A game-theoretic planning framework for intentional threat assessment

par Nicolas Le Guillarme

Thèse de doctorat en Informatique

Sous la direction de Abdel-Illah Mouaddib.

Soutenue en 2016

à Caen , dans le cadre de École doctorale structures, informations, matière et matériaux (Caen ; 1992-2016) , en partenariat avec Normandie Université (2015-....) (autre partenaire) .

Le président du jury était Nicolas Sabouret.

Le jury était composé de Abdel-Illah Mouaddib, Nicolas Sabouret, René Mandiau, Régis Sabaddin, Stéphan Brunessaux, Sylvain Gatepaille, Simon Le Gloannec.

Les rapporteurs étaient René Mandiau, Régis Sabaddin.

mots clés

• Intelligence artificielle
• Systèmes d'aide à la décision
• Fusion multicapteurs
• Intelligence artificielle répartie

Titre traduit

Un framework génératif basé sur la théorie des jeux stochastiques pour l’évaluation de la menace

Résumé

Dans cette thèse, nous considérons le problème de l’évaluation de la menace, une tâche de fusion d’informations de haut niveau dont l'objectif principal est d’assister un décideur dans l'acquisition d'un niveau de conscience de la situation suffisamment élevé pour prendre des décisions appropriées dans un environnement potentiellement hostile, dynamique et incertain. L'évaluation de la menace consiste à prédire l'occurrence d’événements néfastes intentionnels et peut donc être vue comme un cas particulier des problèmes de reconnaissance de l’intention et de prédiction du comportement. L'évaluation de la menace trouve son utilité dans des situations antagonistes, où plusieurs agents tentent d’atteindre des objectifs incompatibles dans un environnement partagé. De telles situations peuvent être modélisées et analysées à l'aide d'outils de la théorie des jeux qui propose un cadre formel pour l’étude des interactions stratégiques entre décideurs rationnels. La principale contribution de cette thèse consiste en un cadre génératif pour l’évaluation de la menace et l'aide à la décision baptisé TARGET (Threat Assessment and Response using GamE-Theory) qui combine une modélisation du comportement d’un agent hostile basée sur la théorie des jeux stochastiques et une méthode de reconnaissance d’intention d'un adversaire par planification inverse. Le problème de reconnaissance d'intention d’un adversaire étant caractérisé par l'hostilité de l'agent observé vis à vis du processus de reconnaissance, nous proposons un ensemble de techniques permettant de rendre notre système robuste à la tromperie et à la dissimulation.

Résumé

In this thesis, we address the problem of threat assessment, a high-level information fusion task whose main objective is to assist a decision maker in achieving a proper level of situation awareness so as to make effective and proactive decisions in possibly hostile, dynamic, and uncertain environments. Threat assessment is the problem of predicting intentional threat events and therefore it can be seen as a specific aspect of the problems of adversarial intention recognition and behavior prediction. Threat assessment is needed in adversarial situations, where several agents are competing to achieve conflicting goals in a shared environment. Adversarial situations can be modeled and analyzed using game theory which provides a formal framework for studying strategic interactions between rational decision makers. The main contribution of this thesis consists of a generative framework for threat assessment and decision support called TARGET (Threat Assessment and Response using GamE-Theory) which combines a game-theoretic model of adversarial behavior and an inverse-planning-based approach to adversarial intention recognition. Adversarial intention recognition is characterized by the hostility of the observed agent to the recognition process. To address this issue, we propose a set of techniques that make our system robust to deception and concealment.