应对信息拒绝服务(IDoS)攻击:注意性人类弱点的建模与缓解
密码学与安全
2021-10-19 v2 人工智能
摘要
本文提出一类称为信息拒绝服务(Informational Denial-of-Service, IDoS)攻击的新型主动攻击,其利用人类的注意性弱点。通过生成大量佯攻,IDoS攻击耗尽人类操作员的认知资源,从而阻止人类从佯攻中识别出真实攻击。本文旨在形式化定义IDoS攻击、量化其后果,并开发辅助人类的安全技术以缓解IDoS攻击的严重等级与风险。为此,我们使用半马尔可夫过程对带有类别标签的相关告警中佯攻与真实攻击的序贯到达进行建模。该辅助技术通过周期性高亮选择性告警来策略性地管理人类注意力,以防止其他告警造成干扰。采用数据驱动方法评估人类在不同注意力管理(Attention Management, AM)策略下的表现。在一个具有代表性的特例中,我们建立了两种动态规划表示之间的计算等价性,以降低计算复杂度并实现基于缩减规模样本与零延迟的在线学习。案例研究证实了该学习框架的有效性。数值结果说明了AM策略如何缓解IDoS攻击的严重等级与风险。此外,结果表明,通过对告警适度有意忽视可达到最小风险,我们称之为理性风险降低忽视定律。
引用
@article{arxiv.2108.08255,
title = {Combating Informational Denial-of-Service (IDoS) Attacks: Modeling and Mitigation of Attentional Human Vulnerability},
author = {Linan Huang and Quanyan Zhu},
journal= {arXiv preprint arXiv:2108.08255},
year = {2021}
}