[发明专利]基于演化网络博弈的最优防御策略选取方法

说明书

本发明属于网络安全领域，特别涉及一种基于演化网络博弈的最优防御策略选取方法，在实际网络攻防场景中，局中人的学习能力有限，仅能在有限范围内与群体中其他局中人进行交互，为此，本发明基于网络拓扑结构改进学习机制，根据局中人的学习范围建立学习对象集，采用费米函数计算向学习对象的策略的转移概率，利用随机噪声描述学习过程中非理性影响的程度，在此基础上，构建网络攻防演化网络博弈模型，分析攻防策略演化过程，求解演化网络博弈均衡，演化网络博弈模型更加符合网络攻防实际，具有较好的实践指导价值。

技术领域

本发明属于网络安全领域，特别涉及一种基于演化网络博弈的最优防御策略选取方法。

背景技术

当前，网络攻防呈现出斗争局势日益尖锐、对抗场景日趋复杂、技术手段日新月异等发展趋势。特别是随着网络攻击越来越自动化、智能化，其持续性和动态性程度逐步升高。基于特定规则和攻击特征匹配的静态防御策略，已无法有效应对频繁多发的网络攻击。网络安全是动态的而不是静态的，防御策略应随攻防进程推进而动态演化，因人、因时、因势而变，方能在资源、能力和偏好等约束条件下实现己方收益最大化。网络安全是相对的而不是绝对的，针对不同攻击场景选取不同等级的防御策略，使预期安全损失降到最低，已成为影响防御措施有效性的关键因素。

传统网络防御决策过程大多从防御方自身角度对策略进行对比分析，统筹优化得出最优防御策略，考虑攻击方策略影响因素较少，对网络攻防的对抗关系认识不足。实际上，网络安全的本质在对抗，攻防策略彼此制约和相互影响，须从攻防对抗角度研究防御策略选取问题。博弈论是研究决策主体间相互依存、相互竞争的理论工具，在目标对立、策略依存和关系非合作等本质特征上与网络攻防实际十分契合，已被部分学者应用于网络攻防行为分析和策略选取研究。基于经典博弈理论开展网络攻防建模分析的研究，按照博弈信息集、行动时序可划分为完全信息静态博弈、完全信息动态博弈、不完全信息静态博弈和不完全信息动态博弈4类。经典博弈理论一般假设局中人完全理性，具有无限的信息处理和计算能力，并且在决策过程不会出现失误、不受别人影响。然而在现实社会中该假设很难满足，攻防双方的理性都是有限而非完全的，这削弱了经典博弈模型的理论价值和指导作用。因此，需要针对现实中攻防双方具备有限理性的特征，构建有效的博弈模型以及分析方法。

发明内容

本发明的目的是提供一种基于演化网络博弈的最优防御策略选取方法，基于网络拓扑结构改进学习机制，根据局中人的学习范围建立学习对象集，采用费米函数计算向学习对象的策略的转移概率，利用随机噪声描述学习过程中非理性影响的程度，在此基础上，构建网络攻防演化网络博弈模型，分析攻防策略演化过程，求解演化网络博弈均衡，网络攻防演化网络博弈模型更加符合网络攻防实际，具有较好的实践指导价值。

为解决上述技术问题，本发明采用以下的技术方案：

本发明提供了一种基于演化网络博弈的最优防御策略选取方法，包含：

根据局中人的学习范围建立学习对象集，采用费米函数计算向学习对象的策略的转移概率，利用随机噪声描述学习过程中非理性影响的程度；

基于此，构建网络攻防演化网络博弈模型，分析攻防策略演化过程；

求解演化网络博弈均衡，防御方选取防御策略。

进一步地，学习对象节点共同组成局中人的学习对象集；所述学习对象节点为在局中人学习能力范围内，局中人能够与之交互并依据特定概率进行策略转移的节点。

进一步地，当局中人仅与学习对象节点交互，并在比较收益后以一定概率将自身策略向优势策略转移，则该学习过程采用费米函数表述：