一种通过概率建模对关键云基础设施进行预测性保护的方法
人工智能
2018-10-30 v1
摘要
云基础设施正日益被用于银行/金融、交通与公用事业管理等关键基础设施中。近期包括针对关键基础设施的安全入侵中所使用的复杂手段与资源表明，攻击者已不再受限于资金/计算约束。事实上，他们可能得到拥有大量财力与人力资源的实体协助。因此，迫切需要将预测性方法用于网络防御，以强化关键基础设施所专门使用的云基础设施。过去已有大量研究应用博弈论、机器学习与贝叶斯网络等技术对关键基础设施进行预测性防御。然而这些方法的一个主要缺陷在于未纳入概率性人类行为，限制了其预测能力。本文提出一种随机方法，用于预测关键云系统中可能导致潜在安全入侵的较不安全状态。这些较不安全状态在我们的方法中被视为“风险”状态。采用马尔可夫决策过程（MDP），通过一组特征准确纳入用户行为以及云基础设施的运行行为。随后利用所开发的奖励/成本机制，通过学习最优策略，选取适当的“动作”以在未来时间步识别风险状态。实验结果表明，所提框架在识别未来“风险”状态方面表现良好。通过本工作，我们展示了利用概率建模（MDP）对关键云基础设施进行预测性保护的有效性。
引用
@article{arxiv.1810.11937,
title = {An approach to predictively securing critical cloud infrastructures through probabilistic modeling},
author = {Satvik Jain and Arun Balaji Buduru and Anshuman Chhabra},
journal= {arXiv preprint arXiv:1810.11937},
year = {2018}
}