利用网络专家绩效数据指导自主欺骗系统
密码学与安全
2021-09-02 v1 人工智能
摘要
人工智能(AI)算法在实际中的表现取决于提供给算法的数据、模型和反馈(标签或奖励)的真实性与正确性。本文探讨了通过利用逆强化学习(IRL)来洞察攻击者的行动、这些行动的效用,以及最终可被网络欺骗所挫败的决策点,从而提升用于自主网络防御的 AI 的真实性与生态效度的方法。以 Tularosa 研究为例,其提供了攻击者常用真实技术与工具的实验数据,从中提取的核心数据向量可用于指导自主网络防御系统。
引用
@article{arxiv.2109.00066,
title = {Informing Autonomous Deception Systems with Cyber Expert Performance Data},
author = {Maxine Major and Brian Souza and Joseph DiVita and Kimberly Ferguson-Walter},
journal= {arXiv preprint arXiv:2109.00066},
year = {2021}
}
备注
Presented at 1st International Workshop on Adaptive Cyber Defense, 2021 (arXiv:2108.08476)