对抗性背包问题及网络网络情报作战中的二次效应

背包问题的变体被用于建模网络网络情报作战。虽然Flip-It游戏能够准确表达不确定性和失去控制，但未对作战施加必需的资源约束。夺旗（CTF）风格的竞争性游戏，如Flip-It，既包含不确定性和失去控制，还对资源使用施加了现实约束。因此，它们更接近实际的网络情报作战。我们对CTF竞争性游戏进行动力学网络控制建模，详细描述每个时间步骤的静态游戏。该静态游戏可在仅有两个玩家时，重新表述为称为对抗性背包（Adversarial Knapsack, AK）或对决性背包（Dueling Knapsack, DK）的新型优化问题的实例。我们将对抗性背包优化问题定义为相互作用的加权背包问题的系统，并展示其在涉及多个目标优化冲突的一般场景中的应用，例如网络情报作战和CTF游戏。对场景、奖励和成本的常见认知将为非合作博弈奠定基础。关键在于，理性玩家可能会怀疑其AK解决方案——即如果对手可预测地 play其AK最优解——可能存在更好的回应方案和更高的奖励。因此，对对手进行信念建模等二次推理会被理性玩家预期，这会引入一种非稳定性，玩家将争夺微小的奖励差异。为分析这一点，我们提供最佳回应算法和仿真软件，以考量理性代理如何进行启发式搜索。我们进一步总结了该博弈模型提供的见解，通过预测诸如常见漏洞评分系统（CVSS）等指标可能加剧网络情报作战中的二次推理。