研究人员开发了一个名为 \alg 的新框架，以增强自动驾驶汽车中使用的联邦强化学习 (FRL) 系统的安全性。该框架解决了投毒攻击的威胁，投毒攻击可以通过注入恶意参数来破坏全局控制模型。\alg 集成了数字孪生进行基于排练的学习，并利用历史数据确保只聚合良性信息，从而减轻恶意代理的影响。该系统的有效性已通过理论保证并在现实高速公路环境的模拟中得到验证。 AI
影响 增强了自动驾驶等安全关键应用中人工智能系统的安全性和可靠性。
排序理由 该集群包含一篇研究论文，详细介绍了使用联邦强化学习保护自动驾驶汽车系统的新框架。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2607.08137v1 Announce Type: cross Abstract: Federated reinforcement learning (FRL) is crucial for enabling collaborative learning across multiple agents without sharing raw data, thereby enhancing privacy and scalability in the decision-making process within dynamic vehicul…
Federated reinforcement learning (FRL) is crucial for enabling collaborative learning across multiple agents without sharing raw data, thereby enhancing privacy and scalability in the decision-making process within dynamic vehicular environments. However, poisoning attacks pose a…