用于自动化渗透测试的深度分层强化智能体
人工智能
2021-09-15 v1 密码学与安全
机器学习
摘要
渗透测试是对计算机系统有组织地发起攻击以测试现有防御的手段，已广泛用于对网络安全性进行评估。这是一个耗时的过程，且需要深厚知识以建立近似真实网络攻击的策略。本文提出一种具有分层结构智能体的新型深度强化学习架构，称为HA-DRL，其采用代数动作分解策略以应对自主渗透测试模拟器中随网络安全网络复杂性呈指数增长的大型离散动作空间。所提架构被证明比常规深度Q学习智能体更快且更稳定地找到最优攻击策略，而后者是人工智能应用于自动渗透测试的常用方法。
引用
@article{arxiv.2109.06449,
title = {Deep hierarchical reinforcement agents for automated penetration testing},
author = {Khuong Tran and Ashlesha Akella and Maxwell Standen and Junae Kim and David Bowman and Toby Richer and Chin-Teng Lin},
journal= {arXiv preprint arXiv:2109.06449},
year = {2021}
}
备注
Presented at 1st International Workshop on Adaptive Cyber Defense, 2021 (arXiv:2108.08476)