Kim-Hammar/awesome-rl-for-cybersecurity

해결하는 문제

이 프로젝트는 사이버 보안 작업을 위한 강화학습 (RL) 에이전트를 훈련하고 평가하는 데 필요한 고품질의 전문적인 환경과 리소스를 찾는 문제를 해결합니다. 일반적인 머신러닝 리소스를 제외하고 강화학습 애플리케이션에만 집중합니다.

작동 방식

시뮬레이션 환경, 연구 논문, 서적, 블로그 게시물 및 강연을 엄선한 디렉토리 역할을 합니다. 나열된 환경은 표준화된 인터페이스(종종 OpenAI Gym/Gymnasium과 호환됨)를 제공하여 연구자가 네트워크 공격, 방어 전략 및 악성 코드 상호 작용을 시뮬레이션할 수 있도록 하며, 에이전트가 통제되고 안전한 환경에서 시행착오를 통해 학습할 수 있게 합니다.

대상 사용자

이 목록은 네트워크 방어, 자동화된 모의 해킹, 트래픽 분류와 같은 작업을 위한 자율 에이전트를 개발하는 사이버 보안 연구원, AI 실무자 및 학생을 위해 설계되었습니다.

주요 특징

• CSLE, CybORG++, Microsoft CyberBattleSim을 포함한 사이버 보안 특화 RL 환경의 포괄적인 컬렉션.
• 학술 논문 및 학위 논문부터 실용적인 블로그 게시물 및 기술 문서까지 분류된 리소스.
• 일반적인 머신러닝 방법을 제외하고 강화학습에만 집중.
• 공격(모의 해킹) 및 방어(침입 대응) AI 연구를 위한 도구 포함.