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。

成为VIP会员查看完整内容
44

相关内容

对抗学习是一种机器学习技术,旨在通过提供欺骗性输入来欺骗模型。最常见的原因是导致机器学习模型出现故障。大多数机器学习技术旨在处理特定的问题集,其中从相同的统计分布(IID)生成训练和测试数据。当这些模型应用于现实世界时,对手可能会提供违反该统计假设的数据。可以安排此数据来利用特定漏洞并破坏结果。
【KDD2022教程】多模态自动机器学习教程,130页ppt
专知会员服务
75+阅读 · 2022年8月19日
【AAMAS2022教程】多智能体分布式约束优化,235页ppt
专知会员服务
73+阅读 · 2022年5月15日
《机器学习的最优传输》教程,63页PPT
专知会员服务
61+阅读 · 2022年4月30日
【多智能体学习】DeepMind教程,231页PPT
专知会员服务
119+阅读 · 2022年3月25日
LinkedIn《贝叶斯优化推荐系统》,IJCAI报告,142页ppt
专知会员服务
51+阅读 · 2021年1月11日
【ICML2020】强化学习中基于模型的方法,279页ppt
专知会员服务
43+阅读 · 2020年10月26日
【ICML2020Tutorial】机器学习信号处理,100页ppt
专知会员服务
110+阅读 · 2020年8月15日
【ICML2022教程】智能交互式学习,80页ppt
专知
0+阅读 · 2022年7月22日
2021 | 异质图神经网络最新进展
图与推荐
3+阅读 · 2021年9月28日
IJCAI2021 | 深度推荐系统教程 (附Slides)
机器学习与推荐算法
1+阅读 · 2021年8月25日
国家自然科学基金
37+阅读 · 2015年12月31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
8+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
21+阅读 · 2009年12月31日
国家自然科学基金
7+阅读 · 2008年12月31日
Arxiv
24+阅读 · 2021年6月25日
3D Deep Learning on Medical Images: A Review
Arxiv
12+阅读 · 2020年4月1日
VIP会员
相关VIP内容
【KDD2022教程】多模态自动机器学习教程,130页ppt
专知会员服务
75+阅读 · 2022年8月19日
【AAMAS2022教程】多智能体分布式约束优化,235页ppt
专知会员服务
73+阅读 · 2022年5月15日
《机器学习的最优传输》教程,63页PPT
专知会员服务
61+阅读 · 2022年4月30日
【多智能体学习】DeepMind教程,231页PPT
专知会员服务
119+阅读 · 2022年3月25日
LinkedIn《贝叶斯优化推荐系统》,IJCAI报告,142页ppt
专知会员服务
51+阅读 · 2021年1月11日
【ICML2020】强化学习中基于模型的方法,279页ppt
专知会员服务
43+阅读 · 2020年10月26日
【ICML2020Tutorial】机器学习信号处理,100页ppt
专知会员服务
110+阅读 · 2020年8月15日
相关基金
国家自然科学基金
37+阅读 · 2015年12月31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
8+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
21+阅读 · 2009年12月31日
国家自然科学基金
7+阅读 · 2008年12月31日
微信扫码咨询专知VIP会员