[发明专利]一种基于进化博弈论的多阶段动态防御的方法

说明书

一种基于进化博弈论的多阶段动态防御的方法，在动态对抗网络中，选择最优防御策略是一个困难的问题。要解决这个问题，我们从攻击者和防御者双方的现实有限理性出发。首先，结合不完全信息博弈场景，建立贝叶斯攻防进化博弈模型。同时，将攻防双方的类型集和策略集的能力扩展到任意n，使他们拥有多层次的攻击/防御策略，也考虑到了防御信号的影响作用。攻防双方通过不断学习调整自己的策略。博弈过程经过多次迭代，最终达到动态均衡状态。通过计算攻防策略的成本/收益。得出最优防御策略。本发明能够选择出最优的安全防御策略，提高了防御决策的动态分析效率，增强了防御态势的预测能力。

技术领域

本发明涉及网络安全领域，具体涉及了一种在动态攻防过程中选择最优防御的方法。

背景技术

随着互联网的广泛应用，人们的生产和生活越来越离不开计算机。目前我们采用不断更新的网络技术来提高网络连接性，但同时我们也正在见证一个前所未有的网络攻击时代。确保数据、设备、网络和用户的机密性、完整性和可用性已经变得至关重要。

大多数网络安全研究的重点要么是针对特定的漏洞，要么是提出特定的防御算法来抵御定义明确的攻击方案。大多数的防御技术，都是静态被动防御，然而在面对网络中未知攻击、瞬时攻击时,无法有效地完成动态的安全保障。虽然这种网络安全研究很重要，但很少有人关注攻击者和防御者之间的动态交互。

大多数网络安全研究的重点要么是针对特定的漏洞，要么是提出特定的防御算法来抵御定义明确的攻击方案。大多数的防御技术，都是静态被动防御，然而在面对网络中未知攻击、瞬时攻击时,无法有效地完成动态的安全保障。虽然这种网络安全研究很重要，但很少有人关注攻击者和防御者之间的动态交互。

发明内容

为了解决背景技术中存在的问题，本发明的目的在于提供了一种基于进化博弈论的多阶段动态防御的方法。

本发明通过建立攻击者/防御者的模型，分析攻防活动的对抗和演变趋势。本发明还考虑到防御信号的影响。首先在单阶段博弈中，攻防双方都使用贝叶斯规则，根据环境信息和收集的信息选择最优决策，以达到精炼的贝叶斯均衡状态。但是，在信息不对称的前提下，由于参与者的安全知识和技能水平不同，由此产生的决策机制和收益也会不同。随着博弈阶段数量的增加，低收益的参与者会不断学习高收益参与者的策略，从而完善他们的决策机制。有了学习机制，攻守双方的活动继续处于多阶段状态，呈现出动态演化的趋势。基于有限理性和信息不对称的前提，构建了多阶段攻防信号演化博弈模型。通过建立演化博弈的复制者动力学方程，分析博弈参与者决策机制的演化，计算量化收益，求解演化均衡，有助于选择最优防御策略。

本发明采用的技术方案包括如下步骤：

（1）针对网络攻击过程中存在的信息不对称性，防御者释放虚假防御信号，从而影响攻击者对攻击策略的选取，使网络防御变被动为主动；

（2）建立不完全信息攻防进化博弈模型；

（3）攻防策略成本/收益量化

（4）最优策略选择算法求解。

所述步骤（1）具体为：

（1.1）初始阶段，防御信号最强，第二阶段攻防双方根据前一阶段的防守策略和现阶段的防守信号对防守者的类型做出判断，同时，策略选择的概率也会随着时间的推移在学习机制的影响下发生变化，经过多个阶段后，攻防双方在游戏的各个阶段重复上述过程，此时攻击者可以完全确定防御者的类型，即防御信号的作用消失，结果，不完全信息状态过渡到完全信息状态，攻防博弈达到动态平衡。

所述步骤（2）具体为：

（2.1）不完全信息攻防进化博弈模型用五元组来表示(N，T，S，K，U)。

所述步骤（3）具体为：

（3.1）在网络攻防博弈中,攻防双方的收益通常用收益向量表示。

所述步骤（4）具体为：