机构名称：
¥ 1.0
摘要：在这项研究中，我们提出了一种革命性的深入强化学习方法，用于自动渗透测试。建议的方法使用深度Q学习网络来开发有效利用目标系统中弱点的攻击序列。该方法在虚拟环境中进行了测试，结果表明它可以识别手动渗透测试无法做到的漏洞。在这项工作中使用了各种工具，包括深Q学习网络，Mulval，NMAP，VirtualBox，Docker，Docker，National脆弱性数据库（NVD）和共同的漏洞评分系统（CVSS）。建议的方法显着优于当前自动穿透测试方法。我们提出的方法可以检测到手动渗透测试错过的缺陷，并且可以修改（根据惩罚值）以适应目标系统（网络）更改的更新。此外，它有可能大大提高渗透测试的有效性和效率，并可能有助于提高计算机系统的安全性。在这项工作中进行的实验测试通过在攻击自动化过程中利用最有效的攻击向量，揭示了DQN自动渗透测试的有效性。通过在攻击自动化过程中利用最有效的攻击向量，揭示了DQN自动渗透测试的有效性。
自然科学-An -Najah期刊
主要关键词
相关文件推荐
