机构名称：
¥ 1.0
未来的网络威胁将包括能够逃避和压倒传统网络捍卫者的大量复杂机器速度网络攻击。在支持社会善和全球安全方面，我们采取了一种特殊的方法来总结大量的国防研究，该研究应用了强化学习（RL）来自动化网络防御决策，即，当检测到网络攻击时，我们采取什么行动？有希望的概念包括两种对比鲜明的多代理RL（MARL）方法，深度RL与异源图神经网络（GNNS）结合使用，以及一个网络急救演示器。为了实现这一目标，我们已经成熟的模拟器和工具，包括开发高级对手以提高防御者的鲁棒性。我们已经证明，自主网络防御在“真正的”代表网络上是可行的，并计划在明年的高保真项目数量方面倍增。
自主弹性网络的增强学习...
主要关键词
相关文件推荐
