基于强化学习的多域网络空间隐藏攻击路径发现
密码学与安全
2021-04-16 v1 人工智能
机器学习
摘要
本文中，我们提出一种基于学习的方法来分析和网络空间安全配置。与先前方法不同，我们的方法能够从过往经验中学习并随时间改进。特别地，随着我们以更多智能体作为攻击者进行训练，我们的方法在发现先前方法的隐藏攻击路径方面变得更好，尤其在多域网络空间中。为取得这些结果，我们将发现攻击路径建模为强化学习（RL）问题，并训练一智能体来发现多域网络空间攻击路径。为使我们的 RL 策略能发现更多隐藏攻击路径与更短攻击路径，我们在 RL 中引入基于多域动作选择模块的表示。我们的目标是通过所提方法发现更多隐藏攻击路径与更短攻击路径，以分析网络空间安全配置的弱点。最后，我们设计了一个模拟网络空间实验环境来验证所提方法，实验结果表明，相较现有基线方法，我们的方法能发现更多隐藏的多域攻击路径与更短攻击路径。
引用
@article{arxiv.2104.07195,
title = {Discover the Hidden Attack Path in Multi-domain Cyberspace Based on Reinforcement Learning},
author = {Lei Zhang and Wei Bai and Wei Li and Shiming Xia and Qibin Zheng},
journal= {arXiv preprint arXiv:2104.07195},
year = {2021}
}
备注
12 pages, 2 figures, 3 tables. arXiv admin note: substantial text overlap with arXiv:2007.04614