Show simple item record

Методи координації та взаємодії агентів у мультиагентній системі тестування на проникнення з використанням навчання з підкріпленням

dc.contributor.authorПритула, А. В.uk
dc.contributor.authorКуперштейн, Л. М.uk
dc.contributor.authorKupershtein, L. M.en
dc.date.accessioned2025-08-13T09:19:18Z
dc.date.available2025-08-13T09:19:18Z
dc.date.issued2025
dc.identifier.citationПритула А. В., Куперштейн Л. М. Методи координації та взаємодії агентів у мультиагентній системі тестування на проникнення з використанням навчання з підкріпленням // Матеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р. URI: https://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/24771.uk
dc.identifier.isbn978-617-8163-57-0
dc.identifier.urihttps://ir.lib.vntu.edu.ua//handle/123456789/47676
dc.description.abstractЗапропоновано 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.uk
dc.description.abstractA coordination approach for agents in a multi-agent penetration testing system using reinforcement learning is proposed. The expediency of using CTDE models and IQL, MADDPG, and QMIX algorithms for creating agent actions has been investigated. The role of shared knowledge in improving system efficiency is examined.en
dc.language.isouk_UAuk_UA
dc.publisherВНТУuk
dc.relation.ispartofМатеріали Всеукраїнської науково-практичної інтернет-конференції «Молодь в науці: дослідження, проблеми, перспективи (МН-2025)», Вінниця, 15-16 червня 2025 р.uk
dc.relation.urihttps://conferences.vntu.edu.ua/index.php/mn/mn2025/paper/view/24771
dc.subjectмультиагентна системаuk
dc.subjectнавчання з підкріпленнямuk
dc.subjectкоординація агентівuk
dc.subjectCTDEen
dc.subjectтестування на проникненняuk
dc.subjectQMIXen
dc.subjectblackboard modelen
dc.subjectmulti-agent systemen
dc.subjectreinforcement learningen
dc.subjectagent coordinationen
dc.subjectpenetration testingen
dc.titleМетоди координації та взаємодії агентів у мультиагентній системі тестування на проникнення з використанням навчання з підкріпленнямuk
dc.typeThesis
dc.identifier.udc004.56
dc.relation.referencesТолкачова 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.uk
dc.relation.referencesSharma 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.en
dc.relation.referencesIkeda 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.en
dc.relation.referencesLee 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.en
dc.relation.referencesMulti-Agent Actor-Critic for Mixed Cooperative-Competitive Environments [ ] / Ryan Lowe [ .] // arXiv.org. : https://arxiv.org/abs/1706.02275 ( : 15.04.2025). .en
dc.relation.referencesMulti-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.en
dc.relation.referencesMulti-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.en
dc.relation.referencesQMIX: 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.en
dc.relation.referencesПритула 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.uk


Files in this item

Thumbnail
Name:
24771.pdf
Size:
298.7Kb
Format:
PDF
View/Open

This item appears in the following Collection(s)

Show simple item record