恶意软件攻防控制策略

动态对抗可学习

基于分数阶传播模型与微分博弈，推导出攻防双方最优动态策略及纳什均衡，并通过两种AI方法学习逼近最优控制。

刘贵云 · Zulong, Peng · Tingting, Tan · 钟晓静 · 梁忠伟

Engineering Applications of Artificial Intelligence 2025

技术优势

刻画传播记忆

分数阶模型能描述恶意软件传播过程中的记忆与遗传特性，更贴合真实扩散动力学。

攻防策略可学习

模型法与无模型法两种AI方法可逼近最优控制策略，无需精确系统模型即可在线学习。

对抗动态适应

引入微分博弈刻画攻防交互，推导出的策略能根据环境动态调整，适用于对抗性场景。

应用场景

• 物联网安全：为水下物联网提供可动态调整的恶意软件防御策略，增强网络韧性。
• 水下通信：针对水下通信环境中的恶意软件传播，提供高保真建模与控制。
• 智能安全策略：用AI方法在线学习最优防御策略，减少对先验知识的依赖。
• 网络攻防：以微分博弈推导纳什均衡，为攻防双方提供理论最优行动方案。