Spatial-Temporal Moving Target Defense: A Markov Stackelberg Game Model
移动目标防御已经成为保护易受攻击系统免受持续和隐形攻击的关键范例。为了保护系统，防御者主动更改系统配置，以限制安全漏洞暴露给潜在的攻击者。在这样做的过程中，防御者为攻击者创造了不对称的不确定性和复杂性，使他们更难危及系统。在实践中，防御者每次迁移系统配置都会产生切换成本。切换成本通常取决于当前配置和后续配置。此外，不同的系统配置通常需要不同的攻击者利用和攻击的时间量。因此，防守者必须同时决定系统配置的最佳顺序和切换的最佳时机。在本文中，我们提出了一个马尔可夫Stackelberg博弈框架，以精确地描述防御者的空间和时间的决策，面对先进的攻击者。我们引入了一个相对值迭代算法，计算防御者的最佳移动目标防御策略。通过对实际问题的实证分析，验证了马尔可夫-斯塔克伯格博弈模型在时空移动目标防御中的优势。
2020-02-24 cs.CR cs.GT
Game-Theoretic Modeling of Stealthy Intrusion Defense against MDP-Based Attackers
Johannes Kepler University Linz（林茨约翰内斯·开普勒大学）
本文提出基于博弈论的MDP攻击者隐蔽入侵防御建模，通过三种信息制度分析防御策略优化。
2026-03-10 cs.CR cs.GT
Cyber-physical risk modeling with imperfect cyber-attackers
我们建模的恶意网络攻击者寻求诱导电网不安全的负载重新分配攻击的手段所带来的风险，同时明确承认，这样的演员将合理地基于其决策策略的不完善的信息。更具体地说，我们引入了一种新的制定网络攻击者的决策问题，并分析了随机不准确的数据对电网分支导纳或容量的决定的分布，以及它们各自的影响的分布。我们的研究结果表明，不准确的准入值最常导致次优的网络攻击，仍然危及电网安全，而不准确的容量值导致明显不太有效的攻击。我们还发现，在所有（随机）不完善的网络攻击之间，存在常见的受攻击网络资产和常见的受影响物理资产，可以在预防和/或纠正意义上利用这些资产进行有效的网络物理风险管理。
2021-10-01 cs.CR cs.SY eess.SY
A Dynamic Games Approach to Proactive Defense Strategies against Advanced Persistent Threats in Cyber-Physical Systems
高级持续性威胁（APT）由于其隐蔽性、动态性和自适应性，已成为网络物理系统面临的重大安全挑战。主动动态防御提供了一种战略性的整体安全机制，以增加攻击成本并降低风险。这项工作提出了一个动态的游戏框架来模拟一个隐形的攻击者和一个积极的防御者之间的长期互动。在不完全信息的多阶段博弈中，每个参与者都有自己的私人信息不为其他参与者所知。双方博弈者根据自己的信念采取策略行动，而信念是通过多阶段的观察和学习形成的。完美的贝叶斯纳什均衡提供了一个有用的预测双方球员的政策，因为没有球员受益于单方面偏离均衡。我们提出了一个迭代算法来计算完美的贝叶斯纳什均衡，并使用田纳西伊士曼过程作为基准案例研究。我们的数值实验证实了分析结果，并提供了进一步的见解，主动防御深度策略的设计。
2019-11-05 cs.CR cs.GT
Sludge for Good: Slowing and Imposing Costs on Cyber Attackers
选择架构描述了向人们展示选择的设计。轻推是一个方面，旨在使“好”的结果容易，如使用密码米，以鼓励强密码。相反，污泥是增加交易成本的摩擦，通常被视为对用户不利。扭转这一概念，我们建议通过攻击性地使用污泥来消耗攻击者的时间和其他资源，从而实现积极的网络安全结果。到目前为止，大多数网络防御的设计都是为了达到最佳的强大和有效性，并尽可能快地阻止或消除攻击者。我们的补充方法是部署防御措施，以最大限度地消耗攻击者的时间和其他资源，同时尽可能减少对受害者的损害。这与零信任和假设违约的类似心态是一致的。Sludge Strategy通过在攻击之前、期间和之后使用欺骗和真实的设计功能为攻击者战略性地部署摩擦，引入了成本高昂的网络防御。我们提出了有效污泥的特性，并显示了从轻到重污泥的连续体。我们描述了攻击者的定量和定性成本，并提供了在实践中部署污泥的实际考虑。最后，我们研究了美国政府行动的真实例子，以挫败网络对手并使其付出代价。
2022-11-29 cs.CR
Dynamic Bayesian Games for Adversarial and Defensive Cyber Deception
安全挑战伴随着效率。信息和通信技术（信通技术）的普遍融合使网络物理系统容易受到具有欺骗性、持续性、适应性和战略性的有针对性的攻击。Stuxnet、Dyn和WannaCry勒索软件等攻击实例表明，包括防火墙和入侵检测系统在内的现成防御方法存在不足。因此，必须设计最新的安全机制，以减轻风险，尽管成功的渗透和复杂的攻击者的战略反应。在本章中，我们将使用博弈论来模拟防御者和攻击者之间的竞争互动。首先，我们使用静态贝叶斯博弈来捕捉攻击者的隐蔽性和欺骗性。称为\textit{type}的随机变量表征用户的本质和目标，例如，合法用户或攻击者。由于网络欺骗，用户类型的实现是私人信息。然后，我们将一次性同时交互扩展到非对称信息结构下的一次性交互，即，信号游戏最后，我们研究了高级持续威胁（APT）和田纳西伊士曼（TE）过程下的多阶段过渡的案例研究。引入双边不完全信息是因为防御者可以采用防御性欺骗技术，如蜜罐和蜜罐，为攻击者创造足够的不确定性。在本章中，对纳什均衡（NE）、贝叶斯纳什均衡（BNE）和完美贝叶斯纳什均衡（PBNE）的分析使我们能够预测对手的策略，并设计主动和战略防御，以阻止攻击者并减少损失。
2018-09-08 cs.CR cs.GT
Autonomous Cyber Defense Introduces Risk: Can We Manage the Risk?
从拒绝服务攻击到勒索软件或其他恶意软件在组织网络中的传播，手动操作的防御可能无法以所需的规模进行实时的响应，并且当检测到漏洞并进行补救时，损害已经造成。因此，自主网络防御对于降低成功攻击及其破坏的风险至关重要，特别是当这些防御所需的响应时间、工作量和准确性不切实际或不可能通过完全由人类操作的防御来实现时。自主智能体有可能使用机器学习，将有关已知网络攻击的大量数据作为输入，以学习模式并预测未来攻击的特征。此外，从过去和现在的攻击中学习，使防御能够适应与以前的攻击具有相同特征的新威胁。另一方面，自主网络防御带来了意外伤害的风险。自主防御代理人的行为可能会产生功能，安全，安全，伦理或道德性质的有害后果。在这里，我们专注于机器学习训练、算法反馈和算法约束，目的是激发关于在自主网络防御中实现信任的讨论。
2022-01-26 cs.CR
Realizing Forward Defense in the Cyber Domain
随着网络空间作为一个操作域的认识，现在正在采取协调一致的努力，以陆地、海洋、海底、空中和太空领域的全域方式解决这个问题。这一努力的第一步是将安全、防御和威慑的标准支持概念应用于网络领域。本文提出了一种架构，有助于实现在网络空间的前向防御，其中敌对行动被击退尽可能接近的起源。然而，在使该架构成为可操作的现实方面仍有大量工作要做，包括进一步开展网络科学基础研究，进行设计权衡分析，以及制定适当的公共政策框架。
2021-10-04 cs.CR
Use of Artificial Intelligence Techniques / Applications in Cyber Defense
NATO CCD COE（北约合作网络防御卓越中心）
如今，考虑到网络防御中使用的过程速度和数据量，在没有自动化系统的帮助下，不能指望仅使用人力进行有效的防御。然而，为了有效地防御网络上的动态演化攻击，很难用传统的固定算法开发软件。这可以通过使用提供灵活性和学习能力的人工智能方法来实现。通过提高防御系统的智能来发展网络防御能力的可能性相当高。考虑到现实生活中与网络防御相关的问题，很明显，只有使用人工智能方法，许多网络防御问题才能成功解决。在这篇文章中，当前的人工智能的做法和技术进行了审查和人工智能在网络防御系统中的使用和重要性。本文的目的是通过考虑和分析目前正在开发的人工智能技术和方法，并将其与网络空间防御中的技术和方法的作用和适应相结合，能够解释这些方法在网络防御领域的使用。
2019-05-24 cs.AI cs.CR
Password Strength Signaling: A Counter-Intuitive Defense Against Password Cracking
我们引入密码强度信息信令作为一种新颖的，但反直觉的，防御机制，对密码破解攻击。最近的违规行为使数十亿用户密码暴露在离线密码破解攻击的危险威胁中。离线攻击者可以快速检查数百万（有时数十亿/万亿）的密码猜测，方法是将其哈希值与从被破坏的身份验证服务器窃取的哈希值进行比较。攻击者只受到他愿意投入的资源的限制。我们的关键思想是让认证服务器存储一个关于每个用户密码强度的（噪声）信号，以便离线攻击者找到。令人惊讶的是，我们表明，信号的噪声分布往往可以调整，使一个理性的（利润最大化）攻击者将破解更少的密码。信令方案利用了密码破解不是零和游戏的事实，即，攻击者的利润是由破解的密码的值减去总猜测成本给出的。因此，一个定义良好的信令策略将鼓励攻击者通过破解更少的密码来减少他的猜测成本。我们使用进化算法来计算最佳的信号方案的后卫。作为一个概念验证，我们评估我们的机制在几个密码数据集，并表明它可以减少破解密码的总数高达$12\%$（分别。$5\%$）的所有用户在防御离线（分别为在线）攻击。
2021-08-16 cs.CR cs.GT
Active Deception using Factored Interactive POMDPs to Recognize Cyber Attacker's Intent
本文提出了一种智能和自适应代理，采用欺骗来识别网络对手的意图。与以前的网络欺骗方法不同，这些方法主要集中在延迟或混淆攻击者，我们专注于与他们接触以了解他们的意图。我们将网络欺骗建模为两个智能体上下文中的顺序决策问题。我们引入因子嵌套的交互式POMDPs（I-POMDPx），并使用这个框架来模拟多个攻击者类型的问题。我们的方法模拟了从攻击者最初进入到达到其敌对目标的多个阶段对单个蜜罐主机的网络攻击。基于I-POMDPx的防御代理使用诱饵在多个阶段与攻击者进行交互，以形成对攻击者行为和意图的日益准确的预测。I-POMDPs的使用也使我们能够模拟对手的心理状态，并调查欺骗如何影响他们的信念。我们在模拟和真实主机上的实验表明，基于I-POMDPx的代理在意图识别方面比常用的欺骗策略在蜜罐上表现得更好。
2020-07-18 cs.CR cs.MA
DefTesPY: Cyber defense model with enhanced data modeling and analysis for Tesla company via Python Language
针对特斯拉公司日益严峻的网络攻击，提出基于Python的DefTesPY网络防御模型，通过增强数据建模与分析来保护敏感信息，应对数据泄露等威胁。
2024-07-19 cs.CR
CyberPersistBench: Evaluating LLM-Based Cyber Attackers on Installation and Persistence
Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）
针对现有网络安全基准仅评估初始入侵的局限，提出CyberPersistBench基准，将持久化定义为对抗性生存任务，通过六级评分和203个任务评估五个前沿LLM智能体，发现其自主持久化成功率有限（27.6%-44.8%），揭示新兴攻击风险。
2026-09-30 cs.CR
Towards Type Agnostic Cyber Defense Agents
Drexel University（德雷塞尔大学）
针对网络安全人才短缺问题，本文从贝叶斯博弈视角刻画攻防双方类型，并利用强化学习实证研究如何训练能抵御多类攻击者的类型无关防御智能体。
2024-12-02 cs.AI cs.CR cs.GT
Randomness in ML Defenses Helps Persistent Attackers and Hinders Evaluators
Carnegie Mellon University（卡内基梅隆大学）；Google Research（谷歌研究院）；ETH Zurich（苏黎世联邦理工学院）
设计强大的ML防御变得越来越重要。然而，最近的研究发现，许多最初抵抗最先进攻击的防御系统可以被适应性对手打破。在这项工作中，我们采取措施来简化防御的设计，并认为白盒防御应该尽可能避免随机性。我们首先说明了一个新的问题，部署随机防御，降低了他们的安全性相比，他们的确定性同行。然后，我们提供的证据表明，确定性防御简化了鲁棒性评估，而不会降低一个真正强大的防御的有效性。最后，我们介绍了一个新的防御评估框架，利用防御的确定性，以更好地评估其对抗鲁棒性。
2023-02-27 cs.CR cs.LG
Proceedings of the 1st International Workshop on Adaptive Cyber Defense
第一届适应性网络防御国际研讨会作为2021年人工智能国际联席会议的一部分举行。本次研讨会旨在分享研究成果，探讨人工智能（AI）和机器学习（ML）作为追求自适应网络防御的基础能力的独特应用。如果不广泛依赖人类专家，网络领域目前就无法得到可靠和有效的保护。熟练的网络防御人员供不应求，往往无法对网络威胁做出足够快的反应。基于人工智能和机器学习的最新进展，网络防御研究社区一直致力于通过将人工智能和机器学习技术应用于网络和非网络环境来开发新的动态和可持续的防御。弥合人工智能和网络研究人员和从业人员之间的关键差距可以加速创建半自主网络防御的努力，这些防御可以学习识别和响应网络攻击，或者与其他网络操作系统和人类专家合作发现和减轻弱点。此外，这些防御措施预计将具有自适应性，并能够随着时间的推移而发展，以阻止攻击者行为的变化，系统健康和准备状态的变化以及用户行为随时间的自然变化。该研讨会（于2021年8月19日和20日在以军事为主题的虚拟现实中举行）包括技术演示和小组讨论，重点是开放问题和潜在的研究解决方案。研讨会提交的材料由一个领域专家小组进行同行审查，会议记录包括10篇技术文章，探讨对国家和全球安全至关重要的挑战性问题。参加这次研讨会提供了新的机会，以刺激研究和创新的新兴领域的自适应和自主网络防御。
2021-08-19 cs.AI cs.CR
Review of Cyber-Physical Attacks and Counter Defense Mechanisms for Advanced Metering Infrastructure in Smart Grid
高级计量基础设施（AMI）是当前智能电网发展中的重要组成部分。AMI技术为电力公司提供了一种有效的方式来连续监测和远程控制智能电网组件。然而，由于其不断增长的规模和网络物理的性质，AMI一直面临着在网络和物理域的安全威胁。本文对AMI中关键的网络物理攻击和反防御机制进行了全面的综述。首先，调查了AMI中的两个攻击面，包括通信网络和智能电表。然后针对每个攻击面审查潜在的网络物理攻击。接下来，研究了攻击模型及其对智能电网的网络和物理影响，以进行比较。反防御机制，有助于减轻这些安全威胁进行了讨论。最后，总结了几个数学工具，可能有助于分析和实施的安全解决方案。
2018-05-18 cs.CR
Constraints Satisfiability Driven Reinforcement Learning for Autonomous Cyber Defense
University of North Carolina Charlotte（北卡罗来纳大学夏洛特分校）；Carnegie Mellon University（卡内基梅隆大学）；Pacific Northwest National Laboratory（太平洋西北国家实验室）
随着系统复杂性和攻击复杂性的增加，自主网络防御的必要性变得生动的网络和网络物理系统（CPS）。当前最先进的许多现有框架要么依赖于具有不切实际假设的静态模型，要么不能满足系统安全性和保障性要求。在本文中，我们提出了一种新的混合自主智能体架构，旨在优化和验证防御策略的强化学习（RL），将约束验证（使用可满足性模理论（SMT））到代理的决策循环。SMT的引入不仅确保了安全和安全需求的可满足性，而且还提供了持续的反馈，以引导RL决策制定安全有效的行动。这种方法对于因违反安全或安保规定而表现出高风险的CPS来说是非常必要的。我们在模拟CPS环境中对所提出的方法进行了评估，结果表明，该代理可以快速学习最优策略，并在99%的情况下击败各种攻击策略。
2021-04-19 cs.AI cs.CR cs.GT
Towards an Active, Autonomous and Intelligent Cyber Defense of Military Systems: the NATO AICA Reference Architecture
在未来的全球信息网格中，复杂的大规模互联系统，孤立的防御车辆，传感器和效应器，以及要求极低故障率的基础设施和系统，人类安全操作员无法轻松访问并且无法对网络攻击做出足够快的反应，需要主动，自主和智能的网络防御。网络防御的多代理系统可以为这一要求提供答案。提出了一种自主智能网络防御Agent（AICA）的概念和体系结构。首先，我们描述AICA概念的基本原理。其次，我们解释了北约IST-152研究和技术小组定义AICA参考架构（AICARA）的方法和目的。第三，我们回顾了多自治智能网络防御代理（MAICA）的一些主要特点和挑战。第四，我们描述了最初假设的AICA参考架构。然后，我们提出了我们的初步研究问题，假设和想法之一。最后，我们提出了未来的研究路线，这将有助于开发和测试AICA / MAICA的概念。
2018-06-07 cs.CR
The Path To Autonomous Cyber Defense
Oak Ridge National Laboratory（橡树岭国家实验室）
针对网络攻击规模和数量激增、AI赋能攻击将加剧防御压力的问题，提出打造自主网络智能体的路径，通过自动化防御生命周期关键步骤增强防御能力。
2024-04-12 cs.AI cs.CR
Enhancing cybersecurity defenses: a multicriteria decision-making approach to MITRE ATT&CK mitigation strategy
本文针对日益复杂的网络安全威胁，提出将MITRE ATT&CK框架与多准则决策技术相结合的方法，通过确定并优先排序安全控制措施来制定防御策略，帮助组织提升网络安全态势的稳健性与弹性。
2024-07-27 cs.CR
Autonomous Intelligent Cyber-defense Agent (AICA) Reference Architecture. Release 2.0
这份报告-其先前版本的主要修订-描述了智能软件代理的参考架构，在计算和通信设备的军事网络上执行主动的，基本上自主的网络防御行动。该报告由北大西洋公约组织（NATO）研究任务组（RTG）IST-152“网络防御和弹性智能自主智能体”编写。在与技术先进的对手的冲突中，北约军事战术网络将在竞争激烈的战场上运作。敌人的软件网络代理-恶意软件-将渗透到友好的网络和攻击友好的指挥，控制，通信，计算机，情报，监视，侦察和计算机化的武器系统。为了打击他们，北约需要人工网络猎人-智能，自主，移动代理专门从事积极的网络防御。考虑到这一点，2016年，北约启动了RTG IST-152。它的目标是通过产生参考架构和技术路线图来帮助加速这些软件代理的开发和过渡到实践。本文提出了自主智能网络防御Agent（AICA）的概念和体系结构。我们描述了AICA概念的基本原理，解释了驱动AICA参考架构定义的方法和目的，并回顾了AICA的一些主要功能和挑战。
2023-03-22 cs.CR
An Analysis of Honeypots and their Impact as a Cyber Deception Tactic
本文探讨部署网络蜜罐系统，以了解网络防御者如何使用蜜罐系统作为欺骗机制来收集情报。防御者可以收集有关攻击者的情报，例如攻击者的IP从哪个自治系统分配，攻击者试图渗透系统的方式，正在使用哪些不同类型的攻击，攻击者在蜜罐内运行的命令，以及攻击者正在下载什么恶意软件到部署的系统。我们展示了一个实验，实现一个蜜罐系统，可以引诱攻击者和收集所有上述信息。然后对收集的数据进行彻底分析和解释，以了解所有这些信息。这个实验可以重新创建，并利用许多开源工具成功创建一个蜜罐系统。
2022-12-30 cs.CR cs.NI
When Autonomous Intelligent Goodware will Fight Autonomous Intelligent Malware: A Possible Future of Cyber Defense
在未来几年，军事作战的未来将包括，一方面，人工智能-优化复杂的指挥，控制，通信，计算机，情报，监视和侦察（C4 ISR）和网络，另一方面，自主智能物联网以快速的速度与自主智能物联网作战。从这个角度来看，敌军将试图禁用或干扰我们的自主物和我们复杂的基础设施和系统。我们防御系统的自主性、规模和复杂性将引发新的网络攻击策略，而自主智能恶意软件（AIM）将是其中的一部分。如果这些网络攻击成功，而人类操作员由于任务、系统或攻击的速度、规模或复杂性而没有意识到或无法做出足够快的反应，那么任务将失败，我们的网络和C4 ISR将受到严重破坏，指挥和控制将被禁用。因此，需要新的网络防御理论和技术。自主网络防御（ACyD）是一个新的研究和技术领域，由国防部门推动，以应对未来军事基础设施、系统和行动面临的威胁。它将通过成群的自主智能网络防御代理（AICA）来实现，这些代理将在我们的网络和系统中对抗AIM。本文介绍了这种网络防御技术的未来，在这一领域的技术现状和它的主要挑战。首先，我们回顾ACyD概念及其相关AICA技术的基本原理。然后，我们目前的研究成果，从北约的IST-152研究任务组的AICA参考架构。然后，我们开发了未来几年必须解决的12个主要技术挑战，以及道德和政治问题。
2019-11-25 cs.CR
Markov Decision Process For Automatic Cyber Defense
对于安全分析师来说，检测或防御网络攻击是一项挑战。此外，传统的防御部署方法需要安全分析人员在防御部署存在不确定性的情况下手动执行防御。因此，开发自动化和弹性防御部署机制以阻止新一代攻击至关重要。在本文中，我们提出了一个框架的基础上马尔可夫决策过程（MDP）和Q-学习自动生成最佳防御解决方案的网络系统状态。该框架由四个阶段组成，即模型初始化阶段、模型生成阶段、Q学习阶段和结论阶段。该模型收集真实的网络信息作为输入，然后将其构建为结构化数据。我们在模型中实现了一个Q学习过程，以学习特定状态下防御行动的质量。为了研究该模型的可行性，我们进行了仿真实验，结果表明，该模型可以降低网络系统的风险，从网络攻击。此外，实验表明，当使用不同的参数进行Q学习时，该模型表现出一定程度的灵活性。
2022-07-13 cs.CR
Multi-Agent Actor-Critics in Autonomous Cyber Defense
本文探讨了多智能体Actor-Critic算法在自主网络防御中的应用，通过模拟网络攻击场景，展示了该方法在快速检测和应对网络威胁方面的有效性，提升了自主防御系统的性能。
2026-03-29 cs.AI cs.CR cs.MA
Proceedings of the 2nd International Workshop on Adaptive Cyber Defense
Florida Institute of Technology（佛罗里达理工学院）
本文介绍第二届自适应网络防御国际研讨会，聚焦 AI/ML 支撑的动态、可持续及半自主网络防御，并汇总六篇经同行评审的技术论文。
2024-07-02 cs.AI cs.CR
Cyber-Physical Security Vulnerabilities Identification and Classification in Smart Manufacturing -- A Defense-in-Depth Driven Framework and Taxonomy
本文针对智能制造中传统漏洞定义忽视物理与人员维度的问题，提出基于漏洞与防御二元性的制造专用纵深防御模型，并据此建立首个智能制造网络物理漏洞分类法，为系统与过程层面的漏洞治理提供结构化框架。
2025-06-04 cs.CR
A Stochastic Model of Active Cyber Defense Dynamics
主动网络防御的概念已经提出多年。然而，没有数学模型来描述主动网络防御的有效性。在本文中，我们填补了空白，提出了一种新的马尔可夫过程模型，是原生的网络攻击和主动网络防御之间的相互作用。不幸的是，我们所知道的技术无法处理原生马尔可夫过程模型。因此，我们简化，通过平均场近似，马尔可夫过程模型作为一个动态系统模型，是服从分析。这使我们能够得出一组有价值的分析结果，这些结果表征了四种类型的主动网络防御动态的有效性。仿真结果表明，分析结果是固有的马尔可夫过程模型，从而证明了动态系统模型的有效性。我们还讨论了平均场近似的副作用及其意义。
2016-03-28 cs.CR cs.SI math.DS
Transforming Cyber Defense: Harnessing Agentic and Frontier AI for Proactive, Ethical Threat Intelligence
本文探讨智能体AI与前沿AI如何通过重构网络杀伤链、增强威胁情报及嵌入伦理治理，构建融合实时监控与自动化响应的主动、弹性网络防御体系。
2025-02-28 cs.CR
Evaluating Attacker Risk Behavior in an Internet of Things Ecosystem
Drexel University（德雷塞尔大学）
在网络安全领域，攻击者的范围从傲慢、简单的脚本小子和网络犯罪分子到隐秘、耐心的高级持续威胁。在对这些攻击者进行建模时，我们可以观察到他们表现出不同的风险寻求和风险规避行为。这项工作探讨了攻击者的风险寻求或风险规避行为如何影响他们对物联网生态系统中检测优化防御者的操作。使用一个评估框架，它使用真正的，参数化的恶意软件，我们开发了一个游戏，是由一个防御者对攻击者与一套恶意软件，是参数化的更具侵略性和更隐蔽。根据他们接受风险的意愿，在指数效用框架下评估这些结果。我们发现，对一个防御者谁必须选择一个单一的战略前面，寻求风险的攻击者获得更多的实际效用比风险厌恶的攻击者，特别是在情况下，防御者是更好的装备比两个攻击者预期。此外，我们还从经验上证实，高风险、高回报的场景对网络犯罪分子等寻求风险的攻击者更有利，而低风险、低回报的场景对高级持续性威胁等规避风险的攻击者更有利。
2021-09-23 cs.CR cs.GT cs.LG
Cybersecurity of COSPAS-SARSAT and EPIRB: threat and attacker models, exploits, future research
COSPAS-SARSAT是一个以“卫星辅助跟踪”系统（SARSAT）为基础的“搜索和救援”（SAR）任务国际方案。它旨在提供准确、及时和可靠的遇险警报和位置数据，以帮助参与国的搜救当局协助遇险人员和船只。有两种类型的卫星星座为COSPAS-SARSAT服务，即低地球轨道搜索和救援（LEOSAR）和地球静止轨道搜索和救援（GEOSAR）。尽管COSPAS-SARSAT几乎在全球部署，而且至关重要，但不幸的是，我们发现COSPAS-SARSAT协议和标准406 MHz传输缺乏网络安全的基本手段。在本文中，我们研究COSPAS-SARSAT天基/星基系统的网络安全问题。特别是，我们实际上，成功地实现和演示了第一次（据我们所知）COSPAS-SARSAT 406 MHz协议的攻击，即重放，欺骗和协议模糊EPIRB协议。我们还确定了一组核心研究挑战，阻止在该领域进行更有效的网络安全研究，并概述了主要的网络安全弱点和可能的缓解措施，以提高系统的网络安全水平。
2023-02-16 cs.CR
A Differentially Private Game Theoretic Approach for Deceiving Cyber Adversaries
网络欺骗是通过隐藏或提供不准确的系统信息来误导攻击者的主要方法之一。有两个主要因素限制了现有网络欺骗方法在现实世界中的应用。第一个限制是假设网络中的系统数量是固定的。然而，在现实世界中，系统的数量可以动态地改变。第二个限制是攻击者的策略在文献中被简化了。然而，在现实世界中，攻击者可能比理论上更强大。为了克服这两个限制，我们提出了一种新的差分私人博弈论的方法来网络欺骗。在该方法中，防御者采用差分隐私机制来策略性地改变系统的数量并混淆系统的配置，而攻击者采用贝叶斯推理方法来推断系统的真实配置.通过使用差分隐私技术，该方法可以1）减少系统数量的变化对网络安全的影响，2）抵抗攻击，而不管攻击者的推理能力。实验结果证明了该方法的有效性。
2020-08-13 cs.CR
Preventive and Reactive Cyber Defense Dynamics with Ergodic Time-dependent Parameters Is Globally Attractive
网络安全动力学是一种建模和分析网络攻防互动的数学方法。在本文中，我们提出了一种网络安全动力学的特征，称为预防性和反应性网络防御动力学，这是一个高度非线性系统模型的家庭的最先进的。我们证明了当含时参数遍历时，该动力学的一般形式是全局吸引的;当含时参数具有更强的（几乎）周期性时，该动力学是（几乎）周期的.我们的结果取代国家的最先进的，包括相同类型的动力学，但与时间无关的参数是全局收敛的。
2020-01-22 cs.CR cs.SI math.DS
Ensemble Defense System: A Hybrid IDS Approach for Effective Cyber Threat Detection
针对复杂网络攻击的检测难题，提出混合IDS框架EDS，结合特征与异常检测及SIEM工具，经多种攻击负载验证能有效检测网络威胁。
2024-01-07 cs.CR
Three Decades of Deception Techniques in Active Cyber Defense -- Retrospect and Outlook
欺骗技术已被广泛视为网络防御的游戏规则改变者。在本文中，我们回顾了从20世纪80年代末到2021年的蜜罐，蜜罐和移动目标防御中的代表性技术。这三个领域的技术相互补充，可以用来建立一个整体的欺骗为基础的防御。然而，据我们所知，还没有一个工作，提供了一个系统的回顾这三个领域都在一起，并调查他们的综合使用精心策划的欺骗。本文旨在填补这一空白。通过利用一个定制的网络杀伤链模型，可以反映当前的威胁景观和一个四层欺骗堆栈，一个二维的分类法，在此基础上的欺骗技术进行分类。分类法从字面上回答了这些技术可以破坏网络攻击活动的哪些阶段以及它们属于欺骗堆栈的哪些层。网络防御者可以使用分类法作为参考，以设计一个有组织的和全面的欺骗计划，或优先考虑欺骗工作的预算意识的解决方案。我们还讨论了实现主动和弹性网络防御的两个要点，即深度欺骗和欺骗生命周期，其中说明了几个值得注意的建议。最后，对未来的研究方向进行了展望，包括不同欺骗技术的动态集成、量化欺骗效果和欺骗运行成本、硬件支持的欺骗技术以及基于对人的因素更好理解的技术。
2021-04-08 cs.CR
The Attacker Moves Second: Stronger Adaptive Attacks Bypass Defenses Against Llm Jailbreaks and Prompt Injections
OpenAI；Anthropic；Google DeepMind（谷歌DeepMind）；HackAPrompt；Northeastern University（东北大学）；ETH Zürich（苏黎世联邦理工学院）；AI Sequrity Company（AI安全公司）；MATS Main contributors（MATS主要贡献者）
本文指出当前语言模型防御评估存在缺陷，通过系统调整和扩展通用优化技术构建自适应攻击，成功绕过12种近期防御（成功率多超90%），证明未来防御工作必须考虑更强攻击才能可靠验证鲁棒性。
2025-10-10 cs.CR cs.LG
Intelligent Autonomous Agents are Key to Cyber Defense of the Future Army Networks
智能自主智能体将广泛地出现在未来的战场上。智能代理的扩散是战争的新兴现实，它们将构成军事资产总额中越来越大的一部分。智能自主网络防御代理人很可能成为未来战场上的主要网络战士。初步探索确定了这样一个代理的潜在参考架构的关键功能，组件和它们的相互作用。然而，要支持一个能够在像真实战场这样复杂的环境中智能操作的智能体，这超出了人工智能的当前状态。一些困难的挑战尚待克服。与此同时，政府和学术界越来越多的研究表明，在解决一些挑战方面采取了有希望的步骤。该行业开始接受可能有助于自主智能代理技术的方法，用于陆军网络的网络防御。
2018-12-18 cs.CR
Cyber-Physical Defense in the Quantum Era
网络控制系统是一种信息物理系统，它是由计算、通信和控制技术紧密集成而成。虽然是非常灵活的环境，但它们容易受到计算和网络攻击。最近的NCS黑客事件产生了重大影响。他们呼吁对网络物理安全进行更多研究。对使用量子计算来破解当前密码系统的担忧使情况变得更糟。虽然量子威胁促使人们创建新的学科来处理这个问题，比如后量子密码学，但其他领域却忽视了量子对手的存在。这就是网络物理防御研究的情况，它是网络物理保护的一个独特但互补的学科。网络物理防御是指检测和应对网络物理攻击的能力。具体而言，它涉及整合各种机制，以在事件发生期间和之后查明不良事件并制定应对计划。在本文中，我们假设最终可用的量子计算机将为对手提供对抗防御者的优势，除非他们也采用这种技术。我们设想了范式转变的必要性，即由于量子霸权而增加的对抗资源不会转化为更高的破坏可能性。与其他领域当前的系统设计实践相一致，例如使用人工智能来加强攻击检测工具，我们概述了利用量子计算和机器学习思想的下一代网络物理防御层的愿景。通过一个例子，我们表明，网络控制系统的防御者可以学习和改进他们的策略，以预测和恢复攻击。
2022-02-21 cs.CR
Evaluating Deception and Moving Target Defense with Network Attack Simulation
在网络安全领域，随着攻击者之间的持续军备竞赛，寻找新的漏洞来绕过防御机制，以及防御者加强其预防，检测和响应策略，网络欺骗的新概念已经出现。从著名的蜜罐例子开始，许多其他的欺骗策略已经被开发出来，如蜜罐和移动目标防御，所有这些都是为了给攻击者制造不确定性，增加攻击者犯错的机会。本文提出了一种评估网络中蜜罐和移动目标防御有效性的方法。这种方法允许在模拟环境中定量测量有效性，允许就部署多少个蜜罐以及网络地址必须以多快的速度突变以有效地破坏多个网络和攻击者配置中的攻击提出建议。通过这种优化，可以检测到攻击并以最小的资源和配置开销减缓攻击速度。利用所提供的方法，可以确定要部署的蜜罐的最佳数量和最佳网络地址突变间隔。此外，这项工作还提供了有关如何根据攻击者模型和多个网络参数优化部署和配置它们的指导。
2023-01-25 cs.CR
Quantitative Analysis of Active Cyber Defenses Based on Temporal Platform Diversity
基于时间平台多样性的主动网络防御已经被提出作为使系统更抵抗攻击的方式。这些防御改变了平台的属性，使攻击变得更加复杂。不幸的是，在衡量这些防御措施的有效性方面做的工作很少。在这项工作中，我们使用四种不同的方法来定量分析这些防御：抽象分析研究了时间平台多样性系统的代数模型;在测试床上的一组实验测量了系统的兴趣指标;博弈论分析研究了优先选择平台的影响并得出最佳策略;最后，一组模拟评估模型上感兴趣的度量。我们从这些方法得到的结果都是一致的，但却与直觉相反。我们表明，虽然平台多样性可以减轻一些攻击，但它可能对其他人有害。我们还说明，从这些系统的好处在很大程度上取决于他们的威胁模型和优先选择的平台可以实现更好的保护。
2014-01-31 cs.CR
MTD-Playground: An Attacker-Aware Evaluation Framework for Network Moving Target Defense
AICSIL Research Lab, CACS（CACS AICSIL研究实验室）
本文针对现有移动目标防御评估的碎片化问题，提出MTD-Playground评估框架，在企业多阶段攻击场景下，用复合评估方法分析基于SDN的路径随机化MTD技术，通过实验得出变异间隔与攻击成功率、完成时间、吞吐量等的关系，证明该技术可实际部署并扰乱攻击进程。
2026-07-15 cs.CR
Active Cyber Defense Dynamics Exhibiting Rich Phenomena
Fudan University（复旦大学）；UT San Antonio（圣安东尼奥德克萨斯大学）
本文研究了防御方主动防御对抗网络攻击时展现的丰富现象，首次揭示主动网络安全动态可能呈现分岔与混沌现象，对网络安全评估与预测有深远影响。
2016-03-28 cs.CR cs.SI cs.SY
Strategic Learning for Active, Adaptive, and Autonomous Cyber Defense
越来越多的高级攻击需要一种新的主动、自主和自适应的防御模式，称为\texttt{`3A'}防御模式。本章介绍了三种主动与攻击者交互以增加攻击成本和收集威胁信息的防御方案，即，用于检测和反欺骗的防御性欺骗、反馈驱动的移动目标防御（MTD）和自适应蜜罐参与。由于网络欺骗、外部噪声以及对其他参与者的行为和目标的不了解，这些方案具有三个渐进的信息限制水平，即，从参数的不确定性，收益的不确定性，到环境的不确定性。为了估计未知和减少不确定性，我们采用了三种不同的策略学习方案，适合相关的信息限制。所有三种学习方案共享相同的感觉、估计和行动反馈结构，以便最有回报的策略得到加强，并以自主和自适应的方式收敛到最优策略。这项工作旨在阐明主动防御策略，为不完全信息下的战略学习奠定坚实的基础，并量化安全和成本之间的权衡。
2019-07-01 cs.CR
Metrics Towards Measuring Cyber Agility
在网络空间中，攻击者和防御者通常使用进化策略。例如，攻击者的策略通常随着时间的推移而改变，因为新的漏洞被发现和/或减轻。同样，防御者的策略也会随着时间的推移而改变。这些变化可能是也可能不是对对手策略变化的直接反应。在任何情况下，重要的是要有一组量化指标来表征和理解攻击者和防御者的进化策略的有效性，这反映了他们的{ \em网络敏捷性}。尽管其明显的重要性，但很少有系统的指标被开发出来量化攻击者和防御者的网络敏捷性。在本文中，我们提出了第一个衡量网络敏捷性的指标框架，衡量网络攻击和防御动态演变的有效性。所提出的框架是通用的并且适用于将任何相关的、定量的和/或常规的静态安全度量（例如，假阳性和假阴性）转换成动态度量以捕获系统行为的动态。为了验证所提出的框架的有用性，我们使用两个真实世界的数据集进行案例研究来衡量网络攻击和防御的演变。我们讨论了目前工作的局限性，并确定未来的研究方向。
2019-06-12 cs.CR
Preventing Jailbreak Prompts as Malicious Tools for Cybercriminals: A Cyber Defense Perspective
Université de Sherbrooke（谢布鲁克大学）；University of Kinshasa（金沙萨大学）；Harrisburg University of Science and Technology（哈里斯堡科技大学）
本文从网络防御视角分析越狱提示对大型语言模型的威胁，揭示提示注入和上下文操纵等攻击技术及其危害，并提出高级提示分析、动态安全协议和持续模型微调等防御策略，以增强AI系统韧性。
2024-11-25 cs.CL cs.CR
Two Can Play That Game: An Adversarial Evaluation of a Cyber-alert Inspection System
University of Michigan（密歇根大学）；Army Research Lab（陆军研究实验室）
网络安全是一个重要的社会问题。网络攻击的数量和每次攻击造成的破坏程度都有所增加。大型组织运营着网络安全运营中心（CSOC），构成了网络防御的第一道防线。检查网络警报是CSOC业务的一个关键部分。最近与美国陆军研究实验室合作的一项工作提出了一种基于强化学习（RL）的方法，以防止网络警报队列长度变大并压倒防御者。鉴于这种方法可能部署到美国国防机构运营的CSOC，我们对这种方法进行了红队（对抗性）评估。此外，随着最近对学习系统的攻击，测试这种RL方法的局限性变得更加重要。为此，我们学习了对抗警报生成策略，该策略是对防御者检查策略的最佳响应。令人惊讶的是，我们发现防御者的政策是相当强大的攻击者的最佳对策。为了解释这一观察结果，我们将早期的RL模型扩展到一个博弈模型，并表明存在防御者策略，可以对任何对抗性策略都具有鲁棒性。我们还从博弈论模型中推导出一个竞争基线，并将其与RL方法进行比较。然而，我们进一步利用RL模型中的MDP中的假设，并发现攻击者策略可以攻击防御者。我们使用一个双预言的方法来重新训练的防御者从这个发现的攻击者政策的插曲。这使得防御者对发现的攻击者策略具有鲁棒性，并且没有发现进一步的有害攻击者策略。总体而言，对抗性强化学习和强化学习中的双预言方法是适用于对抗性环境中其他强化学习使用的通用技术。
2018-10-13 cs.AI cs.CR cs.GT
Fuzzy approach on modelling cyber attacks patterns on data transfer in industrial control systems
工业控制系统的网络安全是一个非常复杂和具有挑战性的研究课题，由于这些系统集成在国家关键基础设施。控制系统现在在工业网络中互连，并且经常与互联网互连。在这种情况下，它们正成为黑客、脚本小子、工业间谍甚至外国军队和情报机构等恶意人员进行的各种网络攻击的目标。在本文中，作者提出了一种方法来模拟最常见的攻击者配置文件，并估计在给定条件下进行的攻击的成功率。作者使用一种模糊的方法来生成攻击者配置文件的基础上，攻击者的属性，如知识，技术资源和动机。攻击成功率是通过使用另一个模糊推理系统，分析攻击者的配置文件和系统的内在特性。
2019-11-30 cs.CR
Proactive security defense: cyber threat intelligence modeling for connected autonomous vehicles
本文提出汽车网络威胁情报建模框架Actim，通过构建本体模型、标注首个汽车CTI语料库并设计基于跨句上下文的挖掘模型，实现威胁实体与关系的有效提取和知识图谱构建，支持网联自动驾驶汽车的主动安全防御。
2024-10-21 cs.CR
Incorporating Deception into CyberBattleSim for Autonomous Defense
Naval Information Warfare Center Pacific（太平洋海军信息战中心）；Laboratory for Advanced Cybersecurity Research（高级网络安全研究实验室）
包括蜜罐和诱饵在内的欺骗性元素被纳入微软CyberBattleSim实验和研究平台。在提供的捕获标记环境中，使用基于强化学习的攻击者测试欺骗性元素的防御能力。攻击者的进展被发现取决于欺骗性元素的数量和位置。这是在具有欺骗性防御元素的模拟企业网中重复测试攻击和防御算法的有希望的一步。
2021-08-31 cs.AI cs.CR
Modeling Behavioral Preferences of Cyber Adversaries Using Inverse Reinforcement Learning
THINC Lab, School of Computing, University of Georgia（THINC实验室，计算学院，佐治亚大学）
本文提出用逆强化学习从审计日志取证数据中学习网络攻击者的行为偏好，首次证明低层级取证数据可自动揭示对手固有偏好，并可作为独特行为签名改进威胁归因。
2025-05-02 cs.AI cs.CR cs.LG
Exploring Traffic Simulation and Cybersecurity Strategies Using Large Language Models
本研究提出利用大语言模型的多智能体框架，自动化交通场景、攻击与防御设计，案例显示可缓解攻击导致的延误，提升交通网络安全。
2025-06-20 cs.CR
Optimal Attack Strategies Subject to Detection Constraints Against Cyber-Physical Systems
本文研究了针对网络物理系统（CPS）的攻击者，其目标是将CPS的状态移动到目标状态，同时确保他或她被检测到的概率不超过给定的界限。攻击者被检测到的概率与他或她对CPS检测统计的攻击所引起的非负偏差有关。我们制定了一个线性二次费用函数，捕获攻击者的控制目标，并建立约束的诱导偏差，反映了攻击者的检测-避免目标。当攻击者被限制在检测器的虚警率被检测到时，我们证明了最优攻击策略减少到攻击者的状态估计的线性反馈。在攻击者的偏见是一个正常数的上限的情况下，我们提供了两种算法-最佳算法和一个次优的，计算密集度较低的算法-找到合适的攻击序列。最后，我们说明我们的攻击策略的数值例子的基础上的遥控直升机攻击。
2017-03-30 cs.CR math.OC
The Impact of AI on the Cyber Offense-Defense Balance and the Character of Cyber Conflict
Center for Security and Emerging Technology, Georgetown University（安全与新兴技术中心，乔治城大学）
针对AI对网络领域的潜在影响，该研究通过文献回顾收集攻防优势论点及网络冲突特征论点，分析AI不同发展程度下的变化，提出44种AI影响网络攻防平衡与冲突特征的方式。
2025-04-17 cs.AI cs.CR cs.CY
