arXiv cs.AI· Jakob Nyberg, Teodor Sommestad, Andrei Buhaiu, Joakim Loxdal, Pontus Johnson, Mathias Ekstedt·· 11 小时前AI 评分34
用网络靶场评估归纳式自主网络事件响应智能体
A Cyber Range Evaluation of Inductive Autonomous Network Incident Response Agents
AI 导读
研究将关系数据库建模与强化学习结合，构建可处理可变数量网络资产的归纳式入侵响应智能体，无需重新训练即可适应不同拓扑。在含红队自动化和模拟用户的虚拟网络中测试，强化学习智能体整体防御效率高于启发式策略，且最接近人类操作员表现。
正文 · AI 翻译
摘要：我们将经典关系数据库建模与现代强化学习进行了一种新颖的结合，应用于自动化入侵响应，以实现归纳式决策智能体。与该领域以往的工作不同，我们的方法使智能体能够处理数量可变的网络资产而无需重新训练。我们在具有可变拓扑的虚拟化计算机网络、红队自动化和模拟用户智能体中测试了我们方法的运行性能。智能体的任务是防止网络中的主机被红队智能体访问，同时最小化防御措施带来的可用性成本。我们测试了启发式智能体与使用关系强化学习训练的策略的组合。总体而言，强化学习智能体在防御系统方面比启发式策略更高效，并且在该任务上最接近人类操作员的性能。
| 主题： | 密码学与安全（cs.CR）；人工智能（cs.AI） |
| 引用为： | arXiv:2609.16541 [cs.CR] |
| （或 arXiv:2609.16541v2 [cs.CR] 为此版本） | |
| https://doi.org/10.48550/arXiv.2609.16541 由 DataCite 颁发的 arXiv DOI |
提交历史
来自：Jakob Nyberg [查看电子邮件]
[v1]
2026年9月15日星期二 02:36:15 UTC（3,654 KB）
[v2]
2026年11月5日星期四 15:16:02 UTC（681 KB）
来源：arXiv cs.AI · arxiv.org