[論文レビュー] Evolutionary, Mean-Field and Pressure-Resistance Game Modelling of Networks Security

Stamatios Katsikas, Vassilli Kolokoltsov|arXiv (Cornell University)|Aug 20, 2018

Game Theory and Applications参考文献 37被引用数 5

ひとこと要約

本稿は、大規模なネットワークセキュリティのダイナミクスをモデル化するため、平均場、進化的、圧力抵抗ゲームを統合した統一的なゲーム理論的枠組みを提示する。3つの漸近的状態—急速な個別意思決定、弱い二項的相互作用、小さな報酬割引—を分析することで、プレーヤーが、主（プリンシパル）の圧力下で、報酬の合計が最大になる階層レベルにおいて、行動に均等に分散する一意の定常均衡に収束することを証明し、最適なセキュリティ結果を保証する。

ABSTRACT

The recently developed mean-field game models of corruption and bot-net defence in cyber-security, the evolutionary game approach to inspection and corruption, and the pressure-resistance game element, can be combined under an extended model of interaction of large number of indistinguishable small players against a major player, with focus on the study of security and crime prevention. In this paper we introduce such a general framework for complex interaction in network structures of many players, that incorporates individual decision making inside the environment (the mean-field game component), binary interaction (the evolutionary game component), and the interference of a principal player (the pressure-resistance game component). To perform concrete calculations with this overall complicated model we work in three basic asymptotic regimes; fast execution of personal decisions, small rates of binary interactions, and small payoff discounting in time. By this approach we construct a class of solutions having the so-called turnpike property.

研究の動機と目的

• 多数の小さなプレーヤーが単一の主要プレーヤー（プリンシパル）の圧力下にある大規模なネットワークセキュリティを対象とした統一的なゲーム理論的モデルの構築。
• 平均場ゲーム（個別最適化）、進化的ゲーム（二項的相互作用）、圧力抵抗ゲーム（プリンシパル主導の遷移）という3つの異なるゲーム理論的枠組みの統合。
• 急速な個別意思決定、弱い二項的相互作用、小さな報酬割引という3つの漸近的状態下でのシステムの分析。
• 時間に依存する割引付き平均場ゲームの一致問題に対する一意の定常解が存在するための条件の確立。
• プリンシパルの圧力下での行動および階層的状態へのプレーヤーの分布としての最適行動の導出。

提案手法

• 階層的レベル（例：感染、ランク）と行動戦略（例：防御、回避）を表すn×m状態空間における有限状態で非線形なマルコフゲームを定式化。
• 遷移を3つの要素でモデル化：平均場ダイナミクス（集団分布に基づく個別最適化）、進化的ダイナミクス（両方の次元に影響する二項的相互作用）、圧力抵抗（プリンシパルによる階層のみへの誘導的遷移）。
• 前向き・後向きの連立方程式系を分析：集団分布の進化を記述するフォッカー＝プランク＝コルモゴロフ方程式と最適報酬計算のためのハミルトニアン・ジャコビ・ベルマン方程式。
• 3つの状態で漸近的解析を適用：δ−1スケーリングで急速な意思決定、δ²スケーリングで弱い二項的相互作用、小さなδで報酬割引。
• 小さなδにおける主要項の解を導出。最適制御が定常的であり、行動状態間の遷移（uiα→iβ = 0 for all i, α, β）がないことが示され、均衡下で行動変更のインcentiveがないことを示す。
• δの次数に応じた摂動技法を用いて次数を分離。一次項（O(δ−1)）のシステムを解き、指定された条件下で一貫性が保証されることを証明。

実験結果

リサーチクエスチョン

• RQ1 平均場、進化的、圧力抵抗ダイナミクスが併存する状況下で、時間に依存する割引付き平均場ゲームの一意の定常解が存在する条件は何か？
• RQ2 急速な個別的意思決定、弱い二項的相互作用、小さな報酬割引が、大規模なネットワークセキュリティゲームにおけるプレーヤーの長期的行動に与える影響は何か？
• RQ3 プリンシパルがシステムに圧力を加える場合、プレーヤーが行動的および階層的状態にどのように分布するのが最適か？
• RQ4 プリンシパルが階層レベル間でプレーヤーをシフトさせられる能力が、全体のセキュリティ結果およびプレーヤーの均衡に与える影響は何か？
• RQ5 個別最適化、社会的規範（二項的相互作用による）、およびプリンシパルの圧力の相互作用が、安定でグローバルに最適な構成をどのように導くか？

主な発見

• 報酬割引δが十分に小さく、二項的相互作用δ²が弱い場合、時間に依存する割引付き平均場ゲームの一致問題に対して一意の解が存在する。
• 最適制御は定常的であり、行動状態間の遷移（uiα→iβ = 0 for all i, α, β）がない。これは、均衡下で行動を変更するインcentiveがないことを示唆する。
• T−tが大きい場合、システムの占有確率分布x(s)は、定常問題の固定点の近くにとどまる。これは長期的安定性を示している。
• 最適報酬gij(s)は、ほとんどすべての時間で定常解の近くにとどまり、均衡の頑健性を確認する。
• qiα ≤ qiβ または qiβ < qiα がすべてのi ∈ Hに対して成り立つ条件下で、報酬の合計が最大になる唯一の階層レベルにおいて、プレーヤーが行動に均等に分散する。
• 主要項条件（64）は、報酬の差が階層遷移の好みと一致する場合に満たされ、提示された仮定下で一意の解の存在を保証する。