KGRGRL：一种基于知识图谱奖励引导强化学习的用户权限推理方法
人工智能
2022-05-17 v1 密码学与安全
机器学习
摘要
一般而言，多域网络空间安全评估可通过推理用户权限来实现。然而，现有方法虽包含部分来自物理与社会域的信息，却未能对网络空间提供全面表征。现有推理方法还基于专家给定规则，导致效率低下且智能化程度低。为应对该挑战，我们构建了多域网络空间知识图谱（KG），以对多域网络空间提供标准语义描述。随后，我们提出了一种基于强化学习的用户权限推理方法。网络空间中的所有权限被表示为节点，并训练一个智能体根据用户初始权限与网络空间KG找出用户可能拥有的所有权限。我们在奖励信息设置的强化学习中基于网络空间KG的特征设定了10条奖励设置规则，使智能体能更好地定位用户的所有权限并避免盲目查找。实验结果表明，所提方法能成功推理用户权限，并提升用户权限推理方法的智能化水平。同时，该方法的F1值比Translating Embedding（TransE）方法高6%。
引用
@article{arxiv.2205.07502,
title = {KGRGRL: A User's Permission Reasoning Method Based on Knowledge Graph Reward Guidance Reinforcement Learning},
author = {Lei Zhang and Yu Pan and Yi Liu and Qibin Zheng and Zhisong Pan},
journal= {arXiv preprint arXiv:2205.07502},
year = {2022}
}
备注
8 pages, 2 figures