【東大新聞網(wǎng)2月25日電】（通訊員 嵇萱）近日，計(jì)算機(jī)科學(xué)與工程學(xué)院白如帆老師在人工智能領(lǐng)域國(guó)際頂級(jí)期刊Artificial Intelligence（AIJ，CCF A）上發(fā)表題為On the Computation of Mixed Strategies for Security Games with General Defending Requirements（《通用防御需求下面向安全博弈的混合策略計(jì)算》）的論文，介紹該團(tuán)隊(duì)在智能體安全博弈領(lǐng)域內(nèi)的最新研究成果，白如帆老師為論文唯一第一作者。

針對(duì)多智能體博弈問題，該研究深入探討了在對(duì)抗性攻擊和均勻攻擊下，防御者需要將有限資源放置到各個(gè)節(jié)點(diǎn)上以降低被攻擊帶來的損失，該文主要討論了采用混合策略相較于純策略的優(yōu)勢(shì)，并量化了其在不同攻擊模式下的防御效果，且首次構(gòu)建了通用閾值模型下最優(yōu)混合策略與最優(yōu)分?jǐn)?shù)策略的近似等價(jià)性。這一研究為安全博弈領(lǐng)域的理論發(fā)展提供了新的視角和重要的理論支持。在安全博弈中，防御方通常需要在有限的資源下選擇最優(yōu)策略以應(yīng)對(duì)潛在的攻擊。傳統(tǒng)研究多集中于純策略的優(yōu)化，而該研究則首次系統(tǒng)地分析了混合策略在通用閾值模型下的表現(xiàn)。研究發(fā)現(xiàn)，盡管混合策略在某些情況下能夠顯著提升防御效果，但其最優(yōu)解的計(jì)算卻具有極高的復(fù)雜性（NP難問題）。為此，該研究提出了Patching算法，能夠在對(duì)抗性攻擊下高效計(jì)算具有理論保證的混合策略，并對(duì)規(guī)模不敏感，為實(shí)際應(yīng)用提供了可行的解決方案。

圖1:混合策略實(shí)例

圖2: Patching算法示例

Artificial Intelligence創(chuàng)刊于1970年，是中國(guó)計(jì)算機(jī)學(xué)會(huì)CCF推薦的人工智能領(lǐng)域A類期刊。該期刊每年僅發(fā)表百余篇論文，其中來自中國(guó)大陸地區(qū)的論文占比不到10%。近年來，白如帆老師在國(guó)家自然科學(xué)青年基金、江蘇省自然科學(xué)青年基金的資助下，積極開展多智能體博弈、公平分配、自動(dòng)駕駛等方面的研究工作。

供稿：計(jì)算機(jī)科學(xué)與工程學(xué)院

（責(zé)任編輯：唐瑭 審核：李小男）