【标题】GPDS: A multi-agent deep reinforcement learning game for anti-jamming secure computing in MEC network

【作者团队】Miaojiang Chen, Wei Liu, Ning Zhang

【发表日期】2022.8.10

【论文链接】https://www.sciencedirect.com/science/article/pii/S0957417422015044#

【推荐理由】移动边缘计算（MEC）网络的开放性使其容易受到恶意干扰器的干扰攻击，从而危及移动用户的通信质量。本文考虑了一种基于时变信道的新型防御策略，并将恶意干扰对抗过程描述为多用户智能博弈模型。由于干扰模型和干扰策略未知，本文提出了一种深度强化学习多用户随机博弈与后决策状态（命名为GPDS）来智能抵抗智能攻击者。在GPDS算法中，移动用户需要从阻塞信道的状态中获取通信质量、频谱可用性和干扰策略。最优决策策略的奖励定义为最大通道吞吐量的期望值，通过纳什均衡得到潜在的最优通道选择策略。GPDS训练后，移动用户可以学习多步训练后的最优频道切换策略。实验结果表明，与 SOTA 算法相比，所提出的 GPDS 具有更好的抗干扰性能。

内容中包含的图片若涉及版权问题，请及时与我们联系删除