面向网络攻击模拟中隐状态估计的图神经网络方法
密码学与安全
2023-12-12 v1
摘要
这篇进行中的工作论文介绍了一种基于图神经网络（Graph Neural Network, GNN）的新颖方法的原型，用于估计网络攻击模拟中的隐状态。利用元攻击语言（Meta Attack Language, MAL）结合关系动态决策语言（Relational Dynamic Decision Language, RDDL）兼容的模拟，我们的框架旨在映射模拟中具有大量可能向量的网络攻击的复杂细节。虽然该原型尚未完成和验证，但我们讨论了其基础概念、架构以及对计算机安全领域的潜在影响。
引用
@article{arxiv.2312.05666,
title = {Towards a Graph Neural Network-Based Approach for Estimating Hidden States in Cyber Attack Simulations},
author = {Pontus Johnson and Mathias Ekstedt},
journal= {arXiv preprint arXiv:2312.05666},
year = {2023}
}