Buchumschlag

Efficiency at Risk: Entropy-Induced Failure in Learned Decision Policies under Partial Observability

Fuente: Zenodo

Gespeichert in:

Bibliographische Detailangaben
1. Verfasser:	Pérez Contreras, Benjamín Felipe
Format:	Recurso digital
Sprache:	Englisch
Veröffentlicht:	Zenodo 2026
Schlagworte:	Security, Offensive Security, POMDP, Machine Learning, Penetration Testing, Decision Policies
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Empirical Evaluation of Decision Policies for Security Probing under Partial Observability: Efficiency Gains and Entropy-Induced Failure Regimes
von: Pérez Contreras, Benjamín Felipe
Veröffentlicht: (2025)

Developing a framework for enhancing security testing of android applications
von: Adedeji Olaniyi Lamina, et al.
Veröffentlicht: (2024)

Techniques for Evaluating and Enhancing the Security of Smartphone Applications
von: Chande, Pooja Santosh
Veröffentlicht: (2025)

Evaluating different strategies in Ukraine and its effects on the international systems
von: Soheil Etesami
Veröffentlicht: (2024)

The use of Polar Coordinates in the analysis of motor interaction in football according to the result.
von: R. Díaz-Díaz
Veröffentlicht: (2019)

The epistemology of international politics: offensive realism and the Neorealist Scientific Research Program
von: Flávio Pedroso Mendes
Veröffentlicht: (2022)

OFFENSIVE COUNTERTERRORISM TARGETED KILLING IN ELIMINATING TERRORIST TARGETS: THE CASE OF THE USA AND ISRAEL
von: Hermínio Matos
Veröffentlicht: (2012)

A Conditional Framework for Policy Collapse under Information Limits
von: Pérez Contreras, Benjamín Felipe
Veröffentlicht: (2026)

A Conditional Framework for Policy Collapse under Information Limits
von: Pérez Contreras, Benjamín Felipe
Veröffentlicht: (2026)

Ontological Foundations of Epistemic Stability under Informational Constraints
von: Pérez Contreras, Benjamín Felipe
Veröffentlicht: (2026)

Learning Robust Penetration-Testing Policies under Partial Observability: A systematic evaluation
von: Simon, Raphael, et al.
Veröffentlicht: (2025)

Probabilistic Motion Planning for Automated Vehicles
von: Naumann, Maximilian
Veröffentlicht: (2021)

Algorithm for Conducting Information Security Audit in Organizations Based on a Multilevel Model Based on Graph Theory
von: Kholimtayeva Ikbol Ubaydullayevna
Veröffentlicht: (2025)

DETERMINING FACTORS OF BANK EMPLOYEE READING HABITS OF INFORMATION SECURITY POLICIES
von: William Allassani
Veröffentlicht: (2014)

P3LS: Partial Least Squares under Privacy Preservation
von: Duy, Du Nguyen, et al.
Veröffentlicht: (2024)

On the Efficiency of Privacy Attacks in Federated Learning
von: Tabassum, Nawrin, et al.
Veröffentlicht: (2024)

Evaluating Operation Safe Corridor as a Strategy of Counter-Terrorism Policy in the North East of Nigeria
von: Roberts, Anya Nkata, Ph. D.,, et al.
Veröffentlicht: (2025)

Container Image Hardening Pipeline Vulnerability Scanning Policy Gates and Runtime Efficiency in Production Kubernetes
von: Junaid, Ehtesham
Veröffentlicht: (2026)

Cybersecurity Policy: A Key Pillar for Organizational Safety
von: Radhika Digambar Pingale
Veröffentlicht: (2025)

SUB-PLAY: Adversarial Policies against Partially Observed Multi-Agent Reinforcement Learning Systems
von: Ma, Oubo, et al.
Veröffentlicht: (2024)

On the Privacy Risk of In-context Learning
von: Duan, Haonan, et al.
Veröffentlicht: (2024)

Privately Learning Decision Lists and a Differentially Private Winnow
von: Bun, Mark, et al.
Veröffentlicht: (2026)

Byzantine Failures Harm the Generalization of Robust Distributed Learning Algorithms More Than Data Poisoning
von: Boudou, Thomas, et al.
Veröffentlicht: (2025)

Quantifying Policy Administration Cost in an Active Learning Framework
von: Zhang, Si, et al.
Veröffentlicht: (2023)

A System for Interactive Examination of Learned Security Policies
von: Hammar, Kim, et al.
Veröffentlicht: (2022)

Graph Unlearning with Efficient Partial Retraining
von: Zhang, Jiahao, et al.
Veröffentlicht: (2024)

FBChain: A Blockchain-based Federated Learning Model with Efficiency and Secure Communication
von: Li, Yang, et al.
Veröffentlicht: (2023)

Entropy-Guided Attention for Private LLMs
von: Jha, Nandan Kumar, et al.
Veröffentlicht: (2025)

FL-PLAS: Federated Learning with Partial Layer Aggregation for Backdoor Defense Against High-Ratio Malicious Clients
von: Zhang, Jianyi, et al.
Veröffentlicht: (2025)

Nemesis: Noise-randomized Encryption with Modular Efficiency and Secure Integration in Machine Learning Systems
von: Zhao, Dongfang
Veröffentlicht: (2024)

Optimized Deep Learning Models for Malware Detection under Concept Drift
von: Maillet, William, et al.
Veröffentlicht: (2023)

PEDIATRIC OCULAR TRAUMA: INTRAORBITAL FOREIGN BODY. CASE REPORT
von: César Augusto Zuluaga-Orrego
Veröffentlicht: (2019)

Vendor-Conditioned Contrastive Learning for Predicting Organizational Cyber Threat Targets
von: Ampel, Benjamin M.
Veröffentlicht: (2020)

NASimJax: GPU-Accelerated Policy Learning Framework for Penetration Testing
von: Simon, Raphael, et al.
Veröffentlicht: (2026)

Learning to Attack: Uncovering Privacy Risks in Sequential Data Releases
von: Cui, Ziyao, et al.
Veröffentlicht: (2025)

Calibrating Practical Privacy Risks for Differentially Private Machine Learning
von: Gu, Yuechun, et al.
Veröffentlicht: (2024)

Timber! Poisoning Decision Trees
von: Calzavara, Stefano, et al.
Veröffentlicht: (2024)

Deep Learning under Fractional-Order Differential Privacy
von: Partohaghighi, Mohammad, et al.
Veröffentlicht: (2026)

FRAME : Comprehensive Risk Assessment Framework for Adversarial Machine Learning Threats
von: Shapira, Avishag, et al.
Veröffentlicht: (2025)

SoK: Unintended Interactions among Machine Learning Defenses and Risks
von: Duddu, Vasisht, et al.
Veröffentlicht: (2023)