microsoft/CyberBattleSim

해결하는 문제

CyberBattleSim은 컴퓨터 네트워크 내에서 자동화된 에이전트가 어떻게 상호 작용하는지 연구하기 위한 통제된 추상 환경을 제공합니다. 엔터프라이즈 네트워크 구조와 사이버 공격 시나리오를 시뮬레이션함으로써, 연구자들은 에이전트가 네트워크를 탐색하는 방법과 방어자가 위협을 완화하는 방법을 안전하고 비현실적인 환경에서 연구할 수 있습니다.

작동 방식

이 플랫폼은 OpenAI Gym과 호환되는 Python 기반 인터페이스를 사용하여 강화 학습 알고리즘을 사용할 수 있게 합니다. 시뮬레이션에는 취약점이 심어진 노드 네트워크가 포함됩니다. 공격자 에이전트는 이러한 취약점을 악용하여 네트워크의 소유권을 얻으려고 시도하고, 방어자 에이전트는 활동을 모니터링하고 손상된 노드를 재이미징하여 공격자를 축출하려고 시도합니다. 연구자는 사용자 정의 네트워크 토폴로지를 정의하고 목표에 도달하는 데 걸린 단계 수 또는 누적 보상에 따라 성능을 측정할 수 있습니다.

대상 사용자

이 플랫폼은 사이버 보안 맥락에서 강화 학습을 실험하는 데 관심이 있는 보안 연구자와 기계 학습 실무자를 위해 설계되었습니다. 특정 네트워크 구성에 대해 서로 다른 AI 에이전트를 벤치마킹하거나 자율 사이버 방어 전략의 진화를 연구하려는 사람들을 대상으로 합니다.

주요 특징

• 실제 시스템에 직접 적용되는 것을 방지하여 안전한 연구를 보장하는 고도로 추상화된 시뮬레이션.
• OpenAI Gym 인터페이스를 통한 강화 학습의 기본 지원.
• 다양한 네트워크 토폴로지에서 성능을 벤치마킹하기 위한 기본 에이전트 및 도구 포함.
• 사용자가 사용자 정의 취약점, 네트워크 레이아웃 및 방어자 동작을 정의할 수 있는 확장 가능한 아키텍처.