赏金猎人：多维度对手的自主、全面仿真

对手仿真是网络安全评估的 essential 步骤，用于评估组织的安全 posture 或在专门环境中促进结构化训练和研究。为实现系统且高效的评估，学术界和行业已有多种方法致力于自动化对手行为。然而，这些方法在自主性、战术覆盖范围和现实适用性方面存在显著局限。因此，尽管大型语言模型的兴起，对手仿真仍是需要大量人力 effort 和安全专业知识的主要性手动任务。本文提出一种名为Bounty Hunter的自动化对手仿真方法，旨在作为流行对手仿真平台Caldera的开源插件，实现具备多维度行为特征的自主仿真，同时提供广泛的战术覆盖。为此，它实现了多样化的对手行为，如不同的可检测性水平和在多次仿真中不同的攻击路径。通过在没有目标先验知识的情况下自主突破模拟企业网络，Bounty Hunter展示了其在前期突破、初始突破和后期突破攻击战术中实现给定目标目标的能力。总体而言，Bounty Hunter实现了自主、全面且具多维度的对手仿真，帮助研究人员和实践者执行真实且高效的安全评估、训练练习和入侵检测研究。