ExploitFlow：面向机器人领域博弈论与人工智能研究的网络安全攻击路径库
机器人学
2023-08-07 v1 密码学与安全
摘要
本文针对网络安全领域缺乏促进和赋能博弈论与人工智能（AI）研究的工具这一普遍问题展开研究。主要贡献是提出了 ExploitFlow（EF），一个由 AI 与博弈论驱动的、用于网络安全攻击的模块化库。EF 旨在自动化攻击，结合来自多种来源的漏洞利用，并在动作后捕获系统状态以对其推理并理解潜在的攻击树。EF 的动机是加强网络安全中的博弈论与 AI 研究，并以机器人作为初始焦点。结果表明，EF 对于探索机器人网络安全中的机器学习是有效的。由 EF 驱动、使用强化学习的人工智能体优于暴力破解与人类专家方法，为进一步使用 ExploitFlow 开展研究铺平了道路。尽管如此，我们识别出 EF 驱动智能体的若干局限，包括过拟合倾向、用于泛化的数据集稀缺且制作成本高，以及在不同安全设置下解释网络状态的挑战。为发挥 ExploitFlow 的优势并解决已识别的不足，我们提出 Malism，即以 ExploitFlow 为核心、面向全面自动化渗透测试框架的愿景。
引用
@article{arxiv.2308.02152,
title = {ExploitFlow, cyber security exploitation routes for Game Theory and AI research in robotics},
author = {Víctor Mayoral-Vilches and Gelei Deng and Yi Liu and Martin Pinzger and Stefan Rass},
journal= {arXiv preprint arXiv:2308.02152},
year = {2023}
}