Buchumschlag

Wolfpack Adversarial Attack for Robust Multi-Agent Reinforcement Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Lee, Sunwoo, Hwang, Jaebak, Jo, Yonghyeon, Han, Seungyul
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Machine Learning Artificial Intelligence Cryptography and Security Multiagent Systems
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Interaction-Breaking Adversarial Learning Framework for Robust Multi-Agent Reinforcement Learning
von: Lee, Sunwoo, et al.
Veröffentlicht: (2026)

Shaping Zero-Shot Coordination via State Blocking
von: Kang, Mingu, et al.
Veröffentlicht: (2026)

Hierarchical Adversarially-Resilient Multi-Agent Reinforcement Learning for Cyber-Physical Systems Security
von: Alqithami, Saad
Veröffentlicht: (2025)

Optimal Cost Constrained Adversarial Attacks For Multiple Agent Systems
von: Lu, Ziqing, et al.
Veröffentlicht: (2023)

Learning Communication Between Heterogeneous Agents in Multi-Agent Reinforcement Learning for Autonomous Cyber Defence
von: Popa, Alex, et al.
Veröffentlicht: (2026)

Focusing Influence Mechanism for Multi-Agent Reinforcement Learning
von: Park, Yisak, et al.
Veröffentlicht: (2025)

Robustness of Agentic AI Systems via Adversarially-Aligned Jacobian Regularization
von: Mumcu, Furkan, et al.
Veröffentlicht: (2026)

Explainable Autonomous Cyber Defense using Adversarial Multi-Agent Reinforcement Learning
von: Zhang, Yiyao, et al.
Veröffentlicht: (2026)

LLM-Guided Communication for Cooperative Multi-Agent Reinforcement Learning
von: Bae, Sangjun, et al.
Veröffentlicht: (2026)

FoX: Formation-aware exploration in multi-agent reinforcement learning
von: Jo, Yonghyeon, et al.
Veröffentlicht: (2023)

CuDA2: An approach for Incorporating Traitor Agents into Cooperative Multi-Agent Systems
von: Chen, Zhen, et al.
Veröffentlicht: (2024)

Beyond Single-Agent Alignment: Preventing Context-Fragmented Violations in Multi-Agent Systems
von: Wu, Jie, et al.
Veröffentlicht: (2026)

Differentially Private Reinforcement Learning with Self-Play
von: Qiao, Dan, et al.
Veröffentlicht: (2024)

Web Fraud Attacks Against LLM-Driven Multi-Agent Systems
von: Kong, Dezhang, et al.
Veröffentlicht: (2025)

CRAKEN: Cybersecurity LLM Agent with Knowledge-Based Execution
von: Shao, Minghao, et al.
Veröffentlicht: (2025)

Learning to Communicate in Multi-Agent Reinforcement Learning for Autonomous Cyber Defence
von: Contractor, Faizan, et al.
Veröffentlicht: (2025)

ClawWorm: Self-Propagating Attacks Across LLM Agent Ecosystems
von: Zhang, Yihao, et al.
Veröffentlicht: (2026)

Multi-Agent Reinforcement Learning for Maritime Operational Technology Cyber Security
von: Wilson, Alec, et al.
Veröffentlicht: (2024)

SkillSafetyBench: Evaluating Agent Safety under Skill-Facing Attack Surfaces
von: Jin, Chang, et al.
Veröffentlicht: (2026)

Scalable Multi-Agent Reinforcement Learning for Residential Load Scheduling under Data Governance
von: Qin, Zhaoming, et al.
Veröffentlicht: (2021)

X-Teaming: Multi-Turn Jailbreaks and Defenses with Adaptive Multi-Agents
von: Rahman, Salman, et al.
Veröffentlicht: (2025)

Attack the Messages, Not the Agents: A Multi-round Adaptive Stealthy Tampering Framework for LLM-MAS
von: Yan, Bingyu, et al.
Veröffentlicht: (2025)

Many-to-One Adversarial Consensus: Exposing Multi-Agent Collusion Risks in AI-Based Healthcare
von: Bashir, Adeela, et al.
Veröffentlicht: (2025)

TrinityGuard: A Unified Framework for Safeguarding Multi-Agent Systems
von: Wang, Kai, et al.
Veröffentlicht: (2026)

Attacks and Mitigations for Distributed Governance of Agentic AI under Byzantine Adversaries
von: Laws, Matthew D., et al.
Veröffentlicht: (2026)

Prompt Infection: LLM-to-LLM Prompt Injection within Multi-Agent Systems
von: Lee, Donghyun, et al.
Veröffentlicht: (2024)

Out of Sight, Not Out of Mind: Unveiling Latent Attack in Latent-based Multi-Agent Systems
von: Wang, Chenxi, et al.
Veröffentlicht: (2026)

Securing Multi-Agent Systems Against Corruptions via Node Contribution Backpropagation
von: Wu, Chengcan, et al.
Veröffentlicht: (2025)

Enhancing the Robustness of QMIX against State-adversarial Attacks
von: Guo, Weiran, et al.
Veröffentlicht: (2023)

A Call to Action for a Secure-by-Design Generative AI Paradigm
von: Alharthi, Dalal, et al.
Veröffentlicht: (2025)

Cloud Investigation Automation Framework (CIAF): An AI-Driven Approach to Cloud Forensics
von: Alharthi, Dalal, et al.
Veröffentlicht: (2025)

Differentially Private Distributed Inference
von: Papachristou, Marios, et al.
Veröffentlicht: (2024)

Can LLMs get help from other LLMs without revealing private information?
von: Hartmann, Florian, et al.
Veröffentlicht: (2024)

AI-Driven Adaptive Adversaries and the Erosion of Cryptographic Trust in Public Key Systems
von: Radanliev, Petar
Veröffentlicht: (2026)

Hierarchical Multi-agent Reinforcement Learning for Cyber Network Defense
von: Singh, Aditya Vikram, et al.
Veröffentlicht: (2024)

The Impact of Adversarial Node Placement in Decentralized Federated Learning Networks
von: Piaseczny, Adam, et al.
Veröffentlicht: (2023)

Ambient Persuasion in a Deployed AI Agent: Unauthorized Escalation Following Routine Non-Adversarial Content Exposure
von: Cuadros, Diego F., et al.
Veröffentlicht: (2026)

Open Challenges in Multi-Agent Security: Towards Secure Systems of Interacting AI Agents
von: de Witt, Christian Schroeder, et al.
Veröffentlicht: (2025)

Robustness and Visual Explanation for Black Box Image, Video, and ECG Signal Classification with Reinforcement Learning
von: Sarkar, Soumyendu, et al.
Veröffentlicht: (2024)

SentinelAgent: Intent-Verified Delegation Chains for Securing Federal Multi-Agent AI Systems
von: Patil, KrishnaSaiReddy
Veröffentlicht: (2026)