Kim-Hammar/awesome-rl-for-cybersecurity

它解决了什么问题

本项目旨在解决寻找高质量、专业化环境和资源以训练及评估专门用于网络安全任务的强化学习 (RL) 智能体这一挑战。它过滤掉了通用的机器学习资源，专注于强化学习的应用。

它是如何工作的

它作为一个精选的仿真环境、研究论文、书籍、博客文章和演讲目录。所列出的环境提供了标准化的接口（通常与 OpenAI Gym/Gymnasium 兼容），允许研究人员模拟网络攻击、防御策略和恶意软件交互，使智能体能够在受控、安全的环境中通过试错进行学习。

目标受众

此列表专为网络安全研究人员、AI 从业者和学生设计，他们正在开发用于网络防御、自动化渗透测试和流量分类等任务的自主智能体。

亮点

• 全面收集了网络安全特定的 RL 环境，包括 CSLE、CybORG++ 和 Microsoft CyberBattleSim。
• 分类资源涵盖了学术论文、学位论文、实用博客文章和技术文档。
• 专注于强化学习，排除了通用的机器学习方法。
• 包含用于攻击（渗透测试）和防御（入侵响应）AI 研究的工具。