arXiv cs.AI· Hanlin Jiang, Jionghao Huang, Shaofei Li, Bojia Yu, Peng Jiang, Yuxin Ren, Ning Jia, Yao Guo, Ding Li·· 6 天前AI 评分40
STAIR：基于端到端智能体规划框架的高效事件响应
STAIR: Effective Incident Response Using an End-to-End Agentic Planning Framework
AI 导读
STAIR 是一个端到端智能体事件响应框架，以 Graph-as-State（GAS）统一维护事件证据、响应动作与执行反馈，据此判定响应阶段并做阶段化规划，同时检索经效果验证的历史经验指导动作选择。
正文 · AI 翻译
摘要：事件响应规划对于恢复受损软件系统至关重要。现有 AIOps 方法可自动化故障诊断与修复，并利用反馈调整响应，但在规划与执行之间缺乏统一的决策依据。这限制了它们在长周期、多阶段安全事件响应中维护事件状态并使行动与不断变化的恢复目标保持一致的能力。我们提出 STAIR，一种端到端智能体响应框架，围绕共享事件状态组织规划与执行。STAIR 在 Graph-as-State（GAS）中维护事件证据、响应动作和执行反馈，利用最新状态确定响应阶段和恢复目标，以进行阶段专用规划。该框架基于当前状态和阶段检索经效果验证的历史经验，以指导动作选择。执行装置（Execution Harness）执行动作，返回反馈以更新 GAS，并验证动作效果以供未来经验复用。我们构建了 STAIR-Bench，一个可执行的事件响应基准，包含 44 个基于 Docker 的网络靶场案例。在其留出测试案例上，STAIR 取得 0.95 的总体防御得分，较最强基线提升约 10.47%。在持续存在攻击和良性活动的独立 CAGE4 环境中，STAIR 相对于最强基线将累积惩罚降低约 28.8%。
| 评论： | 21 页，4 幅图 |
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2608.09524 [cs.CR] |
| （或 arXiv:2608.09524v2 [cs.CR] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2608.09524 arXiv 颁发的 DOI，通过 DataCite |
提交历史
来自：Hanlin Jiang [查看电子邮件]
[v1]
2026 年 8 月 10 日星期一 12:25:12 UTC（809 KB）
[v2]
2026 年 10 月 9 日星期五 08:48:42 UTC（562 KB）
来源：arXiv cs.AI · arxiv.org