| 基于深度强化学习的智能化渗透测试路径发现 |
| |
| 引用本文： | 周仕承,刘京菊,钟晓峰,卢灿举. 基于深度强化学习的智能化渗透测试路径发现[J]. 计算机科学, 2021, 48(7): 40-46. DOI: 10.11896/jsjkx.210400057 |
| |
| 作者姓名： | 周仕承 刘京菊 钟晓峰 卢灿举 |
| |
| 作者单位： | 国防科技大学电子对抗学院 合肥 230037;网络空间安全态势感知与评估安徽省重点实验室 合肥 230037 |
| |
| 摘 要： | ![]()
渗透测试是通过模拟黑客攻击的方式对网络进行安全测试的通用方法,传统渗透测试方式主要依赖人工进行,具有较高的时间成本和人力成本.智能化渗透测试是未来的发展方向,旨在更加高效、低成本地进行网络安全防护,渗透测试路径发现是智能化渗透测试研究的关键问题,目的是及时发现网络中的脆弱节点以及攻击者可能的渗透路径,从而做到有针对性的...
|
| 关 键 词： | 网络安全 深度强化学习 渗透测试 路径发现 DQN算法 |
Intelligent Penetration Testing Path Discovery Based on Deep Reinforcement Learning |
| |
| ZHOU Shi-cheng,LIU Jing-ju,ZHONG Xiao-feng,LU Can-ju. Intelligent Penetration Testing Path Discovery Based on Deep Reinforcement Learning[J]. Computer Science, 2021, 48(7): 40-46. DOI: 10.11896/jsjkx.210400057 |
| |
| Authors: | ZHOU Shi-cheng LIU Jing-ju ZHONG Xiao-feng LU Can-ju |
| |
| Abstract: | ![]()
|
| |
| Keywords: | |
| 本文献已被 万方数据 等数据库收录！ |
|
