microsoft/CyberBattleSim

解决的问题

CyberBattleSim 提供了一个受控的抽象环境，用于研究自动化代理如何在计算机网络中交互。通过模拟企业网络结构和网络攻击场景，它使研究人员能够研究代理如何学习导航网络，以及防御者如何缓解威胁，所有这些都在一个安全、非真实世界的环境中进行。

工作原理

该平台使用基于 Python 的接口，兼容 OpenAI Gym，从而支持强化学习算法的使用。模拟包含一个带有植入漏洞的节点网络。攻击者代理尝试通过利用这些漏洞来获得网络的所有权，而防御者代理监控活动并尝试通过重新映像受损节点来驱逐攻击者。研究人员可以定义自定义网络拓扑，并根据达到目标所需的步数或累积奖励来衡量性能。

适用对象

该平台专为对在网络安全背景下尝试强化学习感兴趣的安全研究人员和机器学习从业者设计。它适用于那些希望针对特定网络配置对不同的 AI 代理进行基准测试，或研究自主网络防御策略演变的人。

亮点

• 高度抽象的模拟，防止直接应用于真实系统，确保研究安全。
• 通过 OpenAI Gym 接口原生支持强化学习。
• 包含基线代理和工具，用于在不同网络拓扑中评估性能。
• 可扩展的架构，允许用户定义自定义漏洞、网络布局和防御者行为。