| 基于DPPO的双智能体协同渗透测试方法研究 | |
| 所屬分類：技术论文 | |
| 上傳者：wwei | |
| 文檔大小：1729 K | |
| 標(biāo)簽： 自动化渗透测试 双智能体协作 深度强化学习 | |
| 所需積分：0分積分不夠怎么辦？ | |
| 文檔介紹：基于强化学习的自动化网络渗透测试方法近年来受到广泛关注，但现有研究多局限于中小规模网络环境，难以应对实际网络中主机数量庞大、拓扑复杂的挑战。提出一种基于DPPO(Dualagent Proximal Policy Optimization)的双智能体协同渗透测试框架，通过分工协作机制提升大规模网络环境下的攻击决策效率。该框架包含目标决策智能体(TargetDecider)与攻击执行智能体(AttackExecutor)，分别负责目标节点筛选与具体漏洞利用执行，二者通过共享环境状态进行协同，以协作奖励机制引导，从而实现分工合作。实验在基于CyberBattleSim构建的仿真网络环境中进行，并与传统的DQN、PPO、SAC等智能体方法进行了比较，结果表明DPPO框架攻陷关键目标所需的步骤数更少、波动更小，显示出更高的攻击效率与策略稳定性。同时，其敏感主机攻陷比率维持在较高水平，表明该框架能可靠完成核心渗透任务。在累计奖励方面，DPPO亦表现出持续优化与稳健收敛的趋势。实验结果表明，该框架能够有效适应大规模静态仿真网络中的渗透测试任务。该框架对动态防御和真实网络环境的适用性仍需在后续研究中进一步验证。 | |
| 現(xiàn)在下載 | |
| VIP會員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計(jì)算機(jī)系統(tǒng)工程研究所版權(quán)所有 京ICP備10017138號-2