POMDP 造就更优秀的黑客：在渗透测试中考虑不确定性

渗透测试是一种通过生成和执行可能的黑客攻击来评估网络安全的方法。自动执行此过程可实现定期且系统的测试。一个关键问题是如何生成这些攻击。这自然地被表述为不确定性下的规划问题，即在对网络配置知识不完整的情况下的规划。先前的工作使用经典规划，并需要通过广泛使用扫描方法进行昂贵的预处理以减少这种不确定性。相比之下，我们在本文中将攻击规划问题建模为部分可观测马尔可夫决策过程 (POMDP)。这使得我们能够对可用知识进行推理，并智能地将扫描动作作为攻击的一部分加以利用。正如人们所预期的那样，这种精确的解决方案缺乏可扩展性。我们设计了一种方法，利用 POMDP 寻找针对单个机器的优质攻击，然后将这些攻击组合成针对整个网络的攻击。这种分解方法尽可能利用网络结构，仅在需要的地方进行有针对性的近似。在适当调整后的工业测试套件上评估该方法，我们证明了其在运行时间和解决方案质量方面的有效性。