面向自主网络操作的教师引导强化学习技术的比较评估
机器学习
2025-08-21 v1 人工智能
摘要
自主网络操作（ACO）依赖强化学习（RL）来训练智能体在网络安全领域做出有效决策。然而，现有的 ACO 应用要求智能体从头开始学习，导致收敛缓慢且早期性能不佳。尽管教师引导技术在其他领域已展现出潜力，但尚未应用于 ACO。在本研究中，我们在模拟的 CybORG 环境中实现了四种不同的教师引导技术，并进行了比较评估。我们的结果表明，教师集成可以在早期策略性能和收敛速度方面显著提高训练效率，凸显了其在自主网络安全领域的潜在优势。
引用
@article{arxiv.2508.14340,
title = {A Comparative Evaluation of Teacher-Guided Reinforcement Learning Techniques for Autonomous Cyber Operations},
author = {Konur Tholl and Mariam El Mezouar and Ranwa Al Mallah},
journal= {arXiv preprint arXiv:2508.14340},
year = {2025}
}