arXiv · ML· Zexin Li, Ruili Yao, Yiming Zeng, Xiaoxue Gao·· 2026-10-06AI 评分26
提出轨迹级对抗攻击提升深度强化学习中的可迁移性
Boosting Transferable Adversarial Attacks against Deep Reinforcement Learning
AI 导读
论文针对深度强化学习提出轨迹级黑盒对抗攻击,优化预测视域内的扰动序列。该方法利用可微环境模型和温度平滑代理策略,在CartPole-v1环境下优于逐步攻击和随机噪声。 实验涵盖10个DQN/DDQN智能体及100对代理-受害者组合,证实了该方法在白盒、跨模型及跨算法设置下的优越性能。
来源:arXiv · ML · arxiv.org