PulseAugur
中
实时 04:01:25
English(EN) DeepStage: Learning Autonomous Defense Policies Against Multi-Stage APT Campaigns

DeepStage利用AI学习针对多阶段网络攻击的自主防御

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了DeepStage，一个利用深度强化学习来创建针对多阶段网络攻击的自主防御策略的新框架。该系统将企业环境建模为部分可观察的马尔可夫决策过程，并将主机和网络数据融合到溯源图中。DeepStage采用图神经网络和LSTM来估计攻击者阶段，指导一个分层代理选择监控、遏制和修复的最佳防御措施。 AI

影响 该框架可以增强针对复杂、多阶段网络威胁的自主防御能力。

排序理由 这是一篇详细介绍新的网络安全防御框架的研究论文。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

DeepStage利用AI学习针对多阶段网络攻击的自主防御

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Trung V. Phan, Tri Gia Nguyen, Thomas Bauschert ·

    DeepStage：学习针对多阶段APT攻击活动自主防御策略

    arXiv:2603.16969v2 Announce Type: replace-cross Abstract: This paper presents DeepStage, a deep reinforcement learning (DRL) framework for adaptive and stage-aware defense against Advanced Persistent Threats (APTs). The enterprise environment is formulated as a partially observab…

相关实体

相关话题