热启动Bandit离线攻击新范式提出

Qirun Zeng等作者提出针对热启动Bandit的有界离线攻击方法：攻击者只需在部署前向热启动历史注入合法的动作-奖励对，即可诱导UCB在几乎所有在线轮次选择目标臂。该研究覆盖UCB、Thompson Sampling、ε-greedy等算法。 作者称，理论证明当目标臂接近奖励下界时，任何近最优成本的攻击都必须把不可忽略的成本份额分配给目标臂，而非仅压制非目标臂，并将这一思路称为“目标推广”新范式。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。