Core Concepts
사회적 학습 프레임워크에서 각 개별 에이전트의 진실 상태를 파악하고 악의적 행위자를 식별할 수 있는 알고리즘을 제안한다.
Abstract
이 논문은 사회적 학습 프레임워크에서 각 에이전트의 진실 상태를 파악하고 악의적 행위자를 식별하는 알고리즘을 제안한다.
사회적 학습에서는 에이전트들이 서로 상호작용하며 환경에 대한 가설을 학습한다. 일반적으로 모든 에이전트가 동일한 진실 상태를 따르는 것으로 가정되지만, 일부 악의적 에이전트가 다른 상태를 관찰할 수 있다.
제안된 알고리즘은 에이전트들의 공개 신념 시퀀스를 관찰하여 각 에이전트의 진실 상태 집합을 식별한다. 이를 통해 악의적 에이전트를 탐지할 수 있다. 알고리즘의 오류 확률 상한을 제시하였으며, 이미지 분류 실험을 통해 제안 방법의 성능을 검증하였다.
Stats
각 에이전트 k의 관찰 모델 Lk(ζ|θ⋆k)은 진실 상태 θ⋆k에 따라 달라진다.
관찰 모델들의 로그 비율 dk(θ, θ')는 θ와 θ'가 최적 가설 집합 Θ⋆k에 속하는지 여부에 따라 달라진다.
Quotes
"우리의 목표는 각 에이전트 k에 대한 최적 가설 집합 Θ⋆k를 복구하는 것이다."
"제안된 방법은 에이전트들의 공개 신념 시퀀스를 관찰하여 각 에이전트의 진실 상태 집합을 식별할 수 있다."