Adaptive Multi-Agent Deep Reinforcement Learning for Distributed Zero Trust Architectures in Global Financial Ecosystems
Este artículo propone AMADRL-ZTA, una arquitectura de Confianza Cero distribuida que aprovecha el aprendizaje por refuerzo profundo multiagente adaptativo para mejorar significativamente la detección de amenazas, reducir los tiempos de respuesta y mejorar la adaptabilidad de las políticas para asegurar los ecosistemas financieros globales contra ataques cibernéticos sofisticados.