Efficient Resource Allocation Under Adversary Attacks: A Decomposition-Based Approach

Mansoor Davoodi

doi:10.1109/tnsm.2026.3703620

Efficient Resource Allocation Under Adversary Attacks: A Decomposition-Based Approach

2026-01-01

0

PRE

AI

DOI：10.1109/tnsm.2026.3703620

原文链接

原文求助

摘要

En 中文

针对网络在持续但统计信息未知的持续性攻击下分配有限资源的问题，每个节点的性能可能因可用防御资源而部分退化但未被完全禁用。目标为双重：最小化系统总损害并降低累积资源分配与转移成本。我们将此挑战建模为双目标优化问题，并提出一种基于分解的解决方案，整合了机会约束规划与网络流优化。该框架将问题分解为两个相互关联的子问题：确定各时间槽的节点级最优分配和计算高效的节点间资源转移。我们从理论上证明了该方法收敛于在完全掌握攻击者统计信息时获得的最优解。进一步建立了O(√T log(nT))的后悔界，表明每轮平均平方根性能差距以O(1/T)的速度缩小。大量仿真表明，该方法能高效学习攻击模式，在多种参数设置下与三种基准策略比较，显著降低了损害和运营成本。

Keyword:

Resource management

Optimization

Modeling

Algorithms

Timing

Costing

Costs

Probability

Fluid flow

Learning (artificial intelligence)

Resource allocation

adversary

decomposition

bi-objective optimization

chance-constrained optimization

network flow

Efficient Resource Allocation Under Adversary Attacks: A Decomposition-Based Approach

摘要

期刊

机构

引用论文