Adversarial Self-Play for Adaptive Cyber Deception Against Reinforcement Learning-Based Bots in SDN-Enabled Edge Networks
本文提出并验证了一种用于 SDN 赋能边缘网络的自适应网络欺骗框架，该框架利用对抗性自我博弈来训练基于强化学习的防御者，通过动态编排蜜罐和移动目标防御，在有效对抗基于强化学习的机器人攻击的同时，最大限度地降低资源成本。
原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 这是对下方论文的AI生成解释。它不是由作者撰写的。如需技术准确性，请参阅原始论文。 阅读完整免责声明
在数字世界中，安全长期以来一直依赖于一个简单、静态的概念：筑起高墙，画出清晰的界限，然后等待入侵者撞击它。防火墙和固定规则就像那堵墙，旨在阻止已知的威胁。但威胁的本质已经发生了变化。如今，攻击者不再仅仅遵循脚本；他们正在利用人工智能来学习、适应并不断尝试，直到找到突破口。当一个计算机程序能够探测网络、失败、从失败中学习，并立即尝试另一种方法时，静态的墙最终会变成敌人的地图。这留下了一个危险的缺口：当敌人不断重写自己的剧本时，你该如何防御系统？
答案在于让防御变得与攻击一样具有适应性。喀麦隆大学让尚大学（University of Dschang）的研究人员的一项新研究探讨了这一挑战，该挑战存在于边缘计算这一复杂的环境中。在边缘计算中，数据在靠近其产生的地方进行处理，例如在智能工厂或联网的医院中。这些网络快速且灵活，但其众多小型连接设备也容易成为目标。研究人员提出了一种系统，使防御者不仅仅是等待被攻击，而是主动学习如何误导入侵者。通过将这种冲突视为两个智能对手之间的博 de（game），他们创建了一种能够实时演进的防御系统，使用了被称为“对抗性自我博弈”（adversarial self-play）的技术。在这种设置下，防御性的计算机程序通过与一个学习型攻击者进行对抗来进行自我训练，迫使双方在每一轮游戏中都变得更加聪明和难以捉摸。
研究人员构建了一个该网络的模拟版本来测试他们的想法。他们创建了一个模拟现代边缘网络结构的数字环境，其中包含了传感器、服务器以及管理流量的中央控制器。在这个环境中，他们引入了两个人工智能代理：一个充当攻击者，另一个充当防御者。攻击者的目标很简单：找到进入网络的方法并尽可能快地窃取数据。防御者的任务是阻止它，但不是通过简单的封锁大门。相反，防御者使用了被称为“网络欺骗”（cyber deception）的策略。这涉及创建虚假的数字陷阱（称为“蜜罐”），并不断改变网络布局以迷惑入侵者。
为了实现这一点，研究人员为双方都使用了一种特定的学习算法。他们让这两个代理相互对抗了数千次。在开始阶段，攻击者很快，而防御者很慢。但随着游戏的进行，防御者学会了识别攻击者的模式。当攻击者试图扫描网络时，防御者会通过移动目标的数字地址或在路径中放置一个伪造的服务器来做出反应。至关重要的是，防御者学会了仅在必要时才这样做。该系统被设计为理解改变网络需要消耗能量和时间，因此它学会了在安全需求与保持网络平稳运行的需求之间取得平衡。反过来，攻击者也学会了识别这些陷阱并尝试避开它们，从而迫使防御者想出新的花招。
这些模拟的结果令人瞩目。当研究人员在没有防御的网络中测试该系统时，攻击者很快就成功了，通常在十秒钟内。当他们使用依赖于固定规则和不变陷阱的传统静态防御时，攻击者最终学会了这种模式并绕过了它，成功时间也维持在相近的水平。然而，当自适应学习型防御处于激活状态时，结果完全改变了。攻击者破坏网络所需的时间跳升到了五十到八十秒之间，具体取决于目标。更重要的是，防御者在几乎每一次尝试中都成功阻止了攻击，在传感器网络中达到了约 98% 的成功率，在主服务器中达到了 97%。
研究还展示了在压力之下攻击者的行为是如何变化的。如果没有智能防御，攻击者会把大部分时间花在尝试攻破已知目标上。但面对自适应系统时，攻击者被迫花费更多时间仅仅是在寻找方向，试图弄清楚目标在哪里，因为它所使用的地图一直在失效。防御者能够保持网络运行且没有明显的延迟，其重新配置系统所需的时间保持在 50 毫秒以下。这种速度至关重要，因为这意味着防御可以在不减慢网络上运行的实际服务的情况下进行。
研究人员强调，他们的发现来自于模拟环境，而非物理环境。他们使用模仿真实硬件的软件构建了测试平台，这允许精确的控制和重复，但无法捕捉到诸如硬件故障或无线干扰等现实世界的变量。他们指出，虽然该系统在模拟中表现异常出色，但下一步将在实际物理设备上进行测试，以观察它在面对现实世界的不可预测性时的表现。他们还指出，他们目前的模型假设中央控制器是安全的，并且攻击检测是由一个独立的、可靠的系统处理的。
最终，这项工作证明了对抗学习型敌人的最佳方式是使用学习型防御。通过将冲突视为一场双方都在不断演进的动态博弈，研究人员表明，保持对手处于失去平衡的状态是可能的。该系统并不依赖于预先了解每一种可能的攻击；相反，它学会了对正在发生的事情做出反应。这种方法为保护日益复杂且互联的现代网络提供了一条充满前景的道路，将防御的行为本身转化为一种持续的、智能的适应。
您所在领域的论文太多了？
获取与您研究关键词匹配的最新论文每日摘要——附技术摘要，使用您的语言。