[논문 리뷰] On Game-Theoretic Risk Management (Part One) -- Towards a Theory of Games with Payoffs that are Probability-Distributions

Stefan Raß|arXiv (Cornell University)|2015. 06. 24.

Probability and Statistical Research참고 문헌 9인용 수 10

한 줄 요약

이 논문은 보상이 결정론적 값이 아니라 확률 분포인 위험 관리의 게임 이론적 프레임워크를 제안한다. 이는 내재된 불확실성 하에서 최적의 의사결정을 가능하게 한다. 비표준 해석학과 초실수를 사용하여 분포 간의 총순서(total ordering)를 수립함으로써 보안 전략과 균형을 정의하며, 기대 위험 외에도 분산과 분위수를 포함한 전체 손상 분포를 제공함으로써 핵심 인프라의 종합적인 위험 평가를 가능하게 한다.

ABSTRACT

Optimal behavior in (competitive) situation is traditionally determined with the help of utility functions that measure the payoff of different actions. Given an ordering on the space of revenues (payoffs), the classical axiomatic approach of von Neumann and Morgenstern establishes the existence of suitable utility functions, and yields to game-theory as the most prominent materialization of a theory to determine optimal behavior. Although this appears to be a most natural approach to risk management too, applications in critical infrastructures often violate the implicit assumption of actions leading to deterministic consequences. In that sense, the gameplay in a critical infrastructure risk control competition is intrinsically random in the sense of actions having uncertain consequences. Mathematically, this takes us to utility functions that are probability-distribution-valued, in which case we loose the canonic (in fact every possible) ordering on the space of payoffs, and the original techniques of von Neumann and Morgenstern no longer apply. This work introduces a new kind of game in which uncertainty applies to the payoff functions rather than the player's actions (a setting that has been widely studied in the literature, yielding to celebrated notions like the trembling hands equilibrium or the purification theorem). In detail, we show how to fix the non-existence of a (canonic) ordering on the space of probability distributions by only mildly restricting the full set to a subset that can be totally ordered. Our vehicle to define the ordering and establish basic game-theory is non-standard analysis and hyperreal numbers.

연구 동기 및 목표

• 고전적 게임 이론이 위험 관리에서 행동의 결과가 결정론적 보상이 아닌 불확실한 결과를 초래하는 한계를 해결한다.
• 확률 분포 공간에 표준 순서가 없어 고전적 바나흐-모르겐스터 우도 이론이 무력화되는 문제를 해결한다.
• 보상이 분포인 게임에 대한 이론적 기반을 구축하여 불확실성 하에서 최적의 전략 계산을 가능하게 한다.
• 기대 값 외에도 전체 위험 분포를 고려한 보안 전략 계산을 가능하게 한다.
• 다양한 보안 목표를 통합하고, 균형 결과로부터 확률적 위험 경계(예: 분위수)를 유도할 수 있는 프레임워크를 제공한다.

제안 방법

• 비표준 해석학과 초실수를 사용하여 보상 분포를 갖는 새로운 유형의 게임을 도입함으로써 분포 간의 총순서를 복원한다.
• 초실수 확장을 통한 선호 관계 ≼를 정의하여, 비표준 순서가 존재하더라도 비교 및 최적화가 가능하도록 한다.
• 분포값 보상에 대해 최소화 원칙을 적용하여, 악성 공격자 행동의 최악의 경우에 대비한 보안 전략을 유도한다.
• 정화 정리와 떨림손 균형 개념을 개념적 유사물로 사용하여 프레임워크의 강건성을 정당화한다.
• 제로섬 게임 공식화를 통해 최적 전략 쌍 (p*, q*)을 유도하며, 여기서 q*는 공격자의 최적 전략이고 p*는 방어자의 보안 전략이다.
• 균형 분포 V* = F(p*, q*)에서 고차 위험 지표(예: 분산, 분위수)를 계산함으로써 확률적 위험 경계를 도출한다.

실험 결과

연구 질문

• RQ1 보상이 결정론적 값이 아니라 확률 분포일 경우, 게임 이론적 위험 관리가 어떻게 형식화될 수 있는가?
• RQ2 불확실성 하에서 의사결정을 가능하게 하기 위해 확률 분포 공간에 대한 총순서를 가능하게 하는 수학적 프레임워크는 무엇인가?
• RQ3 분포값 보상이 있는 게임에서 보안 전략은 어떻게 계산되며, 고전적 최소화 원칙과 베이지안 접근과의 관계는 무엇인가?
• RQ4 기대값 외에 어떤 위험 지표(예: 분산, 분위수)를 균형 보상 분포에서 도출할 수 있으며, 이는 위험 평가를 어떻게 향상시키는가?
• RQ5 이 프레임워크는 극단적 사건을 모델링하고 실무에서 시뮬레이션 또는 경험 데이터로부터 구성할 수 있도록 어떻게 확장될 수 있는가?

주요 결과

• 초실수 확장을 사용하여 확률 분포 공간에 총순서를 수립함으로써, 고전적 우도 이론이 실패하는 상황에서도 선호 비교 및 최적 전략 계산이 가능해진다.
• 최적의 보안 전략 p*는 분포값 보상이 있는 제로섬 게임의 해로 유도되며, 공격자의 최적 전략 q*는 부산물로 나타난다.
• 기대 위험는 균형 분포 V*의 1차 모멘트로 복원되며, E(R) = E(V*) = E(R¹)(p*, q*)로 표현되며, 고전적 위험 공식과 일치한다.
• 기대값 외에도 전체 분포 V*를 통해 고차 모멘트 분석이 가능하다. 예를 들어, V*의 5번째 및 95번째 백분위수는 잠재적 손상에 대한 90% 신뢰구간을 제공한다.
• 최적의 공격 전략 q*는 핵심 인프라의 취약점을 특정하지만, 균형이 유일하지 않기 때문에 q*는 전문가 지식와 함께 해석되어야 한다.
• 최대 복구 비용을 Mₙ = max{R₁,…,Rₙ}로 모델링하면 Pr(Mₙ ≤ r) = [F(p*, q*)(r)]ⁿ이 되며, F(p*, q*)(r) = 1이 아닐 경우 이는 0으로 수렴한다. 이는 이론적으로는 타당하지만 실용적 정보성은 제한적이다.