该项目侧重于从博弈论分析中开发算法,以便在调查限制条件下成功识别攻击者控制的基础设施,并达到或优于传统的实践状态。

在这个项目中,我们通过开发算法来应对寻找已经存在于网络中的对手的挑战,通过将威胁猎取建模为网络伪装游戏(CCG),一种在 "探测 "者(类似于威胁猎取者)和潜在的欺骗性 "目标"(类似于攻击者)之间进行的数学游戏。

我们将在模拟环境中测试这些算法,并使用从CCG分析和威胁猎取领域得出的指标评估成功与否。云遥测数据将被用来开发和验证猎杀算法,评估这些数据对威胁猎杀的充分性,并找出潜在的差距,反馈给供应商的要求和开放标准,使威胁猎杀在云原生环境中更加有效。

成为VIP会员查看完整内容
15

相关内容

人工智能在军事中可用于多项任务,例如目标识别、大数据处理、作战系统、网络安全、后勤运输、战争医疗、威胁和安全监测以及战斗模拟和训练。
【2023博士论文】《游戏和强化学习》北卡州立大学
专知会员服务
97+阅读 · 2023年1月27日
《美国防部对抗性机器学习》34页slides,卡内基梅隆大学
专知会员服务
64+阅读 · 2022年11月12日
斯坦福AI实验室机器学习编程新范式:弱监督
机器之心
12+阅读 · 2019年3月22日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
Arxiv
19+阅读 · 2022年10月6日
Arxiv
68+阅读 · 2022年9月7日
Arxiv
14+阅读 · 2020年12月17日
Arxiv
14+阅读 · 2019年11月26日
Arxiv
12+阅读 · 2019年2月26日
Arxiv
151+阅读 · 2017年8月1日
VIP会员
相关VIP内容
【2023博士论文】《游戏和强化学习》北卡州立大学
专知会员服务
97+阅读 · 2023年1月27日
《美国防部对抗性机器学习》34页slides,卡内基梅隆大学
专知会员服务
64+阅读 · 2022年11月12日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
5+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
微信扫码咨询专知VIP会员