基于 GNN 近似动态规划的主动目录攻击图的共进化防御
密码学与安全
2025-10-21 v2
摘要
现代企业网络越来越依赖 Active Directory（AD）进行身份和访问管理。然而，这种集中化暴露了一个单点故障，允许对抗者危及高价值资产。现有的 AD 防御方法通常假设攻击者行为是静态的，但现实中的对手会动态适应，这使得此类方法脆弱。为此，我们将攻击者-防御者在 AD 中的交互建模为一个适应性攻击者和主动防御者之间的斯塔克贝尔夫人游戏。我们提出了一个共进化防御框架，将 Graph Neural Network Approximated Dynamic Programming（GNNDP）用于建模攻击者策略，结合 Evolutionary Diversity Optimization（EDO）生成韧性阻断策略。为确保可扩展性，我们引入一种 Fixed-Parameter Tractable（FPT）图约简方法，在保持战略结构的同时降低复杂度。我们的框架共同细化攻击者和防御者的策略，以提高泛化能力并防止早期收敛。在合成 AD 图上的实验显示接近最优结果（在 r500 上仅差 0.1 个百分点），并在更大的图上（r1000 和 r2000）表现更好，表明该框架的可扩展性和有效性。
关键词
引用
@article{arxiv.2505.11710,
title = {Co-Evolutionary Defence of Active Directory Attack Graphs via GNN-Approximated Dynamic Programming},
author = {Diksha Goel and Hussain Ahmad and Kristen Moore and Mingyu Guo},
journal= {arXiv preprint arXiv:2505.11710},
year = {2025}
}