【标题】New Challenges in Reinforcement Learning: A Survey of Security and Privacy

【作者团队】Yunjiao Lei, Dayong Ye, Sheng Shen, Yulei Sui, Tianqing Zhu, Wanlei Zhou

【发表日期】 31 December, 2022

【论文链接】https://arxiv.org/pdf/2301.00188.pdf

【推荐理由】

强化学习（RL）是人工智能最重要的分支之一。由于其在动态环境中的自适应和决策能力，强化学习已广泛应用于医疗保健、数据市场、自动驾驶和机器人等多个领域。然而，这些应用程序和系统中的一些已被证明容易受到安全或隐私攻击，从而导致服务不可靠或不稳定。大量研究集中于强化学习中的这些安全和隐私问题。然而，很少有综述对现有问题和最先进的解决方案进行系统审查和比较，以跟上新出现的威胁的步伐。因此，该问在此提出了这样一个全面的综述，以从一个新的角度，即马尔可夫决策过程（MDP），解释和总结强化学习中与安全和隐私相关的挑战。在综述中，首先介绍与该领域相关的关键概念。接下来，分别讨论与MDP流程的状态、操作、环境和奖励功能相关的安全和隐私问题，进一步强调了与强化学习相关的安全和隐私方法的特殊特征。最后，讨论了该领域未来可能的研究方向。

 

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