多阶段平台动态防御的信号博弈模型及迁移策略

doi:10.3969/j.issn.1671-1122.2021.05.006

信息网络安全 ›› 2021, Vol. 21 ›› Issue (5): 48-57.doi: 10.3969/j.issn.1671-1122.2021.05.006

多阶段平台动态防御的信号博弈模型及迁移策略

王刚(), 王志屹, 张恩宁, 马润年

空军工程大学信息与导航学院,西安 710077

收稿日期:2021-01-05 出版日期:2021-05-10 发布日期:2021-06-22
通讯作者: 王刚 E-mail:wglxl@nudt.edu.cn
作者简介:王刚（1976—）,男,湖北,教授,博士,主要研究方向为网络安全、复杂网络建模与发展|王志屹（1996—）,男,安徽,硕士研究生,主要研究方向为博弈理论与网络安全|张恩宁（1998—）,男,辽宁,硕士研究生,主要研究方向为不完全信息博弈决策|马润年（1963—）,男,陕西,教授,博士,主要研究方向为图论与复杂网络建模及应用
基金资助:
国家自然科学基金(61703420)

Signal Game Model and Migration Strategies for Multi-stage Platform Dynamic Defense

WANG Gang(), WANG Zhiyi, ZHANG Enning, MA Runnian

Institute of Navigation and Communication, Air Force Engineering University, Xi’an, 710077, China

Received:2021-01-05 Online:2021-05-10 Published:2021-06-22
Contact: WANG Gang E-mail:wglxl@nudt.edu.cn

摘要/Abstract

摘要：

为提升攻防对抗中网络平台的信号识别能力和防御效果,文章提出多阶段平台动态防御的信号博弈模型和迁移策略。首先,从平台动态防御原理入手,分析平台动态防御的拓扑结构和博弈流程,构建了多阶段平台动态防御的信号博弈模型,并给出攻防收益参数定义,引入了探测度和检测因子,分析攻防双方获得的信息对下一阶段博弈的影响。其次,按照信号博弈流程,求解了多阶段均衡策略的精炼贝叶斯均衡,提出了多阶段平台动态防御最优迁移策略选取算法。最后,通过示例和仿真验证了所提模型和策略的有效性。

关键词: 平台动态防御, 信号博弈, 多阶段, 迁移策略

Abstract:

In order to improve the signal recognition ability and defense effect of network platform in attack defense confrontation, the signal game model and migration strategy of multi-stage platform dynamic defense are proposed. Firstly, starting from the principle of platform dynamic defense, this paper analyzes the topology structure and game flow of platform dynamic defense, constructs the signal game model of multi-stage platform dynamic defense, gives the definition of attack and defense revenue parameters, introduces detection and detection factors, and analyzes the impact of information obtained by both sides on the next stage of the game. Secondly, according to the signal game process, the refined Bayesian equilibrium solution method of multi-stage equilibrium strategy is demonstrated, and then the optimal migration strategy selection algorithm of multi-stage platform dynamic defense is proposed. Finally, the effectiveness of the proposed model and strategy is verified by examples and simulations.

Key words: platform dynamic defense, signal game, multi-stage, migration strategy

中图分类号:

TP309

王刚, 王志屹, 张恩宁, 马润年. 多阶段平台动态防御的信号博弈模型及迁移策略[J]. 信息网络安全, 2021, 21(5): 48-57.

WANG Gang, WANG Zhiyi, ZHANG Enning, MA Runnian. Signal Game Model and Migration Strategies for Multi-stage Platform Dynamic Defense[J]. Netinfo Security, 2021, 21(5): 48-57.

图/表 11

图1

图2

图3

图4

表1

表2

图5

图6

图7

图8

图9

参考文献 19

[1]	JAJODIA S, GHOSH A K, SWARUP V, et al. Moving Target Defense: Creating Asymmetric Uncertainty for Cyber Threats[M]. Berlin: Springer Ebooks, 2011.
[2]	LIU Jiang, ZHANG Hongqi, LIU Yi. Research on Optimal Selection of Moving Target Defense Policy Based on Dynamic Game with Incomplete Information[J]. Acta Electronica Sinica, 2018,46(1):82-89.
	刘江, 张红旗, 刘艺. 基于不完全信息动态博弈的动态目标防御最优策略选取研究[J]. 电子学报, 2018,46(1):82-89.
[3]	LIU Wenyan, HUO Shumin, CHEN Yang, et al. Analysis and Study of Cyber Attack Chain Model[J]. Journal on Communications, 2018,39(S2):88-94.
	刘文彦, 霍树民, 陈扬, 等. 网络攻击链模型分析及研究[J]. 通信学报, 2018,39(S2):88-94.
[4]	ZHANG Hengwei, HUANG Jianming. Network Defense Strategy Selection Method Based on Markov Evolutionary Game[J]. Acta Electronica Sinica 2018,46(6):1503-1509.
	张恒巍, 黄健明. 基于Markov演化博弈的网络防御策略选取方法[J]. 电子学报, 2018,46(6):1503-1509.
[5]	ZHEN Ni, LI Qianmu, LIU Gang. Game-model-based Network Security Risk Control[J]. Computer, 2018,51(4):28-38.
[6]	LIU Zhuotao, HAO Jin, HU YIH-CHUN, et al. Practical Proactive DDoS-attack Mitigation via Endpoint-driven In-network Traffic Control[J]. IEEE/ACM Transactions on Networking, 2018,26(4):1-14.
[7]	SONG Fei, ZHOU Yutong, WANG Yu, et al. Smart Collaborative Distribution for Privacy Enhancement in Moving Target Defense[J]. Information Sciences, 2019,479(4):593-606. doi: 10.1016/j.ins.2018.06.002 URL
[8]	TIAN Liqin, LIN Chuang. A Kind of Game-theoretic Control Mechanism of User Behavior Trust Based on Prediction in Trustworthy Network[J]. Chinese Journal of Computers, 2007,30(11):1930-1938.
	田立勤, 林闯. 可信网络中一种基于行为信任预测的博弈控制机制[J]. 计算机学报, 2007,30(11):1930-1938.
[9]	JIANG Wei. Research on Active Defense Based on Attack-defense Game Model[D]. Harbin: Harbin Institute of Technology, 2010.
	姜伟. 基于攻防博弈模型的主动防御关键技术研究[D]. 哈尔滨:哈尔滨工业大学, 2010.
[10]	ZHAO Qiang, DONG Jun. An Initiative Network Defence Strategy Based on Game Theory[J]. International Journal of Applied Decision Sciences, 2018,11(2):195-209. doi: 10.1504/IJADS.2018.090931 URL
[11]	TAN Jinglei, LEI Cheng, ZHANG Hongqi, et al. Optimal Strategy Selection Approach to Moving Target Defense Based on Markov Robust Game[J]. Computers & Security, 2019,85(8):63-76. doi: 10.1016/j.cose.2019.04.013 URL
[12]	ZHANG Hengwei, HUANG Shirui. Markov Differential Game Model and Its Application in Network Security[J]. Acta Electronica Sinica, 2019,47(3):606-612.
	张恒巍, 黄世锐. Markov微分博弈模型及其在网络安全中的应用[J]. 电子学报, 2019,47(3):606-612.
[13]	CHEN Zihan, CHENG Guang. Moving Target Defense Technology using Stackelberg-markov Asymmetrical Trilateral Game Model[J]. Journal on Computers, 2020,43(3):512-525. doi: 10.1093/comjnl/43.6.512 URL
	陈子涵, 程光. 基于Stackelberg-markov非对等三方博弈模型的移动目标防御技术[J]. 计算机学报, 2020,43(3):512-525.
[14]	WU Hao, WANG Wei, WEN Changyun, et al. Game Theoretical Security Detection Strategy for Networked Systems[J]. Information Sciences, 2018,453(7):346-363. doi: 10.1016/j.ins.2018.04.051 URL
[15]	ZHANG Hengwei, YANG Haopu. Defense Decision-making Method for Anti-apt Attack Based on Attack-defense Signaling Game[J]. Computer Engineering and Design, 2019,40(1):59-64.
	张恒巍, 杨豪璞. 基于攻防信号博弈的APT攻击防御决策方法[J]. 计算机工程与设计, 2019,40(1):59-64.
[16]	WANG Zengguang, LU Yu, LI Xi, et al. Optimal Defense Strategy Selection Based on the Static Bayesian Game[J]. Journal of XiDian University, 2019,46(5):55-61.
	王增光, 卢昱, 李玺, 等. 静态贝叶斯博弈最优防御策略选取方法[J]. 西安电子科技大学学报, 2019,46(5):55-61.
[17]	ZHANG Hengwei, LI Tao. Optimal Active Defense Based on Multi-stage Attack-Defense Signaling Game[J]. Acta Electronica Sinica, 2017,45(2):431-439.
	张恒巍, 李涛. 基于多阶段攻防信号博弈的最优主动防御[J]. 电子学报, 2017,45(2):431-439.
[18]	JIANG LYU, ZHANG Hengwei, WANG Jindong. Optimal Strategy Selection Method for Moving Target Defense Based on Signaling Game[J]. Journal on Communications 2019,40(6):128-137. doi: 10.1111/j.1460-2466.1990.tb02266.x URL
	蒋侣, 张恒巍, 王晋东. 基于信号博弈的移动目标防御最优策略选取方法[J]. 通信学报, 2019,40(6):128-137.
[19]	WANG Zhiyi, WANG Gang, CHEN Tongrui, et al. Platform Dynamic Defense Evolution Game Model and State Migration Strategy[J]. Journal of Air Force Engineering University(Natural Science Edition), 2020,21(3):85-92+98.
	王志屹, 王刚, 陈彤睿, 等. 平台动态防御演化博弈模型和状态迁移策略[J]. 空军工程大学学报(自然科学版), 2020,21(3):85-92+98.

研究方法	防御手段	博弈过程	均衡求解
文献[4]方法	静态防御	多阶段	详细
文献[15]方法	静态防御	单阶段	详细
文献[19]方法	平台动态防御	单阶段	一般
本文方法	平台动态防御	多阶段	详细

多阶段平台动态防御的信号博弈模型及迁移策略

Signal Game Model and Migration Strategies for Multi-stage Platform Dynamic Defense

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 11

参考文献 19

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李鹏, 郑田甜, 徐鹤, 朱枫. 基于区块链技术的RFID安全认证协议[J]. 信息网络安全, 2021, 21(5): 1-11.
[2]	郑军, 聂榕, 王守信, 谭毓安. 基于Docker容器故障恢复的属性权重快照选择策略[J]. 信息网络安全, 2021, 21(5): 12-18.
[3]	周由胜, 钟天琦. 基于区块链的公平交换方案[J]. 信息网络安全, 2021, 21(5): 19-30.
[4]	吴驰, 帅俊岚, 龙涛, 于俊清. 基于Linux Shell命令的用户异常操作检测方法研究[J]. 信息网络安全, 2021, 21(5): 31-38.
[5]	顾兆军, 蔡畅, 王明. 基于改进保留格式加密的民航旅客数据脱敏方法[J]. 信息网络安全, 2021, 21(5): 39-47.
[6]	刘子昂, 黄缘缘, 马佳利, 周睿. 基于区块链的医疗数据滥用监控平台设计与实现[J]. 信息网络安全, 2021, 21(5): 58-66.
[7]	徐万山, 张建标, 袁艺林, 李铮. 基于BMC的服务器可信启动方法研究[J]. 信息网络安全, 2021, 21(5): 67-73.
[8]	王开轩, 滕亚均, 王琼霄, 王伟. 隐式证书的国密算法应用研究[J]. 信息网络安全, 2021, 21(5): 74-81.
[9]	任时萱, 王茂宇, 赵辉. 一种改进的深度神经网络后门攻击方法[J]. 信息网络安全, 2021, 21(5): 82-89.
[10]	张俊, 王永杰, 张敬业, 杨林. 基于最优有效路径的域间路由系统级联失效模型[J]. 信息网络安全, 2021, 21(5): 90-99.
[11]	王健, 赵曼莉, 陈志浩, 石波. 基于假名的智能交通条件隐私保护认证协议[J]. 信息网络安全, 2021, 21(4): 49-61.
[12]	郑洪英, 李琳, 肖迪. 面向雾计算的压缩感知图像秘密传输和篡改恢复方案[J]. 信息网络安全, 2021, 21(4): 10-20.
[13]	游文婷, 张乐友, 叶亚迪, 李晖. 多用户通信机制中支持隐私保护的属性基动态广播加密[J]. 信息网络安全, 2021, 21(4): 21-30.
[14]	宋宇波, 马文豪, 胡爱群, 王俊波. 一种基于像素值偏移编解码技术的屏摄隐通道研究[J]. 信息网络安全, 2021, 21(4): 31-38.
[15]	蔡满春, 王腾飞, 岳婷, 芦天亮. 基于ARF的Tor网站指纹识别技术[J]. 信息网络安全, 2021, 21(4): 39-48.

序号	迁移策略	NC	ASSC	AC
1	${{d}_{1}}$	30	40	100
2	${{d}_{2}}$	50	70	200