PsybORG+: 用于检测高级持续性威胁中的认知偏差的建模与仿真
密码学与安全
2024-08-14 v3
摘要
高级持续性威胁（APTs）由于其复杂且隐蔽的特性，给网络安全带来重大挑战。传统的网络安全措施无法防御 APTs。认知漏洞可以显著影响攻击者的决策过程，这为防御者提供了利用的机会。本工作引入 PsybORG，一个多主体网络安全仿真环境，用于建模受认知漏洞影响的 APT 行为。构建了一个用于认知漏洞推断的分类模型，并设计了一个用于合成数据生成的仿真器。结果表明，PsybORG 可以有效地模拟不同损失规避和确认偏好水平的 APT 攻击者。该分类模型在预测认知漏洞方面至少有 0.83 的准确率。
引用
@article{arxiv.2408.01310,
title = {PsybORG+: Modeling and Simulation for Detecting Cognitive Biases in Advanced Persistent Threats},
author = {Shuo Huang and Fred Jones and Nikolos Gurney and David Pynadath and Kunal Srivastava and Stoney Trent and Peggy Wu and Quanyan Zhu},
journal= {arXiv preprint arXiv:2408.01310},
year = {2024}
}