深度强化学习应用于网络安全威胁检测和保护的综述

Jun, 2022

深度强化学习应用于网络安全威胁检测和保护的综述

Deep Reinforcement Learning for Cybersecurity Threat Detection and Protection: A Review

Mohit Sewak, Sanjay K. Sahay, Hemant Rathore

TL;DR本文综述了深度强化学习在网络安全领域中的多种应用，尤其集中于网络威胁检测和终端保护。

Abstract

The cybersecurity threat landscape has lately become overly complex. Threat actors leverage weaknesses in the network and endpoint security in a very coordinated manner to perpetuate sophisticated attacks that could bring down the entire network and many critical hosts in the network.

cybersecurity deep reinforcement learning threat detection endpoint protection network security

发现论文，激发创造

深度强化学习在网络安全中的应用

本文综述了应用深度强化学习方法来解决网络安全领域中的复杂、动态和高维防御问题的 DRL 方法，并强调了 DRL 在网络物理系统，自主入侵检测和通过游戏模拟来应对网络攻击的策略防御方面的价值，同时也提出了对未来 DRL 网络安全研究发展的建议。

Jun, 2019

深度学习方法用于网络安全和入侵检测系统的综述

本文调查了应用于网络入侵检测的各种深度学习技术，并介绍了一个用于网络安全应用的深度学习框架。

Dec, 2020

深度学习在金融领域提升网络安全弹性与高级威胁检测

本研究使用深度学习进行高级威胁检测，提高金融行业的网络安全性，并且聚焦异常入侵检测技术的研究。

Feb, 2024

应对动态对抗性不确定性的网络系统防御中的深度强化学习

本文根据系统状态不确定性和攻防动态的特征，提出了一个数据驱动的 DRL 框架，学习上下文感知的防御措施，以动态适应不断变化的对抗行为，同时最大程度减少对网络系统运营的影响，在多阶段攻击和系统不确定性下，DRL 算法在积极的网络防御中具有很好的效果。

Feb, 2023

奖励塑造对于更快乐的自主网络安全代理的研究

研究论文探讨了奖励信号对深度强化学习算法训练自主网络防御代理的影响，研究了奖励信号的特性，结合惩罚和正向外部奖励进行训练，并评估了内在好奇心作为内部正向奖励机制的效果以及其在高级网络监控任务中的优势。

Oct, 2023

用多智 - Agent 强化学习从零开始学习网络防御策略

深度学习技术的最新进展为自主网络防御的设计提供了新的可能性，智能代理团队在计算机网络防御角色中可能揭示了保护网络和运动资产的有希望的途径，该研究对比了基于价值的独立学习和集中训练去中心化执行的合作多代理强化学习方法，表明这两种方法都优于简单的多代理启发式防御者，这项工作展示了合作多代理强化学习在学习有效的网络防御策略对抗不同威胁方面的能力。

Aug, 2023

深度强化学习简介

介绍了深度强化学习的模型、算法和技术，着重讨论与泛化相关的方面以及深度强化学习在实际应用中的使用。

Nov, 2018

对抗攻击与防御：一项调查

文章讨论了不同类型的威胁模型下的敌对攻击，以及近期对抗这些攻击的有效方法和挑战，以提高深度学习算法的鲁棒性。

Sep, 2018

深度强化学习教科书

本书提供了深度强化学习领域的全面概述，主要涵盖了建立领域基础，算法和应用，同时介绍了一些先进主题，如深度多智能体强化学习、深层次强化学习和深元学习；本书适用于人工智能的研究者、从业者和研究生，假定读者具有本科水平的计算机科学和人工智能理解，编程语言使用 Python。

Jan, 2022

利用可解释的强化学习进入自治网络防御

本文介绍了一种终端到终端的方法，用于研究攻击策略、设计防御代理并解释其运行。使用状态图可视化对抗行为，我们使用一组深入强化学习代理来训练不同任务部分并组织在浅层次结构中的防御模型，最终设计与之前工作相比性能有了实质性提高。最后，我们进行特征削弱和重要性研究来更好地研究我们代理的决策过程。

Jun, 2023