DDHRアーキテクチャにおける不完全情報下での記憶ベースAPT攻撃に対する耐性：エントロピー・ヘテロジニアティ・アウェアRLベースのスケジューリングアプローチ

科学分野:

• サイバーセキュリティ
• 人工知能
• 情報システム

背景:

• 人工技術の進歩は、記憶ベースの高度な持続的脅威（APT）攻撃を含む、洗練されたサイバー脅威をもたらしています。
• 鉄道旅客サービスシステム（RPSS）などの重要インフラストラクチャは、これらの進化する脅威と従来のセキュリティの制限により、重大なリスクに直面しています。
• RPSSクラウドセンターの二重層動的異種冗長性（DDHR）アーキテクチャは、冗長実行者スケジューリング時間の推定の課題や、そのような攻撃に対するインテリジェントな防御メカニズムの欠如を含む、特定の脆弱性を提示します。

研究 の 目的:

• RPSS DDHRアーキテクチャ内での記憶ベースAPT攻撃に対するインテリジェントな防御戦略の開発と、スケジューリング時間の正確な推定の課題に対処すること。
• DDHR冗長実行者の情報エントロピーを利用して、不完全情報下での防御者のペイオフを最適化する問題を設定すること。
• 洗練されたサイバー脅威に対するRPSSの回復力を強化する新しい防御スケジューリング手法を提案すること。

主な方法:

• DDHR冗長実行者の情報エントロピーを組み込み、攻撃者と防御者の行動をモデル化して、不完全情報下での防御者のペイオフを最適化するための問題定式化を開発しました。
• 不完全情報によるスケジューリング時間の決定の課題を克服するために、攻撃時間の推定方法を提案しました。
• DDHR冗長実行者の情報エントロピーとヘテロジニアティの定量化可能なメトリックでPPOアルゴリズムを強化した、Proximal Policy Optimization with Information Entropy and Heterogeneity（PPO_HE）アルゴリズムを導入しました。

主要な成果:

• PPO_HEアプローチは、既存の手法と比較して、サイバー攻撃に対抗する際のスケジューリング操作あたりの効率が優れていることを実証しました。
• 情報エントロピーの減衰量と速度を使用してアプローチを評価するための広範な実験が行われ、その有効性が確認されました。
• PPO_HEアプローチは、同一の初期情報エントロピー条件下で、記憶ベースの攻撃に対する最も長い耐性時間を提供しました。

結論:

• 提案されたPPO_HEアプローチは、RPSS DDHRアーキテクチャにおける高度なサイバー脅威に対する効果的かつインテリジェントな防御スケジューリング手法を提供します。
• 情報エントロピーとヘテロジニアティの統合は、重要情報システムにおけるサイバーセキュリティ防御を強化するための定量化可能なフレームワークを提供します。
• この研究は、進化する人工知能駆動型サイバーリスクに直面する重要インフラストラクチャのための、より堅牢で適応性の高いセキュリティソリューションの開発に貢献します。