Título: “Hypothesis testing in presence of adversaries”
Autores: Jorge González-Ortega (ICMAT-CSIC), David Ríos Insua (AXA-ICMAT), Fabrizio Ruggeri (Istituto di Matematica Applicata e Tecnologie Informatiche, CNR) y Refik Soyer (George Washington University)
Fuente: The American Statistician (2019)
Fecha de publicación: 10 de Julio de 2019
Link: https://doi.org/10.1080/00031305.2019.1630001
Uno de los problemas fundamentales de la inferencia estadística es el del contraste de hipótesis. Aunque no sin controversias, se ha estudiado en profundidad desde la perspectiva de la teoría de la decisión estadística, tanto desde un punto de vista frecuentista como bayesiano, a raíz del trabajo seminal de Abraham Wald de 1950. En los últimos años ha habido un interés creciente por los problemas de contraste de hipótesis, en los que adversarios hostiles perturban los datos observados para confundir al decisor sobre la hipótesis relevante, con la intención de alcanzar algún objetivo. Este tipo de problemas son frecuentes en campos como el procesamiento de señales adversarias, la clasificación adversaria o el aprendizaje de máquina adversario, y tienen aplicaciones a campos como la detección de fraude, la identificación de spam o el guiado de coches autónomos. Sin embargo, la mayoría de aproximaciones a estos problemas emplean técnicas basadas en la teoría de juegos que conllevan hipótesis de conocimiento común poco realistas en los contextos de seguridad mencionados.
En este artículo, Jorge González-Ortega, David Ríos Insua, Fabrizio Ruggeri y Refik Soyer se proponen una aproximación alternativa general al problema del contraste de hipótesis adversario, basada en conceptos del análisis de riesgos adversarios. Consideran un agente (defensor) que debe decidir cuál de las hipótesis es más adecuada a partir de observaciones que podrían haber sido perturbadas por otro agente (atacante). Estudian el problema desde la perspectiva del defensor, y para ello formulan un problema bayesiano de toma de decisiones que requiere predecir la decisión del atacante, teniendo en cuenta la incertidumbre sobre las preferencias y las creencias del mismo. Para ello, emplean la teoría de la decisión estadística adversaria. Además, ilustran sus resultados con un problema de contraste de hipótesis binario puntual, en relación a la monitorización de spam. También se discuten varias aplicaciones alternativas.
