针对乌干达的仿射人工智能网络安全：资源受限环境下的强化学习威胁检测框架
密码学与安全
2025-12-10 v1 计算机与社会
摘要
乌干达的快速数字化转型，由国家战略如《2040 年愿景》和《数字化转型路线图》等支持，扩大了对网络服务的依赖，同时增加了对复杂网络威胁的暴露。在资源受限环境中，常用的基于规则的入侵检测系统缺乏适应性和伦理保障，难以应对不断演变的攻击模式，导致未被发现的安全事件以及对合法流量的过度阻断。本研究提出一种 Agentic 人工智能（AAI）框架，将强化学习、明确的伦理治理层次和人类监督相结合，以提供自适应且可信赖的网络安全。我们开发了一个基于 CPU 优化的仿真环境，采用五节点网络拓扑，镜像乌干达关键数字基础设施的关键要素，生成包括钓鱼、勒索软件和分布式拒绝服务攻击等有益与恶意流量。一个受明确伦理约束并可被人类审计的 Q-learning 代理经过训练和评估后，对比传统基于规则的基线系统。AAI 框架实现了 100% 检测率、零误报，并实现了完全伦理合规；相比之下，基线系统仅实现 70% 检测率和 15% 误报率。这些结果表明，仿射、伦理治理的强化学习在 CPU-only 资源受限环境中显著提升了网络安全的有效性和公平性，为在乌干达国家网络安全战略中落地负责任的人工智能提供了可行路径。
引用
@article{arxiv.2512.07909,
title = {Agentic Artificial Intelligence for Ethical Cybersecurity in Uganda: A Reinforcement Learning Framework for Threat Detection in Resource-Constrained Environments},
author = {Ibrahim Adabara and Bashir Olaniyi Sadiq and Aliyu Nuhu Shuaibu and Yale Ibrahim Danjuma and Venkateswarlu Maninti and Mutebi Joe},
journal= {arXiv preprint arXiv:2512.07909},
year = {2025}
}
备注
29 pages, 7 figures, 2 tables, 1 appendix