摘要:渗透测试(塞)是识别和利用Compoter系统中漏洞以提高其安全性的必要方法。最近,增强学习(RL)已成为一种有希望的方法来创建自主的五旬节剂。然而,缺乏现实的代理训练环境阻碍了有效的基于RL的五型耐药剂的发展。为了解决这个问题,我们提出了pengym,该框架为培训pent pestest的RL代理提供了真实的环境。Pengym使网络发现和基于主机的剥削动作都可以在模拟网络环境中训练,测试和验证RL代理。我们的实验证明了这种方法的可行性,与典型的基于仿真的代理训练相比,主要优势是pengym能够在真实的网络环境中执行实际的五件操作,同时提供合理的训练时间。因此,在pengym中,无需使用假设和概率来对动作进行建模,因为动作是在实际网络中进行的,其结果也是真实的。此外,我们的结果表明,经过企业训练的RL代理平均步骤更少,以达到五旬续的目标 - 在我们的实验中7.72个步骤,而模拟训练的药物的11.95步。
主要关键词