更新时间：2024-12-30 16:04:30
封面
版权信息
内容提要
前言
第1章 绪论
1.1 博弈论
1.1.1 赤壁之战的背景
1.1.2 博弈论的基本概念
1.1.3 博弈论的发展历程
1.1.4 博弈的分类
1.2 数据保护
1.2.1 隐私保护
1.2.2 信息系统风险控制
1.2.3 联邦学习
第2章 完全信息静态博弈
2.1 完全信息静态博弈的表达方式
2.1.1 完全信息博弈
2.1.2 静态博弈
2.1.3 策略表达式
2.2 占优均衡
2.2.1 隐私问题的提出
2.2.2 联邦学习中的“搭便车”问题
2.3 纳什均衡
2.3.1 多用户联邦学习系统
2.3.2 无限策略纳什均衡
2.3.3 基于激励的联邦学习贡献度选择
2.3.4 联邦学习中无激励的贡献度选择
2.3.5 零和网络攻防
2.4 混合策略纳什均衡
2.4.1 联邦学习中用户合作
2.4.2 蜜罐系统攻防
2.4.3 网络空间攻防
2.5 纳什均衡的合理性
2.5.1 纳什均衡的一致性
2.5.2 不对称收益下的联邦学习系统选择
2.5.3 存在风险的联邦学习系统选择
2.5.4 联邦学习系统选择中的犯错问题
第3章 完美信息动态博弈
3.1 完美信息动态博弈的表达方式
3.1.1 动态博弈和完美信息
3.1.2 扩展式与网络攻防
3.2 纳什均衡的局限性
3.2.1 动态攻防选择博弈
3.2.2 联邦学习激励问题
3.2.3 不可达到的攻防策略
3.3 子博弈精炼纳什均衡
3.3.1 子博弈
3.3.2 子博弈精炼纳什均衡
3.3.3 逆向归纳法
3.3.4 无限策略子博弈精炼纳什均衡
3.4 子博弈精炼纳什均衡的合理性
3.4.1 网络攻防者的理性
3.4.2 网络攻防的犯错问题
3.4.3 联邦学习用户重复合作
3.4.4 先行优势
第4章 不完全信息静态博弈
4.1 不完全信息静态博弈和海萨尼转换
4.1.1 不完全信息
4.1.2 海萨尼转换
4.2 贝叶斯博弈
4.2.1 模型评价指标
4.2.2 不完全信息下的联邦学习用户合作
4.2.3 基于激励的无限策略选择
4.3 混合策略纳什均衡的解释
4.3.1 联邦学习用户合作的不完全信息解释
4.3.2 蜜罐系统攻防不完全信息解释
4.4 机制设计
4.4.1 基于拍卖的联邦学习激励机制
4.4.2 克拉克激励
第5章 不完美信息动态博弈
5.1 不完美信息动态博弈和信息集
5.1.1 不完美信息下的被动防御
5.1.2 信息集与联邦学习的动态解释
5.2 精炼贝叶斯均衡
5.2.1 隐私保护策略的必要性
5.2.2 联合攻防的有效性
5.3 不完全信息动态博弈
5.3.1 不完全信息下的网络空间被动防御
5.3.2 联邦学习动态激励机制
第6章 重复博弈
6.1 重复隐私分享博弈
6.1.1 有限次数重复隐私分享博弈
6.1.2 无限次数重复隐私分享博弈
6.1.3 联邦学习激励重复博弈
6.2 蜜罐系统攻防博弈
6.3 联邦学习收益分配
6.3.1 无损收益分配
6.3.2 有损收益分配
6.4 重复攻防博弈
6.4.1 完美信息下的重复攻防博弈
6.4.2 不完美信息下的重复攻防博弈
第7章 演化博弈
7.1 隐私分享系统演化
7.2 联邦学习系统演化
7.3 网络空间防御系统演化
