探索强化学习在自主军用车辆事件响应中的应用

能够在无需人工干预的情况下执行高级操作的无人驾驶车辆正被快速开发用于多种目的。毫不奇怪,它们也有望显著改变军事行动的执行方式。为了在物理和逻辑上充满竞争的环境中利用这项新技术的潜力,需要相应地评估和管理安全风险。关于这一主题的研究指出,自主网络防御可能是加速这些车辆用于军事目的所需的能力之一。在此,我们沿着这一研究方向进行探索,利用强化学习来训练一个智能体,该智能体能够在军事行动背景下自主响应针对无人驾驶车辆的网络攻击。我们首先开发了一个简单的仿真环境,用于快速原型设计和测试一些概念验证智能体以进行初步评估。然后,该智能体被应用于一个更真实的仿真环境,并最终部署在一辆实际的无人地面车辆上以获得更高的真实性。我们工作的一个关键贡献是证明,即使在简单的仿真环境中训练,强化学习也是一种可行的方法,用于训练可用于真实无人地面车辆自主网络防御的智能体。