通过网络安全仿真开发最优因果网络防御智能体
密码学与安全
2022-08-08 v2 机器学习
机器学习
摘要
本文通过将新颖的网络安全仿真器与通过优化进行(因果)决策建模的方法相统一,探索网络安全防御。特别关注近期发表的一种方法:动态因果贝叶斯优化(DCBO)。我们提出,当给定模拟网络视图以及红方智能体在该网络中传播的因果模型时,DCBO可充当蓝方智能体。以研究DCBO如何对主机节点执行最优干预,从而降低红方智能体造成的入侵代价。由此我们展示了一个完整的网络仿真系统,用于为DCBO生成观测数据,并提供数值定量结果,为这一领域的未来工作奠定基础。
引用
@article{arxiv.2207.12355,
title = {Developing Optimal Causal Cyber-Defence Agents via Cyber Security Simulation},
author = {Alex Andrew and Sam Spillard and Joshua Collyer and Neil Dhir},
journal= {arXiv preprint arXiv:2207.12355},
year = {2022}
}
备注
Presented at the Workshop on Machine Learning for Cybersecurity (ML4Cyber), at the 39th Proceedings of International Conference for Machine Learning