English(EN) Analyzing Adversarial Inputs in Deep Reinforcement Learning

研究人员分析深度强化学习中的对抗性输入

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-05 04:00

研究人员开发了一个新的框架来分析深度强化学习（DRL）系统中的对抗性输入。该框架引入了“对抗性率”指标，该指标改编自ProVe系列，用于量化和可视化DRL模型中的对抗性漏洞。目标是通过提供工具和指南来减轻这些输入扰动，从而提高DRL系统的可靠性，特别是在安全关键型应用中。 AI

影响提供了一个新的指标和框架，以提高DRL系统在对抗性攻击下的安全性和可靠性。

排序理由这是一篇发表在arXiv上的研究论文，详细介绍了一种用于分析DRL中对抗性输入的新指标和框架。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Davide Corsi, Guy Amir, Guy Katz, Alessandro Farinelli · 2026-05-05 04:00

深度强化学习中的对抗性输入分析

arXiv:2402.05284v2 Announce Type: replace Abstract: In recent years, Deep Reinforcement Learning (DRL) has become a popular paradigm in machine learning due to its successful applications to real-world and complex systems. However, even the state-of-the-art DRL models have been s…