工智能对抗性攻击的风险时,确定无人机 ML 加固级别与无人机操作员网络安全专业知识水平之间的关系。所设计的模型模拟了一个无人机蜂群网络,在该网络中,对手和无人机操作员(防御者)共存并相互作用。该模型允许在多种场景下测试和评估无人机抵御人工智能对抗攻击的安全性,并生成指标和可视化数据,以深入了解无人机的网络安全态势。该模型由 20 架无人机和四个智能体(环境、无人机、对手和操作员(防御者))组成。在模拟中,无人机的 ML 加固参数值在 0、0.5 和 1 之间变化,操作员的网络安全专业知识水平参数值在 "无专业知识"、"中等专业知识 "和 "高专业知识 "之间变化。研究人员模拟了九种不同的场景实验,发现当无人机的 ML 加固值为 1,且操作员的网络安全专业知识为 "高专业知识 "时,无人机蜂群任务完全成功。

成为VIP会员查看完整内容
55

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
《协作机器人的学习行为树》最新146页博士论文
《人机交互中机器学习的透明通信》论文
专知会员服务
31+阅读 · 2023年3月12日
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
11+阅读 · 2013年12月31日
国家自然科学基金
14+阅读 · 2009年12月31日
国家自然科学基金
45+阅读 · 2009年12月31日
Arxiv
149+阅读 · 2023年4月20日
A Survey of Large Language Models
Arxiv
385+阅读 · 2023年3月31日
Arxiv
64+阅读 · 2023年3月26日
Arxiv
133+阅读 · 2023年3月24日
Arxiv
19+阅读 · 2023年3月17日
VIP会员
相关基金
国家自然科学基金
1+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
4+阅读 · 2015年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
11+阅读 · 2013年12月31日
国家自然科学基金
14+阅读 · 2009年12月31日
国家自然科学基金
45+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员