基于深度强化学习的高级持续性威胁（APT）归因
密码学与安全
2025-01-08 v2 人工智能
机器学习
摘要
针对恶意软件归因开发 DRL 模型，涉及大量研究、迭代编码以及根据前任模型和当代研究论文所获取的见解进行的多次调整。此准备工作对于建立模型的稳健基础至关重要，确保其能有效适应和应对恶意软件威胁的动态性。最初，该模型表现低 accuracy，然而通过对其架构和学习算法进行持续调整，accuracy 从约 7% 显著提升至早期迭代中的 73%。训练结束后，该模型在 accuracy 上稳定达到近 98% 的水平，展示了其强大的准确识别和归因恶意软件活动的能力。图表清晰地展示了模型成熟及其随时间逐渐提升的专业能力。
引用
@article{arxiv.2410.11463,
title = {Advanced Persistent Threats (APT) Attribution Using Deep Reinforcement Learning},
author = {Animesh Singh Basnet and Mohamed Chahine Ghanem and Dipo Dunsin and Wiktor Sowinski-Mydlarz},
journal= {arXiv preprint arXiv:2410.11463},
year = {2025}
}
备注
21 Pages