复杂系统多智能体建模的博弈进化仿真

采用基于复杂系统多智能（Multi-Agent）体的整体建模仿真方法,利用Swarm仿真软件平台建立进化博弈仿真模型（EGM）,对该模型进行了描述和定义,运用EGM对各类对称博弈模型进行仿真运行,并对结果进行分析。仿真结果表明在不同类型的对称博弈中初始策略选择概率和收益矩阵对动态稳定策略的获得有不同的影响,在给定不同的收益矩阵和初始策略选择概率下可以获得不同的进化稳定策略。     

基于演化博弈的蜜罐有效性机理证明

借鉴自然界生物演变进化过程中复制动态的思想,基于演化博弈对蜜罐技术的有效性机理进行研究,分析网络中攻防双方如何根据自身行动策略及支付函数进行演变,从而使博弈收益最大化。演化博弈从一种全新角度诠释了博弈均衡概念,不再是完全理性也非完全信息,为纳什均衡和均衡战略的选择演绎出新方法。演化博弈过程中,防御方是包括普通服务和蜜罐的混合系统,其对手是访问混合系统的恶意攻击者,双方构成了博弈参与者。混合网络系统可看作一个生态系统,而来访者则只有攻击者一个种群;混合系统持续为来访者提供服务,攻击者可选择访问或不访问。论文基于复制动态方程推理计算满足演化稳定策略的均衡点,并利用Matlab平台仿真验证博弈双方的策略演变趋势,从而在理论上证明了蜜罐技术的有效性机理。     

一种交换协议的理性模型及其公平机制设计

理性交换协议是解决小额支付的有效方法,但是由于参与者的自利性,理性交换协议的公平性较难满足。论文首先对理性交换过程中的集体利益进行形式化定义,并基于占优策略构建理性参与者模型,以及基于占优策略和集体利益建立理性交换协议的公平性模型;其次基于激励相容理论设计理性交换协议的公平机制,基于理性交换协议的公平机制和扩展式博弈构建理性交换协议的理性博弈模型,并基于理性交换协议的博弈模型设计了一个理性交换协议;最后基于相关博弈方法证明所设计协议满足正确性和理性公平性,并用一个案例说明方案的可行性。     

基于理性信任模型的理性委托计算协议

传统的委托计算需要额外开销验证计算结果的正确性，导致委托计算效率较低、开销较大.针对此问题，结合博弈论与理性信任建模（rational trust modeling，简称RTM）的思想，提出了基于理性信任模型的理性委托计算协议.通过设置恰当的效用函数，激励计算方诚实执行协议，以此来保证计算结果的可靠性.首先，基于理性信任建模的思想构造理性信任模型，将服务器的生存周期作为效用函数的参数，设计满足委托计算参与者利益的效用函数，并分析协议中参与者的行为策略，当参与者采取“诚实”策略时，可以得到理性委托计算的纳什均衡点；其次，利用改进的NTRU （number theory research unit）公钥密码体制实现速度快、安全性高、具有抵抗量子计算攻击的能力的优点，结合Pedersen承诺方案，设计理性委托计算协议；最后，从正确性、安全性与性能这3个方面对协议进行分析，并通过实验证明生存周期对参与者效用的影响.结果表明，该协议可有效保证计算结果的可靠性.     

考虑平台网络外部性的分享经济中三方演化博弈分析

以使用权分享为主要特征的分享经济打破了原有经济系统的平衡,改变了参与者的决策行为.针对参与者(平台、所有者和分享者)行为决策对分享经济系统稳定性产生的影响,基于平台的网络外部性、参与者行为的交互影响以及有限理性的假设条件,构建由“平台-所有者-分享者”3个博弈主体组成的演化博弈模型,运用演化博弈理论和李雅普诺夫判别法分析模型均衡点的渐近稳定性及系统的演化稳定策略.最后探讨平台的网络外部性、参与者机会主义成本以及平台监管力度等对此动态系统稳定性的影响,为参与者的行为决策提供理论参考.     

面向联邦学习激励优化的演化博弈模型

针对联邦学习中参与者虚报训练成本导致激励不匹配的现象,提出了面向联邦学习激励优化的演化博弈模型.首先在联邦学习系统中建立了联邦参与者-联邦组织者演化博弈模型,设计模型质量评估算法对参与者提交的模型进行质量评估,去除低质量模型的同时量化参与者训练成本.然后结合信誉度指标提出优化的激励分配方法,通过求解演化博弈的稳定策略得到不同初始状态下的最优收益策略.最后仿真实验表明参与者激励收益方面,与平均分配法和个体收益分享法相比诚实参与者的收益提升了70%和57.4%,虚报参与者收益降低了65%和69.5%,策略选择方面,所提模型能合理选择收益策略.     

基于极大熵原理的理性公平交换协议

鉴于理性交换协议是一个动态博弈模型, 在完全不完美动态博弈中, 力图用极大熵原理来解决理性参与者的策略行为推断问题。扩展了一个基于信息熵的理性交换协议模型, 通过引入期望收益函数和期望均衡的方法, 给出理性交换协议的公平性描述; 基于最大熵原理构造了一种新的理性交换协议; 证明该协议的安全性, 利用博弈树的方法对整个交换过程进行分析并给出了理性公平性证明, 结果表明该协议能达到期望均衡。协议交换过程中无须可信第三方的参与, 该协议实现了理性公平性且具有更好的适应性。     

基于欧拉函数秘密分享的RSA私钥的理性分布计算(英文)

随着分布式计算的发展,分布式计算环境中的安全性问题变得越来越突出。基于RSA算法的分布式认证和分布式数据加密等安全性机制也取得了长足的发展。不过,这些机制中大部分是基于传统密码协议中参与者类型的假设:半诚实或恶意的。本文从假设参与者是理性的这一视角出发,设计了基于RSA欧拉函数秘密分享的RSA私钥的分布式计算协议。协议中所有的参与者均是理性的,他们以自我利益为驱动。所有的参与者均采取遵守协议的执行这一策略形成了纳什均衡,并且该策略是不能严格劣势剔除的。     

进化博弈控制问题及其计算机仿真实验

进化博弈中参与者是在不完全信息的条件下进行决策的,它只能采用有限理性的策略行动和其它参与者竞争,传统博弈论中关于参与者是完全理性的、能以最优策略行动参与竞争的基本假设对进化博弈是不成立的.在进化博弈的研究中,一般是按照马尔萨斯观点构造战略演化的基本方程,但是基本方程的解在许多情况下不收敛于进化稳定战略.本文对进化博弈中参与者的策略行为做出了更全面完整的假设,修改了进化博弈的基本方程,按照遗传策略的控制思想设计了进化博弈控制算法,建立了基于计算机的进化博弈模型,最后进行计算机仿真实验.实验表明所没计的控制方法是有效可行的.     

基于博弈论的百万富翁协议

在经典的百万富翁协议中,一方在得到最后的财富比较结果后,没有动机将结果告诉另一方,或者告诉另一方一个错误的结果。结合博弈论和密码算法,提出一种百万富翁协议。在此协议中,参与者背离协议的收益小于遵守协议的收益,遵守协议是参与者的最优策略,任何百万富翁的欺骗行为都能被鉴别和发现,因此理性的参与者有动机发送正确的数据。最后每个参与者都能公平地得到最后的财富比较结果。     

The Nash Equilibrium Point of Dynamic Games Using Evolutionary Algorithms in Linear Dynamics and Quadratic System

In this paper, examining some games, we show that classical techniques are not always effective for games with not many stages and players and it can’t be claimed that these techniques of solution always obtain the optimal and actual Nash equilibrium point. For solving these problems, two evolutionary algorithms are then presented based on the population to solve general dynamic games. The first algorithm is based on the genetic algorithm and we use genetic algorithms to model the players' learning process in several models and evaluate them in terms of their convergence to the Nash Equilibrium. in the second algorithm, a Particle Swarm Intelligence Optimization (PSO) technique is presented to accelerate solutions’ convergence. It is claimed that both techniques can find the actual Nash equilibrium point of the game keeping the problem’s generality and without imposing any limitation on it and without being caught by the local Nash equilibrium point. The results clearly show the benefits of the proposed approach in terms of both the quality of solutions and efficiency.     

无线传感器网络中基于博弈论的路由建模

在资源受限的无线传感器网络中,路径的可靠度,网络能耗和生存时间是路由问题中需要考虑的三个关键因素.我们把智能传感器节点在路由中联合优化以上三个因素的行为动机提炼为节点的理性偏好,基于该理性偏好,给出了一个动态路由博弈模型.针对该模型的博弈分析表明,对于节点个数有限的无线传感器网络,其路由博弈存在一个纯策略的纳什均衡且最优路径就是纳什均衡的结果.     

Algebra model and security analysis for cryptographic protocols

With the rapid growth of the Internet and the World Wide Web a large number of cryptographic protocols have been deployed in distributed systems for various application requirements, and security problems of distributed systems have become very important issues. There are some natural problems: does the protocol have the right properties as dictated by the requirements of the system? Is it still secure that multiple secure cryptographic protocols are concurrently executed? How shall we analy…     

基于纳什均衡的D2D通信功率控制博弈算法

为了减轻D2D通信在资源复用模式下的互干扰问题,提升蜂窝网络均衡性能收益,提出一种基于纳什均衡的功率控制博弈算法。算法中将互干扰用户间的功率控制过程描述为静态博弈模型,用户之间根据最小化代价函数的博弈决策,通过多步迭代调节发射功率,使系统收敛至纳什均衡的优化状态。在用户代价函数设计中,综合考虑了能耗及传输速率影响,同时给出了博弈算法纳什均衡存在性以及收敛性的证明。仿真实验表明,在最优响应策略及能耗因子的有效约束下,互干扰用户更理智的选择发射功率,系统拥有较好均衡性收益的同时能耗进一步降低。     

Solution of multiobjective optimization problems: coevolutionary algorithm based on evolutionary game theory

When attempting to solve multiobjective optimization problems (MOPs) using evolutionary algorithms, the Pareto genetic algorithm (GA) has now become a standard of sorts. After its introduction, this approach was further developed and led to many applications. All of these approaches are based on Pareto ranking and use the fitness sharing function to keep diversity. On the other hand, the scheme for solving MOPs presented by Nash introduced the notion of Nash equilibrium and aimed at solving MOPs that originated from evolutionary game theory and economics. Since the concept of Nash Equilibrium was introduced, game theorists have attempted to formalize aspects of the evolutionary equilibrium. Nash genetic algorithm (Nash GA) is the idea to bring together genetic algorithms and Nash strategy. The aim of this algorithm is to find the Nash equilibrium through the genetic process. Another central achievement of evolutionary game theory is the introduction of a method by which agents can play optimal strategies in the absence of rationality. Through the process of Darwinian selection, a population of agents can evolve to an evolutionary stable strategy (ESS). In this article, we find the ESS as a solution of MOPs using a coevolutionary algorithm based on evolutionary game theory. By applying newly designed coevolutionary algorithms to several MOPs, we can confirm that evolutionary game theory can be embodied by the coevolutionary algorithm and this coevolutionary algorithm can find optimal equilibrium points as solutions for an MOP. We also show the optimization performance of the co-evolutionary algorithm based on evolutionary game theory by applying this model to several MOPs and comparing the solutions with those of previous evolutionary optimization models. This work was presented, in part, at the 8th International Symposium on Artificial Life and Robotics, Oita, Japan, January 24#x2013;26, 2003.     

Ad Hoc网络中基于重复博弈的攻击预测模型

大多数入侵检测系统预测攻击行为能力较弱,不能实时主动地响应攻击。针对该问题,提出一种基于重复博弈的攻击预测模型。通过建立入侵者和入侵检测系统之间的阶段博弈模型,给出阶段博弈的纳什均衡,并求出重复博弈情况下的子博弈精炼纳什均衡。使用QRE模型预测攻击者和防御者在博弈阶段1~t中选择各种策略的概率,利用Gambit分析得出预测结果。基于GloMoSim的仿真结果表明,相比纳什均衡模型,QRE均衡模型的预测效果更好。     

理性与可验证的联邦学习框架

联邦学习作为解决数据孤岛问题的有效方法,在服务器计算全部梯度的过程中,由于服务器的惰性和自利性会存在全局梯度不正确计算问题,因此需要验证全局梯度的完整性.现有的基于密码算法的方案验证开销过大.针对这些问题,提出一种理性与可验证的联邦学习框架.首先,结合博弈论,设计囚徒合约与背叛合约迫使服务器诚实.其次,所提方案使用基于复制的验证方案实现全局梯度的完整性验证,且支持客户端离线.最后,经分析证明所提方案的正确性,并经实验表明,该方案与已有的验证算法相比,客户端的计算开销降为0,一次迭代的通信轮数由原来的3轮优化到2轮,且训练开销与客户端的离线率成反比.     

On the equilibrium in bargaining model with arbitrator

Two-person bargaining models with arbitrator are considered. The players make their offers, and the arbitrator decision is simulated by a random variable with two possible values. For this arbitration game and its modification with an opportunity to punish one of the participants, the Nash equilibrium is found.     

基于模糊博弈的英式拍卖动态模型

为了给竞价人或其代理的竞价提供决策支持,提出了模糊博弈的英式拍卖动态模型.以模糊参数出价意愿取代估价作为分析的基础,采用Bellman和Zadeh的模糊决策理论替代博弈论中的Nash平衡理论,分析英式拍卖中的竞价行为,建立英式拍卖静态博弈均衡模型,进而提出动态博弈模型和分析动态拍卖策略.通过仿真实验证明算法的有效性.     

基于演化博弈论的无线传感网监测节点分群算法

针对大规模无线传感器网络多辐射源定位中,辐射源公共覆盖范围内监测节点能耗过高造成网络寿命降低的问题,提出一种基于演化博弈理论（EGT）的传感网监测节点分群算法。通过将最优节点集的搜索空间映射到博弈的策略组合空间,以博弈的效用函数为目标函数构建了非合作博弈模型;利用纳什均衡分析及均衡的扰动恢复过程实现目标优化;设计了分群算法以优化节点集组成相应的群参与最终的定位。以接收信号强度指示（RSSI）/信号到达时间差（TDOA）两轮定位为例,将该算法与典型的最近邻算法、基于离散粒子群优化（DPSO）的分群算法在定位精度和网络寿命方面作对比。仿真结果表明,该分群算法避免了多辐射源公共覆盖区域内节点能耗较高的问题,延长了网络寿命,同时保证了对辐射源的定位。