动态云存储中针对高级持续性威胁的防御：一种 Colonel Blotto 博弈方法
密码学与安全
2018-01-22 v1
摘要
高级持续性威胁（APT）攻击者运用多种复杂手段，持续且隐蔽地从目标云存储系统窃取信息，甚至可诱导存储系统采用特定防御策略并据此发起攻击。本文将 APT 攻击者与防御者在云存储系统多个存储设备上分配其中央处理器（CPUs）的交互建模为 Colonel Blotto 博弈。针对 APT 攻击者与防御者之间对称与非对称 CPU 两种情况，推导了 CPU 分配博弈的纳什均衡（NEs），以评估有限 CPU 资源、数据存储规模与存储设备数量如何影响预期数据保护水平及云存储系统效用。提出了一种基于“热启动”策略爬山（PHC）的 CPU 分配方案，其利用相似场景中的经验初始化质量值以加快学习速度，使防御者能在不了解 APT 攻击模型与数据存储模型的动态博弈中达成最优 APT 防御性能。一种基于热启动深度 Q 网络（DQN）的 CPU 分配方案进一步提升了 CPU 与存储设备数量众多情形下的 APT 检测性能。仿真结果表明，相较于基于 Q-learning 的 CPU 分配，我们所提出的基于强化学习的 CPU 分配可同时提升针对 APT 的数据保护水平与云存储系统效用。
引用
@article{arxiv.1801.06270,
title = {Defense Against Advanced Persistent Threats in Dynamic Cloud Storage: A Colonel Blotto Game Approach},
author = {Minghui Min and Liang Xiao and Caixia Xie and Mohammad Hajimirsadeghi and Narayan B. Mandayam},
journal= {arXiv preprint arXiv:1801.06270},
year = {2018}
}