本文研究了恶意篡改成本信号下的强化学习，通过对 Q-learning 的研究，证明了其在隐蔽攻击和成本信号有限篡改下仍能收敛。提出了鲁棒的代价区间，给出了关于篡改代价的条件，最后通过案例研究展示了强化学习的潜在危险。