获取独家产品信息,尽享促销优惠!立即订阅,不容错过
* 限···时··优惠
摘要 - 将人工智能集成到自动渗透测试(AUTOPT)中,由于其成本效益和迅速的反馈功能,强调了训练智能代理的模拟建模的必要性。尽管AUTOPT研究扩散,但在统一建模方法的统一框架中,仍然存在公认的差距。本文介绍了现有技术的系统综述和综合,引入了MDCPM以基于文献目标,网络模拟复杂性,技术和战术操作的依赖性以及方案反馈和变化对研究进行分类。为了弥合统一方法的差距,用于多维和多级仿真建模,动态环境建模以及公共数据集的稀缺性,我们介绍了Autopt-SIM,这是一个基于策略自动化的新型建模框架,并涵盖了所有子维度的组合。Autopt-SIM提供了一种全面的方法,用于建模网络环境,攻击者和捍卫者,超越了静态建模和可容纳不同尺度的网络的约束。我们公开发布生成的标准网络环境数据集和网络生成器代码。通过灵活地集成公开可用的数据集,可以为各种模拟建模级别提供支持,该模型级别着重于MDCPM中的策略自动化,而网络生成器可帮助研究人员通过调整参数或微调网络生成器来输出定制目标网络数据。