Game-Theoretic Drone Swarm Defense: A Case Study in Applied Differential Game Theory
MIT Lincoln Laboratory(麻省理工学院林肯实验室)
该研究将微分博弈理论应用于无人机蜂群防御,通过对比基线战术,证实其能显著提升高价值资产的防御成功率,且统计可信度达99.9%。
2026-09-07 cs.GT cs.MA cs.RO
Interdependent Defense Games: Modeling Interdependent Security under Deliberate Attacks
我们提出了相互依存的防御(IDD)游戏,一个计算博弈论的框架,研究方面的相互依存的风险和安全性在多智能体系统下故意的外部攻击。我们的模型建立在相互依赖的安全(IDS)游戏,模型由于愈合和Kunreuther认为风险的来源是一个固定的randomizedstrategy。我们调整IDS游戏来模拟攻击者的故意行为。我们定义了攻击者的纯策略空间和效用函数,并为防御者推导出适当的成本函数。我们提供了一个完整的混合策略纳什均衡(MSNE)的特征,并设计了一个简单的多项式时间算法来计算所有这些,IDD游戏的一个重要子类。此外,我们提出了一个随机实例生成器(一般)IDD游戏的基础上的一个版本的现实世界的互联网派生的自治系统(AS)图(约27K节点和100K边),并提出了有前途的实证结果,使用一个简单的学习算法来计算(近似)MSNE在这样的游戏。
2012-10-16 cs.CR cs.GT
Analyzing Defense Strategies Against Mobile Information Leakages: A Game-Theoretic Approach
滥用移动和可穿戴设备上的零权限传感器来推断用户的个人上下文和信息是一种众所周知的隐私威胁,已受到极大关注。然而,到目前为止,防止或限制此类威胁成功的保护机制的努力一直是临时性的,主要集中在设计针对特定威胁的定制防御机制。这样的方法不是很实用,这从它们在主要移动/可穿戴操作系统内的有限采用中显而易见。最后,很明显,如果对这些传感器的访问受到管制,那么可以防止所有利用对零权限传感器的无限制访问的隐私威胁。然而,由于传感器使用的动态性质和不同移动应用的要求,这种访问控制机制的设计是不平凡的。为了有效地设计一个自动化的移动防御机制,可以动态地测量不同的传感器访问请求的威胁程度,从不同的应用程序,并适当地阻止可疑的请求,零权限传感器访问的问题需要首先进行形式化的定义和分析。本文采用博弈论的方法,具体地说,信号博弈,来实现上述目标,分析模型的传感器接入场景的移动应用程序,包括,形式化的传感器接入策略的移动应用程序和防御策略的板载防御机制和相关的成本和收益。在一个正式的和实际的博弈模型的范围内,本文概述了条件下,可以实现实体(应用程序和防御机制)之间的平衡与冲突的目标。通过数值模拟进一步分析了博弈模型,并将其扩展为重复信号博弈的形式。
2019-04-30 cs.CR cs.GT
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
Games Over Observation Spaces in Multi-Agent Capture the Flag
Michigan State University(密歇根州立大学);University of Cambridge(剑桥大学)
本文研究多智能体夺旗中,防守方通过限制智能体观测范围以应对固定策略局限,形式化为零和博弈,并提出双预言机算法求解近似均衡,实验验证观测操纵能提升防守性能。
2026-09-09 cs.GT
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
Strategic Defense against Stealthy Link Flooding Attacks: A Signaling Game Approach
随着分布式拒绝服务(DDoS)攻击的日益多样化,设计一个完全受保护的网络变得非常具有挑战性。例如,隐形链接泛滥攻击(SLFA)是DDoS攻击的一种变体,它试图通过泛滥一小部分链接来阻止对目标区域的访问,并且它可以绕过传统的DDoS防御机制。解决此类SLFA的一个潜在解决方案是应用移动目标防御(MTD)技术,其中网络设置动态地改变以迷惑/欺骗攻击者,从而使得发起成功攻击的成本非常高。然而,由于MTD给网络带来了一些开销,为了找到最佳策略(即,何时和/或在何种程度上应用它一直是一个重大挑战。该策略受到攻击者行为的显著影响,这通常很难猜测。在这项工作中,我们解决的挑战,获得最佳的MTD策略,有效地减轻SLFA,同时产生最小的开销。我们设计的问题作为一个信号游戏考虑网络防御者和攻击者作为球员。在SLFA战役期间,在攻击者和防御者的整个交战过程中建立了一个信念函数,该信念函数用于为每个玩家选择最佳响应/行动。我们分析了博弈模型,并推导出基于博弈均衡的防御机制。我们评估的技术在基于Mininet的网络环境中,攻击者正在执行SLFA和防御者适用MTD的基础上的均衡的游戏。结果表明,我们的信令游戏为基础的动态防御机制可以提供类似的保护水平,对SLFA一样,广泛的MTD解决方案,但是,导致显着减少的开销。
2019-12-20 cs.GT cs.NI
The Defense of Networked Targets in General Lotto games
本文在广义洛特博弈框架下研究网络防御资源分配问题,刻画了二分网络的攻防均衡,给出任意网络防御者最大最小值的上下界,发现高连通网络更易防御,并通过仿真验证了结论与随机化策略的重要性。
2023-06-10 cs.GT
Single Controller Stochastic Games for Optimized Moving Target Defense
移动目标防御(MTD)技术,使系统能够随机化其配置,以阻止未来的攻击是一个有效的安全解决方案,为未来的无线网络。然而,缺乏分析技术,使人们能够量化MTD的利弊。在本文中,提出了一种新的方法来实现MTD技术,可用于随机化加密技术和密钥在无线网络中。特别是,该问题被制定为一个随机游戏中,基站(BS),作为一个后卫,寻求战略性地改变其加密技术和密钥,努力阻止攻击者,试图窃听的数据。该游戏显示出一个单一的控制器的属性,其中只有一个玩家,后卫,控制游戏的状态。对于这个博弈,在使用MTD的防御成本存在的情况下,研究了纳什均衡的存在性和性质。在此基础上,给出了求解均衡MTD策略的实用算法。仿真结果表明,提出的博弈论MTD框架可以显着提高整体效用的防御者,同时使有效的随机化密码技术。
2016-10-13 cs.GT cs.IT math.IT
Network Defense is Not a Game
The MITRE Corporation(MITRE公司);National Security Agency(国家安全局)
研究旨在应用人工智能(AI)来扩展和扩展人类操作员保护网络的能力。阻碍成功人工智能方法推广的一个基本问题-即,在游戏中击败人类的关键在于,网络防御不能被定义为一个具有固定规则的单一游戏。我们的立场是,网络防御更好地描述为具有不确定性和可能漂移规则的游戏的集合。因此,我们建议将网络防御任务定义为网络环境的分布,以:(i)使研究能够应用现代人工智能技术,例如无监督课程学习和网络防御的强化学习;(ii)促进设计定义明确的挑战,可用于比较自主网络防御的方法。为了证明自主网络防御的方法是实用的,重要的是能够推理其适用性的边界。因此,我们需要能够定义网络防御任务,这些任务捕获对抗策略、技术和过程(TTP)的集合;服务质量(QoS)要求;以及防御者可用的TTP。此外,定义这些任务的抽象必须是可扩展的;必须由定义良好的语义支持,使我们能够推理环境的分布;并且应该能够生成代理可以学习的数据和经验。我们的方法命名为自主网络防御的网络环境设计启发了FARLAND的架构,这是一个用于自主网络防御的高级强化学习框架,我们在MITRE使用它来开发RL网络防御者,这些防御者从MITRE Shield矩阵中执行蓝色操作,以对抗具有从MITRE ATT&CK TTP漂移的TTP的攻击者。
2021-04-20 cs.AI cs.CR cs.GT
A Stochastic Surveillance Stackelberg Game: Co-Optimizing Defense Placement and Patrol Strategy
本文研究对抗环境下的随机巡逻Stackelberg博弈,引入节点异构防御并协同优化防御部署与巡逻策略,提出高效计算方法并验证其有效性。
2024-02-20 cs.GT cs.SY eess.SY
Game Theoretic Mixed Experts for Combinational Adversarial Machine Learning
University of Connecticut(康涅狄格大学);Centrum Wiskunde & Informatica(荷兰国家数学与计算机科学研究所)
该研究提出博弈论混合专家框架GaME,求解防御者的混合纳什策略,还提出三种针对不同防御的新攻击算法,以强化防御并验证鲁棒性,推动对抗机器学习发展。
2023-04-29 cs.AI cs.GT cs.LG
Path Defense in Dynamic Defender-Attacker Blotto Games (dDAB) with Limited Information
本文研究有限信息下动态防御者-攻击者 Blotto 博弈中的路径防御问题,刻画了防御者仅能探测最短路径 k 跳内资产时保证路径安全所需资源的必要充分条件,并证明增强感知能力可显著降低防御资源需求。
2023-05-25 cs.GT cs.SY eess.SY
End-to-End Game-Focused Learning of Adversary Behavior in Security Games
Harvard(哈佛大学);University of Southern California(南加州大学)
Stackelberg安全博弈是最大化有限防御资源效用以保护重要目标免受智能对手攻击的重要工具。出于绿色安全,防御者可能只会观察到一个对手的防御反应的一组有限的目标,我们研究的问题学习的防御,以及推广到一组新的目标与新的特征值和组合。传统上,这个问题已经通过两阶段的方法来解决,其中对手模型被训练以最大化预测准确性,而不考虑防御者的优化问题。我们开发了一个端到端的游戏为中心的方法,对手模型进行训练,以最大限度地提高代理防御者的预期效用。我们在理论和实验结果表明,我们的游戏为中心的方法实现了更高的防御者的预期效用比两阶段的替代品时,有有限的数据。
2020-06-22 cs.GT cs.LG
Securing Infrastructure Facilities: When does proactive defense help?
基础设施系统正日益面临新的安全威胁,因为支持其运行的网络物理组件存在漏洞。在这篇文章中,我们研究了基础设施运营商(防御者)应该如何优先考虑保护一组设施的投资,以减少战略对手(攻击者)的影响,这些攻击者可以针对设施来增加系统的整体使用成本。我们采用博弈论的方法来模拟防御者和攻击者的互动,并研究两个模型:正常形式的游戏-其中两个球员同时移动;和顺序游戏-其中攻击者移动后,观察防守者的策略。对于每一个模型,我们提供了一个完整的特征,如何设置的设施,由防御者在平衡中的攻击和防御的成本变化。重要的是,我们的分析提供了一个尖锐的条件有关的成本参数,防御者具有先发优势。具体来说,我们表明,为了完全阻止攻击者瞄准任何设施,防御者需要以适当的努力水平主动保护所有“脆弱的设施”。我们说明了一个简单的运输网络上的攻击者-防御者的相互作用的结果。我们还建议一个动态的学习设置,以了解这种结果如何影响不完全知情的用户在攻击后阶段使用系统的决定的能力。
2018-08-22 cs.GT
Attacking and Securing Community Detection: A Game-Theoretic Framework
The Hong Kong University of Science and Technology(香港科学与技术大学);DAMO Academy, Alibaba Group(阿里集团达摩院);Hupan Lab(护航实验室)
本文提出CD-GAME框架,通过博弈论方法提升社区检测的鲁棒性,对抗性攻击与防御策略在纳什均衡下实现更隐蔽的有效性。
2025-12-12 cs.GT cs.LG
Stackelberg Game-Driven Defense for ISAC Against Channel Attacks in Low-Altitude Networks
College of Computing and Data Science, Nanyang Technological University(南洋理工大学计算与数据科学学院);College of Computer Science and Technology, Jilin University(吉林大学计算机科学与技术学院);School of System Design and Intelligent Manufacturing, Southern University of Science and Technology(南方科技大学系统设计与智能制造学院);School of Electrical and Computer Engineering, University of Sydney(悉尼大学电气与计算机工程学院);College of Computer Science, Chongqing University(重庆大学计算机学院)
针对低空网络中ISAC面临的信道接入攻击,提出基于Stackelberg博弈的防御框架,通过三方博弈建模与逆向归纳求解均衡,实现动态防御并验证其优于现有基线。
2025-11-09 cs.GT eess.SP
Bad Data Injection Attack and Defense in Electricity Market using Game Theory Study
网络技术的应用提高了智能电网的监测和决策质量。这些网络技术容易受到恶意攻击,破坏它们可能会带来严重的技术和经济问题。本文详细说明了妥协的影响,每个测量的电价,使攻击者能够改变价格在所需的方向(增加或减少)。攻击者和防御者分别不可能攻击和防御所有测量。这种情况被建模为攻击者和防御者之间的零和博弈。游戏定义了攻击者和防御者分别喜欢攻击和防御不同测量的时间比例。基于PJM 5总线测试系统的仿真结果表明了所研究的博弈的有效性和性质。
2012-10-10 cs.CR cs.GT stat.AP
Multi-agent Reinforcement Learning in Bayesian Stackelberg Markov Games for Adaptive Moving Target Defense
Arizona State University(亚利桑那州立大学)
网络安全领域大多是一场猫捉老鼠的游戏,新的攻击的发现引领了这一趋势。为了剥夺攻击者的侦察优势,研究人员提出了主动防御方法,如移动目标防御(MTD)。为了找到好的移动策略,研究人员将MTD建模为防御者和网络对手之间的领导者-追随者游戏。我们认为,现有的模型是不够的顺序设置时,有一个理性的对手的信息不完整,并产生次优的运动策略。此外,虽然存在一系列关于在网络安全的顺序设置中学习防御策略的工作,但由于不完整信息引起的可扩展性问题,它们要么不受欢迎,要么倾向于忽略对手的战略性质,从而简化场景以使用单代理强化学习技术。为了解决这些问题,我们提出了(1)一个统一的博弈论模型,称为贝叶斯Stackelberg马尔可夫博弈(BSMG),可以对攻击者类型和MTD系统的细微差别的不确定性进行建模,以及(2)贝叶斯强Stackelberg Q学习(BSS-Q)方法,可以通过交互在合理的时间内学习BSMG的最佳移动策略。我们在不完全信息马尔可夫博弈的景观BSMG和强Stackelberg均衡(SSE)的概念,在他们的特点。我们表明,我们的学习方法收敛到一个SSE的BSMG,然后强调,学习的运动策略(1)提高了最先进的MTD的Web应用程序的安全性和(2)收敛到最佳的策略,即使在MTD域的不完整的信息,对手的奖励和过渡的先验信息是缺席。
2020-07-20 cs.AI cs.CR cs.GT
QuACS: Variational Quantum Algorithm for Coalition Structure Generation in Induced Subgraph Games
本文提出 QuACS,一种面向诱导子图博弈联盟结构生成的混合量子经典算法,通过递归二分和 QAOA 求解 QUBO,以 O(n^2) 运行时间和 92% 期望近似比超越经典近似方法,并显著降低量子比特需求。
2023-04-14 cs.GT quant-ph
Optimal Repair Strategy Against Advanced Persistent Threats Under Time-Varying Networks
针对时变网络下的高级持续性威胁,提出一种博弈论防御方法,通过动态修复博弈和在线最优控制机制,实时求解近最优防御策略,实验验证其高效性和资源利用率。
2023-09-01 cs.GT
Smart City Defense Game: Strategic Resource Management during Socio-Cyber-Physical Attacks
The University of New Mexico(新墨西哥大学)
由于多个机构的参与以及城市在网络和社交层面的扩展,确保智能城市(SC)环境中的公共安全是一项至关重要且日益复杂的任务。在本文中,我们提出了一个广泛的形式完美的信息博弈模型的相互作用和最优的城市资源分配时,恐怖组织(TO)进行攻击的多个目标在两个概念SC水平,物理,和网络社会。智慧城市防御游戏(SCDG)考虑了三个玩家,他们最初有权获得特定的有限预算。两个SC机构必须分别保卫其物理或社会领土,与共同的敌人作战,即TO。每一层由多个目标组成,攻击结果取决于相关机构分配的资源是否超过TO。每个玩家的效用等于成功防御目标的数量。允许这两个机构进行预算转移,只要这对双方都有利。我们完全描述了子博弈完美纳什均衡(SPNE)的SCDG,包括SC机构之间的最佳资源交换的战略,并占TO的预算分配的物理和社会目标。此外,我们提出的数值和比较结果表明,当SC球员根据SPNE的行为,他们最大限度地成功防御目标的数量。SCDG被证明是一个很有前途的解决方案,模拟关键的资源分配之间的SC党在面对多层同时发生的恐怖袭击。
2022-01-27 cs.AI cs.GT
Defending Against Stealthy Attacks on Multiple Nodes with Limited Resources: A Game-Theoretic Analysis
隐形攻击是主要的网络安全威胁。在实践中,攻击者和防御者都有资源限制,这可能会限制他们的能力。因此,要制定强大的防御战略,一个有前途的方法是利用博弈论来理解所涉及的基本权衡。然而,以前的工作在这个方向上,主要集中在单节点的情况下,没有考虑严格的资源约束。本文提出了一个保护多节点系统免受隐身攻击的博弈模型。我们考虑的实际设置中的频率的攻击和防御是有限的资源的限制,和一个不对称的反馈结构,攻击者可以充分观察节点的状态,同时在很大程度上隐藏其行动的防御者。我们刻画了攻击者和防御者在非自适应策略和自适应策略空间中的最佳反应策略,并研究了博弈的纳什均衡。我们进一步研究了一个序贯博弈,其中防御者首先宣布其策略,然后攻击者相应地作出反应,并设计了一个算法,找到一个接近最优的策略,为防御者提交。
2019-10-20 cs.GT
Exploiting an Adversary's Intentions in Graphical Coordination Games
关于对手意图的信息如何影响最优系统设计?本文解决了这个问题的图形协调游戏的背景下,对手可以间接影响代理人的行为,通过修改他们的收益。我们研究的情况下,系统运营商必须选择一个图形拓扑结构的预期行动的一个未知的对手。设计者可以通过采取安全策略来限制最坏情况下的损失,有效地为意图造成最大伤害的对手进行规划。然而,关于对手意图的细粒度信息可以帮助系统操作员微调防御并获得更好的系统性能。在对抗行为的一个简单模型中,本文询问了系统操作员通过微调已知对抗意图的防御可以获得多少收益。我们发现,如果对手是弱的,安全策略是近似最优的任何对手类型,但是,对于中等强度的对手,安全策略是远远不是最优的。
2020-03-16 cs.GT
Adversarial Machine Learning and Defense Game for NextG Signal Classification with Deep Learning
National Security Institute(国家安全研究所);Virginia Tech(弗吉尼亚理工大学)
本文提出了一个博弈论框架来研究基于深度学习的NextG信号分类的攻击和防御的相互作用。NextG系统(诸如为大量IoT设备设想的系统)可以采用深度神经网络(DNN)来执行各种任务,诸如用户设备识别、物理层认证和现任用户的检测(诸如在公民宽带无线电服务(CBRS)频带中)。通过训练另一个DNN作为代理模型,攻击者可以发起推理(探索性)攻击以学习受害者模型的行为,预测成功的操作模式(例如,信道接入),并干扰它们。防御机制可以通过在受害者模型的决策中引入受控错误来增加对手的不确定性(即,毒化对手的训练数据)。这种防御对攻击是有效的,但在没有攻击时会降低性能。防御者和对手之间的交互被公式化为非合作博弈,其中防御者选择防御的概率或防御水平本身(即,伪造决策的比率),并且对手选择攻击的概率。防御者的目标是最大化其回报(例如,吞吐量或传输成功率),而对手的目标是最小化该奖励及其攻击成本。纳什均衡策略被确定为一种操作模式,使得在另一方的策略固定的情况下,任何一方都不能单方面提高自己的效用。一个虚构的发挥制定为每个球员反复玩游戏,以响应对手的行动的经验频率。将纳什均衡下的性能与固定攻击和防御情况下的性能进行了比较,并量化了NextG信号分类对攻击的弹性。
2022-12-22 cs.AI cs.CR cs.GT
Attracting Tangles to Solve Parity Games
奇偶博弈在形式化验证和综合中有重要的实际应用,特别是在解决模态μ演算的模型检验问题上。从理论的角度来看,它们也很有趣,因为它们被广泛认为是多项式解,但到目前为止还没有这样的算法。我们提出了一个新的算法来解决基于学习缠结,这是强连接的子图,其中一个玩家有一个策略,赢得所有的循环在子图的奇偶游戏。我们认为,缠结发挥了重要的作用,在突出的奇偶博弈求解算法。我们证明了缠结学习在实践中是有竞争力的,并且是大型随机游戏的最快求解器。
2018-04-14 cs.GT cs.LO
Game Theory for Adversarial Attacks and Defenses
Indian Institute of Technology Bhubaneswar(印度理工学院布巴内斯瓦尔分校)
本研究应用博弈论防御对抗攻击,通过随机初始化、随机激活剪枝和超分辨率三种方法提升深度神经网络的鲁棒性。
2024-01-05 cs.CR cs.GT cs.LG
Networked Multi-Resource Defense Capabilities in a General Lotto Game
Department of Computer Science, University of Colorado Colorado Springs(科罗拉多大学斯普林斯分校计算机科学系)
本文在一般Lotto博弈框架下,结合网络权重矩阵刻画资源对攻击的有效性,推导防御性能上下界并对比独立防御基准,为多攻击类型防御问题提供了易处理的结构。
2026-09-15 cs.CR cs.GT cs.SY
Markov Game Modeling of Moving Target Defense for Strategic Detection of Threats in Cloud Networks
Arizona State University(亚利桑那州立大学)
大规模云网络中关键数据的处理和存储需要可扩展的安全解决方案。事实证明,部署所有可能的安全措施都会消耗宝贵的计算和网络资源,而这些资源是云服务提供商的主要卖点。因此,最近有兴趣发展移动目标防御(MTD)机制,帮助一个优化的联合目标,最大限度地提高安全性,同时确保对性能的影响最小化。通常,这些技术将隐形对手的多阶段攻击问题建模为单步攻击检测游戏,使用图连接性度量作为衡量性能的启发式方法,从而(1)丢失了为大型云网络设计的图论模型中固有的有价值信息,以及(2)提出了某些对性能具有不对称影响的策略。在这项工作中,我们利用云网络的攻击图中的知识来制定零和马尔可夫博弈,并使用通用漏洞评分系统(CVSS)来为这个游戏提供有意义的实用价值。然后,我们表明,放置检测机制对对手的最佳策略相当于计算混合最小最大均衡的马尔可夫博弈。我们将使用我们的方法获得的收益与目前用于云网络安全的其他技术进行比较,从而显示其有效性。最后,我们强调了如何将该方法用于一个小型的真实云系统。
2019-02-28 cs.AI cs.CR cs.GT
Collaborative Honeypot Defense in UAV Networks: A Learning-Based Game Approach
针对无人机网络中的协作蜜罐防御,提出基于博弈论和强化学习的激励设计方法,以解决信息不对称下的最优契约问题,提升防御有效性。
2023-08-30 cs.GT cs.SY eess.SY
Adaptive Strategic Cyber Defense for Advanced Persistent Threats in Critical Infrastructure Networks
高级持续性威胁(APT)由于其隐蔽性、动态性和自适应性,给关键基础设施带来了新的安全挑战。在这项工作中,我们的目标是通过建立一个多阶段贝叶斯博弈框架,捕捉欺骗性APT和他们的多阶段多阶段运动的不完全信息奠定了博弈论的基础。通过对完美贝叶斯纳什均衡(PBNE)的分析,可以预测攻击者的行为,并设计防御策略,以威慑对手,降低安全风险。共轭先验方法允许在线计算的信念和减少贝叶斯更新到一个迭代的参数更新。前向更新的参数被同化到向后动态规划计算中,以表征基于扩展状态空间的计算易处理且时间一致的平衡解。田纳西伊士曼(TE)过程控制问题被用作一个案例研究,以证明信息不对称下的动态博弈,并显示APT往往是隐形和欺骗性的过渡期间,在网络层和行为积极的到达目标物理工厂。信念的在线更新允许防御者学习攻击者的行为,并选择可以阻止敌对行为和减轻APT的战略防御行动。数值结果说明了防御者的权衡之间的即时奖励和未来的期望,以及攻击者的目标,以达到一个有利的系统状态,同时使防御者形成一个积极的信念。
2018-09-06 cs.GT
Moving Target Defense for Web Applications using Bayesian Stackelberg Games
Arizona State University(亚利桑那州立大学)
目前设计Web应用程序的复杂性使得软件安全性成为一个难以实现的目标。攻击者可以在Web上探索已部署的服务,并在自己的空闲时间进行攻击。Web应用程序中的移动目标防御(MTD)是一种有效的机制,可以抵消其侦察的优势,但框架在其Web堆栈的多个配置之间切换时需要一个良好的切换策略。为了解决这个问题,我们提出了一个真实世界的MTD Web应用程序的建模作为一个重复的贝叶斯游戏。然后,我们制定了一个优化问题,产生一个有效的切换策略,同时考虑不同的网络堆栈配置之间切换的成本。为了将这个模型到一个发达的MTD系统,我们开发了一个自动化系统,用于生成攻击集的常见漏洞和暴露(CVEs)的输入攻击者类型与预定义的功能。我们的框架通过使用从国家漏洞数据库(NVD)获得的CVE上的安全领域专业知识,在这个游戏中为玩家(防御者和攻击者)获得了现实的奖励值。我们还解决了优先处理漏洞的问题,当修复时,提高了MTD系统的安全性。最后,我们证明了我们提出的模型的鲁棒性,通过评估其性能时,有输入攻击者信息的不确定性。
2016-11-17 cs.AI cs.CR cs.GT
Toward a Multi-Echelon Cyber Warfare Theory: A Meta-Game-Theoretic Paradigm for Defense and Dominance
New York University(纽约大学)
本文提出一种基于元博弈论的多层级网络战理论,整合人工智能技术,用于设计和优化网络战策略,强调资源分配、风险评估及非线性动态影响。
2026-02-24 cs.ET cs.GT cs.SY
A Diversity-based Substation Cyber Defense Strategy utilizing Coloring Games
本文提出了一种基于多样性的子站网络防御策略,通过使用图着色博弈来分配多样化的安全机制,以减少单一漏洞的重复性,提高子站电子安全围栏内网络资产的安全性。
2018-02-07 cs.CR cs.GT cs.SY
A Theory of Hypergames on Graphs for Synthesizing Dynamic Cyber Defense with Deception
Worcester Polytechnic Institute(伍斯特理工学院)
在这一章中,我们提出了一种方法,使用形式化的方法来综合反应式防御策略的赛博网络,配备了一套诱饵系统。我们首先推广正式的图形安全模型-攻击图-将防御者的对策在博弈论模型,称为攻击-防御游戏图。这个游戏以形式逻辑捕捉防御者和攻击者之间的动态交互以及他们的防御/攻击目标。然后,我们引入了一类超对策模型的攻击者和防御者的互动中的诱饵所产生的信息不对称。给出了形式逻辑中的定性安全规范,我们证明了形式方法中的超博弈和反应合成的解决方案概念可以扩展到使用网络欺骗来合成有效的动态防御策略。该策略利用攻击者的错误感知来保证安全性,而当信息对称时,这可能是不满足的。
2020-08-07 cs.AI cs.CR cs.GT
Approximating Nash Equilibria and Dense Subgraphs via an Approximate Version of Carathéodory's Theorem
我们提出的算法应用的近似版本的Carathéodory定理。该定理指出,给定$\mathbb{R}^d$中的一组向量$X$,对于$X$的凸包中的每个向量,存在一个$\varepsilon$ -闭(对于$2\leq p < \infty$,在$p$ -范数距离下)向量,该向量可以表示为$X$的至多$b$向量的凸组合,其中,约束$b$取决于$\varepsilon$和范数$p$,并且与维度$d$无关。这个定理可以通过实例化Maurey引理来推导,早期的参考文献可以在Pisier(1981)和Carl(1985)的工作中找到。然而,在本文中,我们提出了一个独立的证明这一结果。利用这个定理,我们建立了在一个具有$ n \times n$支付矩阵$A, B$的双矩阵博弈中,如果$A+B$的任何一列中的非零元素的个数至多为$s$,那么这个博弈的$\varepsilon$ -纳什均衡可以在时间上计算出$n^{O\left(\frac{\log s }{\varepsilon^2}\right)}$ .这,特别是,给我们一个多项式时间近似计划纳什均衡在游戏中固定列稀疏$s$。此外,对于任意双矩阵游戏-因为$s$最多可以是$n$ -我们算法的运行时间与Lipton,Markakis和Mehta(2003)获得的最著名的上限相匹配。近似Carathéodory定理也导致了一个加性近似算法的规范化den…
2015-04-12 cs.DS cs.GT
A Sketch Based Game Theoretic Approach to Detect Anomalous Dense Sub-Communities in Large Data Streams
以在线或流式方式检测动态图中的异常子图是入侵检测或拒绝服务攻击的工业环境中的重要要求。虽然仅通过边缘频率检测系统中的干扰是一种最佳方法,但由于仅考虑边缘频率作为网络的特性,因此在此过程中可能会忽略许多潜在信息。我们提出了一个博弈论的方法,使用模块化功能,我们试图估计流图\emph{whether addition of a new edge in the current time tick results in a dense subgraph creation, thus indicating possible anomalous score}。我们的贡献如下:(a)我们提出了一种新的博弈论框架,用于检测密集的子社区在在线流媒体环境中;(b)我们检测这样的子社区使用恒定的内存存储。我们的研究结果证实了真实数据集上的经验评估。
2021-11-27 cs.GT cs.SI
Omniscient Attacker in Stochastic Security Games with Interdependent Nodes
Bilkent University(比尔肯特大学);University of Illinois at Urbana-Champaign(伊利诺伊大学厄巴纳-香槟分校)
本文研究了随机安全游戏中全知攻击者对强化学习防御者的攻击,通过神经动态规划方法揭示了学习动态带来的安全漏洞。
2025-12-04 cs.GT cs.SY eess.SY
Meta Stackelberg Game: Robust Federated Learning against Adaptive and Mixed Poisoning Attacks
New York University(纽约大学);Tulane University(杜兰大学)
本文将混合攻击下的对抗联邦学习建模为贝叶斯斯塔克尔伯格马尔可夫博弈,提出结合预训练与在线自适应的元强化学习防御,并证明其收敛性与实验优势。
2024-10-22 cs.CR cs.GT cs.LG
Information Leakage Games: Exploring Information as a Utility Function
UFMG(米纳斯吉拉斯联邦大学);University of Athens(雅典大学);CNRS(法国国家科学研究中心);AIST(日本产业技术综合研究所);Inria Saclay(法国国家信息与自动化研究所萨克莱分院);École Polytechnique(巴黎综合理工学院)
安全信息流和隐私领域的一个共同目标是建立有效的防御措施,防止不必要的信息泄漏。为此,必须能够推理潜在的攻击及其与可能的防御的相互作用。在本文中,我们提出了一个博弈论的框架,形式化的信息泄漏的背景下,攻击者和防御者的策略,并提供了一个基础,开发最佳的防御方法。我们的游戏的一个新颖之处是,它们的效用是由信息泄漏,在某些情况下,可能会表现在一个非线性的方式。这导致了与经典博弈论的显著偏离,在经典博弈论中,效用函数与参与者的策略是线性的。因此,本文的一个重要贡献是建立了信息泄漏博弈的基础。我们考虑两种类型的游戏,这取决于考虑泄漏的概念。第一种是QIF博弈,它是为定量信息流(QIF)理论量身定制的。第二种是DP-博弈,对应于差分隐私(DP)。
2022-01-28 cs.AI cs.CR cs.GT
Dynamical low-rank equilibrium computation for stochastic games between advanced persistent threats and moving target defense
Zhejiang University(浙江大学);Alibaba Group(阿里巴巴集团)
针对工业控制系统中高级持续性威胁与移动目标防御的随机博弈,提出动态低秩均衡计算方法,利用攻击-防御矩阵的低秩结构,实现高效、鲁棒的纳什均衡计算,并在电力系统测试中达到94%参数压缩和极小效用损失。
2026-10-08 cs.AI cs.CR cs.GT
Game-Theoretic Design of Secure and Resilient Distributed Support Vector Machines with Adversaries
由于网络系统中存在大量的传感器和控制单元,分布式支持向量机(DSVM)在可扩展和高效的多传感器分类和预测任务中发挥着重要作用。然而,DSVM很容易受到攻击者的攻击,他们可以修改和生成数据来欺骗系统进行错误分类和错误预测。本研究旨在设计DSVM学习器对潜在攻击者的防御策略。我们建立了一个博弈论的框架来捕捉DSVM学习者和攻击者之间的利益冲突。博弈的纳什均衡允许预测对抗环境中学习算法的结果,并通过动态分布式学习算法增强机器学习的弹性。我们表明,DSVM学习者是不太容易受到攻击时,他使用一个平衡的网络,节点少,度高。我们还表明,增加更多的训练样本是一个有效的防御策略,对攻击者。我们提出了安全和弹性的DSVM算法的验证方法和拒绝方法,并通过数值实验显示其对对手的弹性。
2017-10-12 cs.GT stat.ML
Deception Equilibrium Analysis for Three-Party Stackelberg Game with Insider
Tongji University(同济大学);Imperial College London(帝国理工学院)
本文研究了包含防守方、内幕者和外部攻击者的三方欺骗安全博弈中的战略互动,提出了一种鲁棒欺骗机制,通过操控感知参数提升防御性能,并引入欺骗Stackelberg均衡(DSE)和超Nash均衡(HNE)概念,提出求解DSE的可扩展超梯度算法。
2026-04-03 cs.GT math.OC
Adversarial Deep Reinforcement Learning based Adaptive Moving Target Defense
University of Houston(休斯顿大学);Washington University in St. Louis(圣路易斯华盛顿大学)
移动目标防御(MTD)是一种主动防御方法,旨在通过不断改变系统的攻击面(例如,改变主机或网络配置),从而增加对手的不确定性和攻击成本。为了最大限度地发挥MTD的影响,防御者必须从战略上选择何时以及进行何种更改,同时考虑到其系统的特性以及对手观察到的活动。寻找MTD的最佳策略是一个重大的挑战,特别是当面对一个足智多谋和坚定的对手谁可能会回应防御者的行动。在本文中,我们提出了一个多智能体的部分可观察马尔可夫决策过程模型的MTD和制定一个两人之间的一般和游戏的对手和防守者。在建立自适应MTD模型的基础上,提出了一种基于双预言机算法的多智能体强化学习框架来求解博弈。在实验中,我们证明了我们的框架在寻找最优策略的有效性。
2020-08-20 cs.AI 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
Game Theory Meets LLM and Agentic AI: Reimagining Cybersecurity for the Age of Intelligent Threats
Quanyan Zhu
本文探讨了博弈论、Agentic AI与网络安全的交叉点,提出利用LLM智能体将博弈论策略转化为实际防御决策,以应对智能威胁并构建安全自适应的网络系统。
2025-07-14 cs.AI cs.CR cs.CY
MEGA-PT: A Meta-Game Framework for Agile Penetration Testing
New York University(纽约大学)
本文提出元博弈渗透测试框架MEGA-PT,通过微观战术博弈与宏观策略过程实现分布式、自适应的敏捷自动化渗透测试,有效解决维度灾难与可扩展性问题。
2024-09-21 cs.AI cs.CR cs.GT
A Tractable Class of Cooperative Games Defined by Directed Networks: Unanimity Decomposition and Shapley Value
Czech Technical University in Prague(布拉格捷克理工大学)
本文提出了一类由加权有向图诱导的合作博弈,通过内部交互项和外部最小入边项结合,得到可计算的全体一致博弈表示,从而推导出肖普利和班扎夫值的闭式多项式时间公式,并证明该博弈具有非空核心和完全平衡性。
2026-05-18 cs.GT econ.TH
Cooperative Game Theory Approaches for Network Partitioning
本文主要研究网络中社区发现的博弈论方法。传统的社团结构检测方法是基于网络内部稠密子图的选择。在这里,我们建议使用合作博弈论的方法,不仅突出的链接密度,但也集群形成的机制。具体来说,我们建议两种方法从合作博弈论:第一种方法是基于迈尔森值,而第二种方法是基于享乐游戏。这两种方法都允许检测具有不同分辨率的聚类。然而,在享乐博弈方法中,分辨率参数的调整特别直观。此外,基于模块的方法及其推广可以被视为享乐游戏的特殊情况。
2017-07-27 cs.GT cs.NI cs.SI
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