信息物理系統(tǒng)強化學習：網(wǎng)絡安全示例

Reinforcement Learning for Cyber-Physical Systems: with Cybersecurity Case Studies
出版者的話
譯者序
前言
作者簡介
第一部分　介紹
第1章　強化學習概述 2
1.1　強化學習綜述 2
1.1.1　引言 2
1.1.2　與其他機器學習方法的比較 4
1.1.3　強化學習示例 6
1.1.4　強化學習應用 7
1.2　強化學習的發(fā)展歷史 9
1.2.1　傳統(tǒng)的強化學習 9
1.2.2　深度強化學習 11
1.3　強化學習的仿真工具 12
1.4　本章小結(jié) 13
第2章　信息物理系統(tǒng)和網(wǎng)絡安全概述 14
2.1　引言 14
2.2　信息物理系統(tǒng)研究示例 16
2.2.1　資源分配 16
2.2.2　數(shù)據(jù)傳輸與管理 18
2.2.3　能源控制 18
2.2.4　基于模型的軟件設計 19
2.3　網(wǎng)絡安全威脅 20
2.3.1　網(wǎng)絡安全的對手 20
2.3.2　網(wǎng)絡安全的目標 21
2.4　本章小結(jié) 26
2.5　練習 26
第二部分　強化學習在信息物理系統(tǒng)中的應用
第3章　強化學習問題 30
3.1　多臂賭博機問題 30
3.1.1　ε-greedy算法 33
3.1.2　softmax算法 35
3.1.3　UCB算法 36
3.2　上下文賭博機問題 37
3.3　完整的強化學習問題 39
3.3.1　強化學習的要素 40
3.3.2　馬爾可夫決策過程介紹 41
3.3.3　值函數(shù) 42
3.4　本章小結(jié) 45
3.5　練習 45
第4章　基于模型的強化學習 49
4.1　引言 49
4.2　動態(tài)規(guī)劃 51
4.2.1　策略迭代法 52
4.2.2　價值迭代法 55
4.2.3　異步動態(tài)規(guī)劃 56
4.3　部分可觀察馬爾可夫決策過程 58
4.4　連續(xù)馬爾可夫決策過程 61
4.4.1　惰性近似 61
4.4.2　函數(shù)近似 62
4.5　本章小結(jié) 63
4.6　練習 64
第5章　無模型強化學習 66
5.1　引言 66
5.2　強化學習預測 66
5.2.1　蒙特卡羅學習 66
5.2.2　時序差分學習 69
5.3　強化學習控制 71
5.3.1　蒙特卡羅控制 71
5.3.2　基于時序差分的控制 72
5.3.3　策略梯度 77
5.3.4　actor-critic 81
5.4　高級算法 84
5.4.1　期望Sarsa 84
5.4.2　雙Q-learning 85
5.5　本章小結(jié) 85
5.6　練習 86
第6章　深度強化學習 90
6.1　引言 90
6.2　深度神經(jīng)網(wǎng)絡 90
6.2.1　卷積神經(jīng)網(wǎng)絡 92
6.2.2　循環(huán)神經(jīng)網(wǎng)絡 94
6.3　深度學習在值函數(shù)上的應用 95
6.4　深度學習在策略函數(shù)上的應用 100
6.4.1　DDPG 102
6.4.2　A3C 104
6.5　深度學習在強化學習模型上的應用 107
6.6　深度強化學習計算效率 108
6.7　本章小結(jié) 109
6.8　練習 109
第三部分　案例研究
第7章　強化學習與網(wǎng)絡安全 112
7.1　傳統(tǒng)的網(wǎng)絡安全方法 112
7.1.1　傳統(tǒng)的網(wǎng)絡安全技術 112
7.1.2　新興網(wǎng)絡安全威脅 113
7.2　強化學習在網(wǎng)絡安全中的應用 114
7.2.1　移動群智感知中的虛假感知攻擊 114
7.2.2　認知無線電網(wǎng)絡中的安全強化 115
7.2.3　移動邊緣計算中的安全問題 117
7.2.4　網(wǎng)絡安全分析師的動態(tài)調(diào)度 118
7.3　本章小結(jié) 119
7.4　練習 119
第8章　案例研究：智能電網(wǎng)中的在線網(wǎng)絡攻擊檢測 120
8.1　引言 120
8.2　系統(tǒng)模型和狀態(tài)估計 122
8.2.1　系統(tǒng)模型 122
8.2.2　狀態(tài)估計 123
8.3　問題描述 124
8.4　解決方案 127
8.5　仿真結(jié)果 130
8.5.1　仿真設計與參數(shù)設置 130
8.5.2　性能評估 130
8.6　本章小結(jié) 134
第9章　案例研究：擊敗中間人攻擊 135
9.1　引言 135
9.2　強化學習方法 137
9.2.1　狀態(tài)空間 137
9.2.2　行動空間 139
9.2.3　獎勵 139
9.3　實驗和結(jié)果 139
9.3.1　模型訓練 140
9.3.2　在線實驗 141
9.4　討論 143
9.4.1　基于探測器的檢測系統(tǒng) 143
9.4.2　運用SDN/OpenFlow使模型實用 144
9.5　本章小結(jié) 144
參考文獻 145
索引 161