ECAI 2024论文提出基于欺骗的MDP隐私保护方法

针对MDP中可观测决策场景下奖励函数隐私泄露问题，现有差分隐私方法无法保障最小期望奖励且难以抵御逆向强化学习（IRL）攻击。 本文提出基于欺骗理论的解决方案，区分隐匿（dissimulation）与模拟（simulation）两种模型，并开发了一种新型基于强化学习的规划算法，通过模拟策略在保护隐私的同时确保期望奖励。 在多个基准问题上实验显示，该方法在奖励函数隐私保护方面优于现有技术。