The Road Towards Autonomous Cybersecurity Agents: Remedies for Simulation Environments

DRAŠAR, Martin; Ádám RUMAN; Pavel ČELEDA a Shanchieh Jay YANG. The Road Towards Autonomous Cybersecurity Agents: Remedies for Simulation Environments. Online. In Sokratis Katsikas et al. COMPUTER SECURITY. ESORICS 2023 INTERNATIONAL WORKSHOPS, CPS4CIP, PT II. BERLIN: Springer Nature Switzerland AG, 2024, s. 738-749. ISBN 978-3-031-54128-5. Dostupné z: https://doi.org/10.1007/978-3-031-54129-2_43.

Základní údaje

Originální název

The Road Towards Autonomous Cybersecurity Agents: Remedies for Simulation Environments

Autoři

DRAŠAR, Martin ORCID; Ádám RUMAN; Pavel ČELEDA ORCID a Shanchieh Jay YANG

Vydání

BERLIN, COMPUTER SECURITY. ESORICS 2023 INTERNATIONAL WORKSHOPS, CPS4CIP, PT II, od s. 738-749, 12 s. 2024

Nakladatel

Springer Nature Switzerland AG

---

Další údaje

Jazyk

angličtina

Typ výsledku

Stať ve sborníku

Obor

10201 Computer sciences, information science, bioinformatics

Stát vydavatele

Německo

Utajení

není předmětem státního či obchodního tajemství

Forma vydání

elektronická verze "online"

Impakt faktor

Impact factor: 0.402 v roce 2005

Označené pro přenos do RIV

Ano

Kód RIV

RIV/00216224:14330/24:00135174

Organizační jednotka

Fakulta informatiky

ISBN

978-3-031-54128-5

ISSN

DOI

https://doi.org/10.1007/978-3-031-54129-2_43

UT WoS

001212380000033

EID Scopus

2-s2.0-85188723223

Klíčová slova anglicky

simulation environments; autonomous decision-making; cybersecurity

Štítky

rivok

Příznaky

Mezinárodní význam, Recenzováno

---

Anotace

V originále

One of the fundamental challenges in developing autonomous cybersecurity agents (AICA) is providing them with appropriate training environments for skills acquisition and evaluation. Current reinforcement learning (RL) algorithms rely on myriads of training runs to instill proper behavior, and this is reasonably achievable only within a simulated environment. In this paper, we explore the topic of simulation models and environments for RL and present an assessment framework to compare simulation models designed for simulating cyberattack scenarios. We examine four existing simulation tools, including a new one by the authors of the paper, and discuss their properties, particularly in terms of deployability, to support RL-based AICA. In the example of complex scenarios, we compare the two most sophisticated simulation tools and discuss their strengths.

---

Návaznosti

MUNI/A/1389/2022, interní kód MU

Název: Aplikovaný výzkum na FI: Bezpečnost počítačových systémů, softwarových architektur kritických infrastruktur s forenzními aspekty, zpracování dat pokročilých sensorů a algoritmy plánování v dopravě a logistice Investor: Masarykova univerzita, Aplikovaný výzkum na FI: Bezpečnost počítačových systémů, softwarových architektur kritických infrastruktur s forenzními aspekty, zpracování dat pokročilých sensorů a algoritmy plánování v dopravě a logistice

VJ02010020, projekt VaV

Název: AI-Dojo: Multiagentní testbed pro výzkum a testování umělé inteligence v kyberbezpečnosti (Akronym: AI-Dojo) Investor: Ministerstvo vnitra ČR, AI-Dojo: Multiagentní testbed pro výzkum a testování umělé inteligence v kyberbezpečnosti

Přiložené soubory

2023_ESORICS-SECAI_The_Road_Towards_Autonomous_Cybersecurity_Agents_Remedies_for_Simulation_Environments-full_version.pdf

2023_ESORICS-SECAI_The_Road_Towards_Autonomous_Cybersecurity_Agents_Remedies_for_Simulation_Environments-presentation.pdf

Práva souboru pro čtení

×