基于强化学习与攻击图的渗透测试分层参考模型
密码学与安全
2022-06-15 v1 网络与互联网体系结构
摘要
本文从系统视角考察了在真实世界应用中使用强化学习(RL)与攻击图实现渗透测试自动化所面临的关键挑战。用于自动化渗透测试的 RL 方法正在积极开发中,但对于 RL 应当交互的计算机网络表示形式尚无共识。此外,这些表示如何落地到应用 RL 求解方法的真实网络,仍存在显著的开放性挑战。本文利用实时与真实网络交互、模拟真实对手行为以及处理不稳定且演化的网络等主题挑战,详细阐述了表示与落地问题。这些挑战兼具实践性与数学性,且直接关系到渗透测试系统的可靠性与可信性。本文提出一个分层参考模型,以帮助组织相关的研究与工程工作。所提出的分层参考模型不同于传统的攻击图工作流模型,因为它并非局限于顺序、前馈式的生成与分析过程,而是面向生命周期与持续部署的更广泛方面。研究人员与从业者可将所提出的分层参考模型作为第一性原理大纲,以辅助其渗透测试系统的系统工程定位。
引用
@article{arxiv.2206.06934,
title = {A Layered Reference Model for Penetration Testing with Reinforcement Learning and Attack Graphs},
author = {Tyler Cody},
journal= {arXiv preprint arXiv:2206.06934},
year = {2022}
}