通过坚固数字孪生沙盒中自适应对抗韧性演化实现自主网络韧性
密码学与安全
2026-02-23 v2 机器学习
系统与控制
系统与控制
摘要
信息技术与运营技术的融合暴露了工业控制系统面临由自适应智能对手构成的威胁，这些对手使静态防御失效。本文引入了对抗韧性共演（ARC）框架，解决“三重信任”问题，即模型保真度、数据完整性和分析韧性。ARC 在坚固安全数字孪生（F-SCDT）中建立共演军备竞赛，其中一个基于深度强化学习的“红队”智能体自主发现攻击路径，而一个基于集成的“蓝队”智能体则不断加固以应对这些威胁。在田纳西东曼过程（TEP）和安全水处理（SWaT）测试平台上的实验验证表明，此方法在检测新型攻击方面表现优越，F1 分数从 0.65 提升至 0.89，检测延迟从超过 1200 秒降低至 210 秒。综合的消融研究揭示，共演过程本身贡献了约 27% 的性能提升。通过集成可解释人工智能并提出联邦 ARC 架构，本工作呈现了向动态自我改进安全方面迈出的必要范式转变，以适应关键基础设施的需求。
引用
@article{arxiv.2506.20102,
title = {Autonomous Cyber Resilience via a Co-Evolutionary Arms Race within a Fortified Digital Twin Sandbox},
author = {Malikussaid and Sutiyo},
journal= {arXiv preprint arXiv:2506.20102},
year = {2026}
}
备注
6 pages, 2 figures, 4 equations, 1 algorithm, 3 tables, to be published in ISPACS 2025, unabridged version exists as arXiv:2506.20102v1