CN109617863A - 一种基于博弈论的移动目标防御最优防御策略选取的方法 - Google Patents
一种基于博弈论的移动目标防御最优防御策略选取的方法 Download PDFInfo
- Publication number
- CN109617863A CN109617863A CN201811426730.2A CN201811426730A CN109617863A CN 109617863 A CN109617863 A CN 109617863A CN 201811426730 A CN201811426730 A CN 201811426730A CN 109617863 A CN109617863 A CN 109617863A
- Authority
- CN
- China
- Prior art keywords
- attacking
- defending
- defender
- income
- optimal
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/20—Network architectures or network communication protocols for network security for managing network security; network security policies in general
Landscapes
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Computer Hardware Design (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Mechanical Means For Catching Fish (AREA)
Abstract
发明是一种基于博弈论的移动目标防御最优防御策略选取的方法,按照如下步骤进行:建立攻防博弈模型;攻击者选择攻击策略;防御者观察到攻击策略,攻防双方计算收益;精炼贝叶斯均衡求解得出最优防御策略。其中建立攻防博弈模型的步骤还包括:定义攻防博弈模型;定义攻防收益量化。防御者观察到攻击策略,攻防双方计算收益步骤包括:防御者根据观察到的攻击策略计算后验概率;攻防双方计算各自收益。针对IDS可能发生误判、错判等情况,考虑防御策略风险收益,使收益量化更加准确,进而选取最优的防御策略。
Description
技术领域
本文主要研究移动目标防御系统最优防御策略,是基于博弈论的 移动目标防御最优防御策略选取的方法,应属于网络安全、信息安全 领域。
背景技术
现有的移动目标防御最优策略选取大都基于不完全信息动态博 弈建立攻防博弈模型但没有考虑入侵检测系统可能对攻击策略发生 误判、错判等情况,因此本文基于不完全信息动态博弈建立模型且考 虑IDS发生误判、错判时,防御者采取的防御策略对系统带来的风险, 引入最小风险的贝叶斯决策思想,定义了防御者的风险收益,利用精 炼贝叶斯均衡,防御者通过对攻击策略分析推断攻击者类型并修正先 验推断值,进而选取最优防御策略。
发明内容
本发明针对移动目标防御系统中选取最优防御策略问题,公开一 种能够在入侵检测系统发生误判、错判时仍能选出最优防御策略的方 法。
为实现以上的技术目的,本发明将采取以下的技术方案:一种基 于博弈论的移动目标防御最优防御策略选取的方法,按照如下步骤进 行:
步骤(1)建立攻防博弈模型;
步骤(2)攻击者选择攻击策略;
步骤(3)防御者观察到攻击策略,攻防双方计算收益;
步骤(4)精炼贝叶斯均衡求解得出最优防御策略;
其中步骤(1)包括如下步骤:步骤A定义攻防博弈模型;步骤 B定义攻防收益量化;
步骤(3)包括如下步骤:步骤I防御者根据观察到的攻击策略 计算后验概率;步骤II攻防双方计算各自收益。
本发明进一步限定的技术方案为:
进一步的,步骤A具体为:基于不完全信息动态博弈建立博弈模 型,模型使用八元组描述。分别对应博弈参与者、参 与者的类型空间、攻击策略集、防御策略集、先验概率集合、后验概 率集合、收益函数集合。
进一步的,步骤B具体为:定义攻击成本AC;防御成本DC,由 防御者转移攻击面成本ASSC、负面影响成本NC、和攻击识别成本AIC 三部分组成;系统损失代价SLC,表示某类攻击对目标资源的损害程 度。通常使用目标资源重要程度Criticality、攻击致命度AL和安全属性损害SAD进行描述;IDS误判率Pnk,Pnk为将攻击策略aw误判 为aj的概率集合;因此我们可以得到误判概率矩阵E(P)
误判损失函数λ(θi,dh),表示当攻击类型为θi,采取防御策略 为dh时的所带来的损失,可以用防御损失矩阵E(d)表示,记为
防御策略风险DSR为防御者采取防御策略时给系统带来的风险, 计算公式为:
综合以上定义可得攻击者收益计算公式为:
Ua(θi,aj,dh)=SLC(aj)+DC(dh,θi)-AC(aj,θi)
防御者收益计算公式为:Ud(aj,dh,θi)=SLC(aj)+AC(aj,θi)- DCh-DSR(θi,aj,dh)
进一步的,步骤I具体为:防御者根据观察到的攻击策略计算 后验概率,根据贝叶斯法则计算后验概率,后验概率计算公式为:
进一步的,步骤II具体为:攻防双方计算各自收益,攻击者收 益计算公式为:Ua(θi,aj,dh)=SLC(aj)+DC(dh,θi)-AC(aj, θi)
防御者收益计算公式为:
Ud(aj,dh,θi)=SLC(aj)+AC(aj,θi)-DCh-DSR(θi,aj,dh) 通过攻防收益公式可计算出第一阶段的博弈树。
进一步的,步骤(4)具体为根据观察到的攻击策略,以及步骤 (3)中的攻防双方收益的计算,使用精炼贝叶斯均衡求解该博弈, 分别可能有混同均衡和分离均衡两种解。防御者推断最优防御策略 d*(aj),即通过计算
攻击者推断最优攻击策略a*(θ),攻击者θ预见到防御者会观察 到自己的攻击策略a的基础上,选择最优策略d*(a),故选择最优攻 击策略a*(θ),使自己的博弈收益期望Ua取最大值,即通过计算
a*(θ)∈max Ua(a,d*(a),θ)
精炼贝叶斯均衡求解(a*(θ),d*(a),),针对不同的 攻击策略,由于将入侵检测系统可能发生误判、错判的情况,对防御 者收益量化进行了改进,更加符合实际情况,那么选取均衡解中的防 御策略即为最优防御策略。
本发明有益效果如下:
在大多移动目标防御系统均使用IDS进行攻击行为检测且IDS可 能会发生误判、错判的情况最终导致系统做出错误的防御策略的背景 下,本发明对现有的攻防模型收益量化进行改进,将系统误判、错判 情况下的收益考虑在内,更加符合实际网络情况,能保证系统在误判、 错判时仍能选择最优的防御策略。
附图说明
图1是本发明所述方法的流程框图。
图2是本发明建立攻防博弈模型流程框图。
图3是本发明攻击者选择攻击策略流程框图。
图4是本发明所述攻防收益量化流程框图。
图5是本发明所述防御策略决策的流程框图。
具体实施方式
下面结合附图对本发明作进一步描述。
参照图1,一种基于博弈论的移动目标防御最优防御策略选取的 方法,包括以下步骤:
步骤1.建立攻防博弈模型,参照图2;
1.1定义攻防博弈模型,基于不完全信息动态博弈建立博弈模型, 模型使用八元组描述。分别对应博弈参与者、参与者 的类型空间、攻击策略集、防御策略集、先验概率集合、后验概率集 合、收益函数集合。
1.2定义攻防收益量化,定义攻击成本AC;防御成本DC;系统 损失代价SLC;IDS误判率Pnk,Pnk为将攻击策略aw误判为aj的概率 集合;误判损失函数λ(θi,dh),表示当攻击类型为θi,采取防御策略 为dh时的所带来的损失;防御策略风险DSR为防御者采取防御策略 时给系统带来的风险;综合以上定义可得攻击者收益计算公式为: Ua(θi,aj,dh)=SLC(aj)+DC(dh,θi)-AC(aj,θi),防御者收益 计算公式为:Ud(aj,dh,θi)=SLC(aj)+AC(aj,θi)-DCh- DSR(θi,aj,dh)
步骤2攻击者选择攻击策略,参照图3;
2.1“自然”按一定的概率从攻击者Na的类型空间Θn中选择一个 类型θi,攻击者Na知道θi,防御者Nd不知道,但防御者Nd拥有对θi的推断,即防御者知道攻击类型的先验概率。
2.2攻击者Na在观察到θi后从其策略空间A中选择一条攻击策 略aw
步骤3防御者观察到攻击策略,攻防双方计算收益,参照图4;
3.1防御者根据观察到的攻击策略计算后验概率,根据贝叶斯法 则计算后验概率
3.2攻防双方计算各自收益,攻击者收益计算公式为:
Ua(θi,aj,dh)=SLC(aj)+DC(dh,θi)-AC(aj,θi);
防御者收益计算公式为:
Ud(aj,dh,θi)=SLC(aj)+AC(aj,θi)-DCh-DSR(θi,aj,dh);
通过攻防收益公式可计算出第一阶段的博弈树。
步骤4精炼贝叶斯均衡求解得出最优防御策略,参照图5
防御者推断最优防御策略d*(aj),即通过计算
攻击者推断最优攻击策略a*(θ),攻击者θ预见到防御者会观察 到自己的攻击策略a的基础上,选择最优策略d*(a),故选择最优攻 击策略a*(θ),使自己的博弈收益期望Ua取最大值,即通过计算
a*(θ)∈ max Ua(a,d*(a),θ)
精炼贝叶斯均衡求解(a*(θ),d*(a),),针对不同的 攻击策略,由于将入侵检测系统可能发生误判、错判的情况,对防御 者收益量化进行了改进,更加符合实际情况,那么选取均衡解中的防 御策略即为最优防。
图1是本发明所述方法的流程框图,首先建立攻防博弈模型,定 义模型内各个参数,随后在系统中攻击者发动攻击,防御者根据观察 到的攻击策略,计算收益,通过精炼贝叶斯求解选择最优防御策略。
图2是本发明建立攻防博弈模型流程框图。首先基于不完全信息 动态博弈建立博弈模型,模型使用八元组描述。分别 对应博弈参与者、参与者的类型空间、攻击策略集、防御策略集、先 验概率集合、后验概率集合、收益函数集合;随后进行模型参数初始 化。
图3是本发明攻击者选择攻击策略流程框图。引入“自然”参与 人,首先“自然”选择攻击类型,攻击者观察到攻击类型并选择具体 的攻击策略。
图4是本发明所述攻防收益量化流程框图。防御者在观察到攻击 策略后,防御者根据攻击策略计算后验概率,并计算此攻击策略下的 防御策略风险收益,最终得到防御者收益。
图5是本发明所述防御策略决策的流程框图。由上图得攻防收益 后推断各自最优策略,最后由精炼贝叶斯均衡求解得出最优解。 御策略。
Claims (3)
1.一种基于博弈论的移动目标防御最优防御策略选取的方法,其特征在于包括如下步骤:
步骤(1)建立攻防博弈模型;
步骤(2)攻击者选择攻击策略;
步骤(3)防御者观察到攻击策略,攻防双方计算收益;
步骤(4)精炼贝叶斯均衡求解得出最优防御策略;
步骤(1)包括如下步骤:
1-1.定义攻防博弈模型;
1-2.定义攻防收益量化;
步骤1-1具体为:基于不完全信息动态博弈建立博弈模型,模型使用八元组描述,八元组分别对应博弈参与者、参与者的类型空间、攻击策略集、防御策略集、先验概率集合、后验概率集合、收益函数集合。
步骤1-2具体为:定义攻击成本AC、防御成本DC、系统损失代价SLC、IDS误判率Pnk,Pnk为将攻击策略aw误判为aj的概率集合;误判损失函数λ(θi,dh)表示当攻击类型为θi采取防御策略为dh时的所带来的损失;防御策略风险DSR为防御者采取防御策略时给系统带来的风险;综合以上定义可得攻击者收益计算公式为:
Ua(θi,aj,dh)=SLC(aj)+DC(dh,θi)-AC(aj,θi)
防御者收益计算公式为:
Ud(aj,dh,θi)=SLC(aj)+AC(aj,θi)-DCh-DSR(θi,aj,dh)。
2.根据权利要求1所述的基于博弈论的移动目标防御最优防御策略选取的方法,其特征在于步骤(3)包括如下步骤:
3-1.防御者根据观察到的攻击策略计算后验概率;
3-2.攻防双方计算各自收益。
步骤3-1具体为:防御者根据观察到的攻击策略计算后验概率,根据贝叶斯法则计算后验概率,后验概率计算公式为:
步骤3-2具体为:攻防双方计算各自收益;
攻击者收益计算公式为:
Ua(θi,aj,dh)=SLC(aj)+DC(dh,θi)-AC(aj,θi)
防御者收益计算公式为:
Ud(aj,dh,θi)=SLC(aj)+AC(aj,θi)-DCh-DSR(θi,aj,dh)
通过攻防收益公式可计算出第一阶段的博弈树。
3.根据权利要求2所述的基于博弈论的移动目标防御最优防御策略选取的方法,其特征在于步骤(4)根据步骤(3)中的攻防博弈树,通过精炼贝叶斯均衡求解得出最优防御策略,分别包含混同均衡解和分离均衡解,防御者推断最优防御策略d*(aj),即通过计算:
攻击者推断最优攻击策略a*(θ),攻击者θ预见到防御者会观察到自己的攻击策略a的基础上,选择最优策略d*(a),故选择最优攻击策略a*(θ),使自己的博弈收益期望Ua取最大值,即通过计算
a*(θ)∈max Ua(a,d*(a),θ)
精炼贝叶斯均衡求解,针对不同的攻击策略,均选择使自己收益最大化的策略,那么均衡解中的防御策略即为最优防御策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811426730.2A CN109617863B (zh) | 2018-11-27 | 2018-11-27 | 一种基于博弈论的移动目标防御最优防御策略选取的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811426730.2A CN109617863B (zh) | 2018-11-27 | 2018-11-27 | 一种基于博弈论的移动目标防御最优防御策略选取的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109617863A true CN109617863A (zh) | 2019-04-12 |
CN109617863B CN109617863B (zh) | 2020-02-18 |
Family
ID=66004817
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811426730.2A Active CN109617863B (zh) | 2018-11-27 | 2018-11-27 | 一种基于博弈论的移动目标防御最优防御策略选取的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109617863B (zh) |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110087194A (zh) * | 2019-04-25 | 2019-08-02 | 东华大学 | 车联网中基于博弈的位置数据中毒攻击原型系统 |
CN110166437A (zh) * | 2019-04-19 | 2019-08-23 | 杭州电子科技大学 | 基于ds证据推理的移动目标防御最优策略选取的方法 |
CN110398981A (zh) * | 2019-06-20 | 2019-11-01 | 合肥工业大学 | 无人机编队任务分配的策略空间裁剪方法及系统 |
CN111092912A (zh) * | 2019-12-31 | 2020-05-01 | 中国银行股份有限公司 | 安全防御方法及装置 |
CN111385288A (zh) * | 2020-02-20 | 2020-07-07 | 中国人民解放军战略支援部队信息工程大学 | 基于隐蔽对抗的移动目标防御时机选取方法及装置 |
CN112261016A (zh) * | 2020-10-12 | 2021-01-22 | 国网甘肃省电力公司电力科学研究院 | 一种攻击场景下的电网防护方法 |
CN112989357A (zh) * | 2021-03-09 | 2021-06-18 | 中国人民解放军空军工程大学 | 基于信号博弈模型的多阶段平台动态防御方法 |
CN113132405A (zh) * | 2021-04-29 | 2021-07-16 | 湖南大学 | 一种用于工业控制系统的防御策略生成方法和系统 |
CN113129166A (zh) * | 2021-04-22 | 2021-07-16 | 国网湖南省电力有限公司 | 一种电网风险计算方法及装置 |
CN113315763A (zh) * | 2021-05-21 | 2021-08-27 | 中国人民解放军空军工程大学 | 基于异质群体演化博弈的网络安全防御方法 |
CN113935621A (zh) * | 2021-10-14 | 2022-01-14 | 哈尔滨工业大学 | 一种安保巡逻资源部署方法及系统 |
CN114024738A (zh) * | 2021-11-03 | 2022-02-08 | 哈尔滨理工大学 | 一种基于多阶段攻防信号的网络防御方法 |
CN114157446A (zh) * | 2021-10-15 | 2022-03-08 | 西安交通大学 | 抵抗骨干链路DDoS攻击的方法、系统、设备及可读存储介质 |
CN114553489A (zh) * | 2022-01-24 | 2022-05-27 | 北京北卡星科技有限公司 | 一种基于多目标优化算法的工业控制系统安全防护方法及装置 |
CN115174173A (zh) * | 2022-06-23 | 2022-10-11 | 华中科技大学 | 一种云环境下工业信息物理系统的全局安全博弈决策方法 |
CN115296830A (zh) * | 2022-05-27 | 2022-11-04 | 南京邮电大学 | 基于博弈论的网络协同攻击建模和危害定量分析方法 |
CN115510639A (zh) * | 2022-09-21 | 2022-12-23 | 河海大学 | 一种基于多移动防御资源和移动目标的新型变电站安全保护方法 |
CN117439794A (zh) * | 2023-11-09 | 2024-01-23 | 浙江大学 | 一种针对不确定性攻击的cpps最优防御策略博弈方法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101420442A (zh) * | 2008-12-11 | 2009-04-29 | 北京航空航天大学 | 基于博弈理论的网络安全风险评估系统 |
CN101547185A (zh) * | 2008-03-27 | 2009-09-30 | 中兴通讯股份有限公司 | 一种移动网中防止移动终端间互相攻击的方法及系统 |
CN101599961A (zh) * | 2009-06-10 | 2009-12-09 | 南京邮电大学 | 针对最优链路状态路由协议的特定攻击及其防御方法 |
CN101808020A (zh) * | 2010-04-19 | 2010-08-18 | 吉林大学 | 基于不完全信息动态博弈的入侵响应决策方法 |
CN102111384A (zh) * | 2009-12-28 | 2011-06-29 | 北京安码科技有限公司 | 博弈树安全自动响应方法及其装置 |
CN103152345A (zh) * | 2013-03-07 | 2013-06-12 | 南京理工大学常熟研究院有限公司 | 一种攻防博弈的网络安全最优攻防决策方法 |
CN103618731A (zh) * | 2013-12-05 | 2014-03-05 | 北京工业大学 | 一种基于动态博弈的访问控制方法 |
CN103702324A (zh) * | 2013-12-26 | 2014-04-02 | 天津大学 | 一种保障物理层安全的协作通信联盟结构优化方法 |
US8863293B2 (en) * | 2012-05-23 | 2014-10-14 | International Business Machines Corporation | Predicting attacks based on probabilistic game-theory |
CN107135224A (zh) * | 2017-05-12 | 2017-09-05 | 中国人民解放军信息工程大学 | 基于Markov演化博弈的网络防御策略选取方法及其装置 |
-
2018
- 2018-11-27 CN CN201811426730.2A patent/CN109617863B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101547185A (zh) * | 2008-03-27 | 2009-09-30 | 中兴通讯股份有限公司 | 一种移动网中防止移动终端间互相攻击的方法及系统 |
CN101420442A (zh) * | 2008-12-11 | 2009-04-29 | 北京航空航天大学 | 基于博弈理论的网络安全风险评估系统 |
CN101599961A (zh) * | 2009-06-10 | 2009-12-09 | 南京邮电大学 | 针对最优链路状态路由协议的特定攻击及其防御方法 |
CN102111384A (zh) * | 2009-12-28 | 2011-06-29 | 北京安码科技有限公司 | 博弈树安全自动响应方法及其装置 |
CN101808020A (zh) * | 2010-04-19 | 2010-08-18 | 吉林大学 | 基于不完全信息动态博弈的入侵响应决策方法 |
US8863293B2 (en) * | 2012-05-23 | 2014-10-14 | International Business Machines Corporation | Predicting attacks based on probabilistic game-theory |
CN103152345A (zh) * | 2013-03-07 | 2013-06-12 | 南京理工大学常熟研究院有限公司 | 一种攻防博弈的网络安全最优攻防决策方法 |
CN103618731A (zh) * | 2013-12-05 | 2014-03-05 | 北京工业大学 | 一种基于动态博弈的访问控制方法 |
CN103702324A (zh) * | 2013-12-26 | 2014-04-02 | 天津大学 | 一种保障物理层安全的协作通信联盟结构优化方法 |
CN107135224A (zh) * | 2017-05-12 | 2017-09-05 | 中国人民解放军信息工程大学 | 基于Markov演化博弈的网络防御策略选取方法及其装置 |
Cited By (28)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110166437A (zh) * | 2019-04-19 | 2019-08-23 | 杭州电子科技大学 | 基于ds证据推理的移动目标防御最优策略选取的方法 |
CN110087194B (zh) * | 2019-04-25 | 2021-05-11 | 东华大学 | 车联网中基于博弈的位置数据中毒攻击原型系统 |
CN110087194A (zh) * | 2019-04-25 | 2019-08-02 | 东华大学 | 车联网中基于博弈的位置数据中毒攻击原型系统 |
CN110398981A (zh) * | 2019-06-20 | 2019-11-01 | 合肥工业大学 | 无人机编队任务分配的策略空间裁剪方法及系统 |
CN110398981B (zh) * | 2019-06-20 | 2022-11-15 | 合肥工业大学 | 无人机编队任务分配的策略空间裁剪方法及系统 |
CN111092912B (zh) * | 2019-12-31 | 2022-12-23 | 中国银行股份有限公司 | 安全防御方法及装置 |
CN111092912A (zh) * | 2019-12-31 | 2020-05-01 | 中国银行股份有限公司 | 安全防御方法及装置 |
CN111385288A (zh) * | 2020-02-20 | 2020-07-07 | 中国人民解放军战略支援部队信息工程大学 | 基于隐蔽对抗的移动目标防御时机选取方法及装置 |
CN112261016A (zh) * | 2020-10-12 | 2021-01-22 | 国网甘肃省电力公司电力科学研究院 | 一种攻击场景下的电网防护方法 |
CN112989357A (zh) * | 2021-03-09 | 2021-06-18 | 中国人民解放军空军工程大学 | 基于信号博弈模型的多阶段平台动态防御方法 |
CN113129166A (zh) * | 2021-04-22 | 2021-07-16 | 国网湖南省电力有限公司 | 一种电网风险计算方法及装置 |
CN113132405A (zh) * | 2021-04-29 | 2021-07-16 | 湖南大学 | 一种用于工业控制系统的防御策略生成方法和系统 |
CN113132405B (zh) * | 2021-04-29 | 2021-12-31 | 湖南大学 | 一种用于工业控制系统的防御策略生成方法和系统 |
CN113315763A (zh) * | 2021-05-21 | 2021-08-27 | 中国人民解放军空军工程大学 | 基于异质群体演化博弈的网络安全防御方法 |
CN113315763B (zh) * | 2021-05-21 | 2022-12-09 | 中国人民解放军空军工程大学 | 基于异质群体演化博弈的网络安全防御方法 |
CN113935621A (zh) * | 2021-10-14 | 2022-01-14 | 哈尔滨工业大学 | 一种安保巡逻资源部署方法及系统 |
CN114157446A (zh) * | 2021-10-15 | 2022-03-08 | 西安交通大学 | 抵抗骨干链路DDoS攻击的方法、系统、设备及可读存储介质 |
CN114024738A (zh) * | 2021-11-03 | 2022-02-08 | 哈尔滨理工大学 | 一种基于多阶段攻防信号的网络防御方法 |
CN114553489A (zh) * | 2022-01-24 | 2022-05-27 | 北京北卡星科技有限公司 | 一种基于多目标优化算法的工业控制系统安全防护方法及装置 |
CN114553489B (zh) * | 2022-01-24 | 2023-05-26 | 北京北卡星科技有限公司 | 一种基于多目标优化算法的工业控制系统安全防护方法及装置 |
CN115296830A (zh) * | 2022-05-27 | 2022-11-04 | 南京邮电大学 | 基于博弈论的网络协同攻击建模和危害定量分析方法 |
CN115296830B (zh) * | 2022-05-27 | 2024-02-13 | 南京邮电大学 | 基于博弈论的网络协同攻击建模和危害定量分析方法 |
CN115174173A (zh) * | 2022-06-23 | 2022-10-11 | 华中科技大学 | 一种云环境下工业信息物理系统的全局安全博弈决策方法 |
CN115174173B (zh) * | 2022-06-23 | 2024-05-14 | 华中科技大学 | 一种云环境下工业信息物理系统的全局安全博弈决策方法 |
CN115510639A (zh) * | 2022-09-21 | 2022-12-23 | 河海大学 | 一种基于多移动防御资源和移动目标的新型变电站安全保护方法 |
CN115510639B (zh) * | 2022-09-21 | 2023-05-16 | 河海大学 | 一种基于多移动防御资源和移动目标的新型变电站安全保护方法 |
CN117439794A (zh) * | 2023-11-09 | 2024-01-23 | 浙江大学 | 一种针对不确定性攻击的cpps最优防御策略博弈方法 |
CN117439794B (zh) * | 2023-11-09 | 2024-05-14 | 浙江大学 | 一种针对不确定性攻击的cpps最优防御策略博弈方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109617863B (zh) | 2020-02-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109617863A (zh) | 一种基于博弈论的移动目标防御最优防御策略选取的方法 | |
Nguyen et al. | Analyzing the effectiveness of adversary modeling in security games | |
CN110099045B (zh) | 基于定性微分博弈和演化博弈的网络安全威胁预警方法及装置 | |
CN111784135B (zh) | 基于超网络和ooda环理论的体系作战能力量化分析方法 | |
CN108898010A (zh) | 一种建立面向恶意代码防御的攻防随机博弈模型的方法 | |
CN108696534B (zh) | 实时网络安全威胁预警分析方法及其装置 | |
CN110460572A (zh) | 基于Markov信号博弈的移动目标防御策略选取方法及设备 | |
WO2019136850A1 (zh) | 风险行为识别方法、存储介质、设备及系统 | |
CN110166437A (zh) | 基于ds证据推理的移动目标防御最优策略选取的方法 | |
CN110210335A (zh) | 一种行人重识别学习模型的训练方法、系统和装置 | |
CN113467928A (zh) | 基于区块链去中心化的联邦学习成员推理攻击防御方法和装置 | |
CN112487431B (zh) | 基于非完全信息的入侵检测系统最优稳态策略求解方法 | |
CN108540329A (zh) | 基于两层贝叶斯网络模型的网络安全推断方法 | |
CN105933316A (zh) | 网络安全级别的确定方法和装置 | |
CN110417733A (zh) | 基于qbd攻防随机演化博弈模型的攻击预测方法、装置及系统 | |
CN117272306A (zh) | 基于交替最小化的联邦学习半目标投毒攻击方法及系统 | |
CN108961209A (zh) | 行人图像质量评价方法、电子设备及计算机可读介质 | |
Liu et al. | AGRM: attention-based graph representation model for telecom fraud detection | |
CN109657268A (zh) | 一种基于特征值的不确定网络中免疫策略设计方法 | |
CN112600794A (zh) | 一种联合深度学习中检测gan攻击的方法 | |
CN108900909B (zh) | 作弊用户的判断方法、相关存储介质和电子设备 | |
CN114024738A (zh) | 一种基于多阶段攻防信号的网络防御方法 | |
CN106651564B (zh) | 一种目标客户获取方法及系统 | |
CN103812696A (zh) | 一种基于混合蛙跳算法的物联网节点信誉评估方法 | |
CN111294239B (zh) | 一种确定网络关系稳定度、互联网业务推荐方法和设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |