AI 不平等下战略承诺对集体网络安全的塑造

AI 在网络安全中的不断整合正在重塑攻击者与防御者之间的平衡。当对先进 AI 驱动的防御工具的访问不均等时，资源有限的防御者可能无法采用有效的保护措施，从而造成持续的系统漏洞。我们使用有限种群中的演化博弈论模型研究了差异化 AI 访问的影响。我们首先表明，当高能力防御成本高昂时，种群会趋向于低成本、弱防御行为，从而维持攻击并削弱长期安全性。为了解决这个问题，我们通过允许防御者根据其资源在低能力和高能力保护之间进行选择，引入了对 AI 防御工具的差异化访问。然后，我们考察了一小部分承诺型防御者的作用，他们始终采用强防御并通过社会学习影响他人。尽管承诺增加了强防御的普及率，但由于高昂的防御成本，仅靠承诺无法稳定安全结果。因此，我们引入了定向补贴，以消除承诺型防御者的成本劣势。我们的分析表明，补贴承诺显著增加了强防御的采用率，抑制了成功的攻击，并提高了系统的整体弹性。在广泛参数空间内的模拟证实，补贴始终优于单纯的承诺。此外，社会福利分析显示，在保持攻击者收益较低的同时，防御者的结果得到了改善。这些发现表明，对关键防御者的定向支持可以成为在 AI 驱动环境中稳定网络安全的有效机制，并为网络安全政策、AI 治理和防御性 AI 能力的战略分配之间提供了理论桥梁。