Остання редакція: 2025-04-27
Анотація
Запропоновано підхід до координації агентів у мультиагентній системі тестування на проникнення з використанням навчання з підкріпленням. Досліджено доцільність використання моделі CTDE та алгоритмів IQL, MADDPG і QMIX для узгодження дій агентів. Розглянуто роль спільного середовища знань у підвищенні ефективності системи.
Ключові слова
Посилання
1. Толкачова А. Методи для тестування безпеки веб-застосунків [Електронний ресурс] / Анастасія Толкачова, Андріян Піскозуб // Кібербезпека: освіта, наука, техніка. – 2024. – Т. 2, № 26. – С. 115–122. – Режим доступу: https://doi.org/10.28925/2663-4023.2024.26.668 (дата звернення: 13.04.2025). – Назва з екрана.
2. Sharma R. Multi-Agent system: enhancing collaboration in AI [Електронний ресурс] / Rajeev Sharma // Markovate. – Режим доступу: https://markovate.com/multi-agent-system/ (дата звернення: 13.04.2025). – Назва з екрана.
3. Ikeda T. Centralized training with decentralized execution reinforcement learning for cooperative multi-agent systems with communication delay [Електронний ресурс] / Takuma Ikeda, Takeshi Shibuya // 2022 61st annual conference of the society of instrument and control engineers (SICE), Kumamoto, Japan, 6–9 верес. 2022 р. – [Б. м.], 2022. – Режим доступу: https://doi.org/10.23919/sice56594.2022.9905866 (дата звернення: 13.04.2025). – Назва з екрана.
4. Lee K. M. Investigation of independent reinforcement learning algorithms in multi-agent environments [Електронний ресурс] / Ken Ming Lee, Sriram Ganapathi Subramanian, Mark Crowley // Frontiers in artificial intelligence. – 2022. – Т. 5. – Режим доступу: https://doi.org/10.3389/frai.2022.805823 (дата звернення: 14.04.2025). – Назва з екрана.
5. Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments [Електронний ресурс] / Ryan Lowe [та ін.] // arXiv.org. – Режим доступу: https://arxiv.org/abs/1706.02275 (дата звернення: 15.04.2025). – Назва з екрана.
6. QMIX: monotonic value function factorisation for deep multi-agent reinforcement learning [Електронний ресурс] / Tabish Rashid [та ін.] // Proceedings of the 35th international conference on machine learning. – [Б. м.], 2018. – С. 4295–4304. – Режим доступу: https://doi.org/10.48550/arXiv.1803.11485. (дата звернення: 15.04.2025) – Назва з екрана.
7. Притула А. В. Архітектура мультиагентної системи для тестування на проникнення [Електронний ресурс] / Андрій Вікторович Притула, Леонід Михайлович Куперштейн // Вінниця, 24–27 берез. 2025 р. – Вінниця, 2025. – Режим доступу: https://conferences.vntu.edu.ua/index.php/all-fitki/all-fitki-2025/paper/view/24211 (дата звернення: 15.04.2025). – Назва з екрана.