Binary Black-Box Attacks Against Static Malware Detectors with Reinforcement Learning in Discrete Action Spaces.
本文研究针对静态恶意软件检测器的黑盒对抗攻击问题。近年来，基于机器学习和深度学习的静态恶意软件检测器在识别未知恶意软件变体方面表现出色，因此被广泛采用以降低动态分析和人工签名识别的成本。然而，研究表明这类检测器容易受到对抗性恶意软件攻击的影
#reinforcement-learning
共收录 51 条相关情报。
← 返回所有主题Proving the Utility of Large Language Models in Cybersecurity Simulations: A Comprehensive Examination
本文研究如何利用大型语言模型（LLM）增强网络安全模拟，特别是在自动化合成环境创建和潜在漏洞识别方面。作者提出使用YAML作为结构化表示格式来描述复杂网络配置，从而构建LLM驱动的流水线，以支持并改进强化学习（RL）代理的训练。研究通过对比
Machine Learning-Based Cyber Defense for Cloud Infrastructure: An Adaptive Deep Q-Network Architecture for Intelligent Intrusion Detection and Automated Threat Mitigation
本文提出了一种基于强化学习的自适应云安全防御框架，旨在应对云环境中日益复杂的网络攻击。该框架采用深度Q网络（DQN）作为核心算法，通过训练智能体学习动态防御策略，实现实时入侵检测与自动威胁缓解。研究使用了CICIDS2017数据集进行模型训
Dueling Deep Q-Learning for Intrusion Detection
本文针对传统入侵检测系统（IDS）依赖监督式机器学习方法、难以快速适应新型攻击类型的问题，提出了一种基于奖励的决斗深度Q学习（Dueling Deep Q-Learning）模型。该模型采用决斗网络架构，将Q值预测拆分为状态价值流（valu
Predictive Response Optimization: Using Reinforcement Learning to Fight Online Social Network Abuse.
该论文提出了一种名为预测响应优化（Predictive Response Optimization, PRO）的框架，用于解决在线社交网络（OSN）中的滥用检测问题。传统研究几乎都将滥用检测视为一个二元分类问题，即训练一个高精度/高召回的分
An Emerging Retail Portfolio Management Application: Personalized, Tax-Aware Reinforcement Learning with Natural Language Goals
本文提出并实现了一个面向零售投资者的个性化、税务感知的投资组合管理应用，填补了个人投资者与机构级服务之间的空白。现有机器人顾问多采用静态规则配置，而机构级系统往往有高门槛和专有技术栈，普通投资者难以使用。该应用包含 FastAPI 后端和网
Trident : How to Break Deep Reinforcement Learning Cyber Defenses (Agentic)
该论文提出并实现了一个名为 Trident 的智能体化 LLM 红队框架，用于评估和攻破基于深度强化学习（DRL）的自主网络防御系统。研究背景在于：现有的 DRL 防御评估几乎完全依赖静态或启发式红队智能体，缺乏对自适应威胁的鲁棒性检验；同
Antares: Foundation Models for Agentic Vulnerability Localization
本文介绍了 Antares，一个用于智能体式漏洞定位的紧凑语言模型家族，包含 350M、1B 和 3B 三个参数规模。漏洞定位是软件安全中的基础步骤，要求模型能对大型代码库进行推理，并迭代地识别脆弱实现。Antares 基于 IBM Gra
AttackGNN: Red-Teaming GNNs in Hardware Security Using Reinforcement Learning.
本文提出 AttackGNN，这是首个针对硬件安全领域基于图神经网络（GNN）技术的红队攻击框架。近年来，GNN 被广泛用于集成电路硬件安全任务，如检测知识产权盗版、硬件木马检测与定位、电路逆向工程和硬件混淆等，并取得了很高的准确率。然而，
Bayesian-Guided Cooperative RL Beamforming for Wireless Adversarial User Detection
本文针对下一代无线网络中通信系统需要同时保障高数据速率、效率和安全性这一核心需求，提出了一种基于贝叶斯引导的协作强化学习波束赋形框架，用于在存在恶意攻击者的动态无线环境中实现联合波束成形与安全感知决策。作者首先基于3GPP标准构建了无攻击场
VulnGym: Evaluating Vulnerability Management Strategies against Advanced Persistent Threats
企业网络持续面临高级持续性威胁（APT）的攻击，攻击者利用软件漏洞逐步渗透关键资产。随着披露的漏洞数量增长，资源受限的组织必须优先修补哪些漏洞。现有的漏洞优先级标准（如CVSS）对每个漏洞独立评分，无法评估修补策略在对抗随时间在网络中推进的
Baffle: Hiding Backdoors in Offline Reinforcement Learning Datasets.
该论文关注离线强化学习（Offline RL）系统中的后门攻击安全威胁。离线RL通过使用预先收集的数据集训练智能体，避免了在线交互的高成本，在机器人控制、自动驾驶等关键任务中展现了有效性。然而，现有研究较少关注离线RL系统的安全性。本文提出
Unlearning to Protect: A Distilled Reinforcement Learning Framework with Privacy-Preserving Feature Unlearning and XAI for IoT Security
该论文针对物联网设备面临的僵尸网络攻击（如DDoS、数据窃取等）提出了一种轻量级、强化学习驱动的框架DiRLU。现有AI方案存在两大局限：模型过重难以部署于IoT设备，且缺乏“遗忘”能力（即无法在不重新训练的情况下移除敏感或过时特征）。Di
6G Sensing Security: Distributed Game-Theoretic RL for Urban Beamforming and Attacker Detection
该论文针对6G网络中的安全挑战，特别是集成感知与通信（ISAC）系统中的攻击者检测问题。在6G网络中，通信系统不仅传输数据，还能感知周围环境，实现ISAC。然而，这种能力也引入了新的安全风险：攻击者可以操纵波束赋形方向以增加干扰，误导发射机
QuerySnout: Automating the Discovery of Attribute Inference Attacks against Query-Based Systems.
本文针对基于查询的系统（如数据库、机器学习API）中的属性推断攻击，提出了一种自动化发现方法QuerySnout。属性推断攻击是指攻击者通过向系统发送一系列精心设计的查询，推断出目标用户的敏感属性（如年龄、性别、疾病等），这对用户隐私构成严
Stealthy World Model Manipulation via Data Poisoning
本文针对基于模型的学习代理（model-based learning agents）中世界模型（world model）的微调阶段面临的数据投毒攻击问题，提出了SWAAP（Stealthy World Model Manipulation
PolicyGuard: Towards Test-time and Step-level Adversary Defense for Reinforcement Learning Agent
强化学习（RL）在现实世界中的应用日益广泛，但其安全性问题仍需更多关注。最新研究表明，RL智能体容易受到后门攻击的影响：当特定触发器被激活时，本应行为正常的智能体会执行恶意动作。现有的RL后门防御方法要么需要访问智能体的内部参数，要么仅在模
Reinforcement Learning Disrupts Gradient-Based Adversarial Optimization
本文研究强化学习（RL）训练如何破坏基于梯度的对抗攻击。传统上，梯度攻击（如PGD、AutoAttack）利用神经网络的梯度信息高效生成对抗样本。作者假设RL训练（使用策略梯度目标和epsilon-greedy探索）可以改变模型梯度结构，使
DeepGo: Predictive Directed Greybox Fuzzing.
定向灰盒模糊测试（DGF）旨在通过预定义目标位置强化对易受攻击代码区域的测试。现有DGF技术主要基于启发式算法优化适应度指标，但这些方法依赖历史执行信息，对尚未执行的路径缺乏预见性，导致难以处理具有复杂约束的路径，从而降低DGF效率。本文提
Belief-Space Quantum-Inspired Reinforcement Learning for Partially Observable Autonomous Cyber Defense in the Internet of Vehicles
该论文针对车联网（IoV）动态、对抗性的安全环境，指出现有入侵检测系统依赖静态分类器，无法捕捉攻击者的自适应策略、序列决策过程以及不确定性。作者将IoV安全建模为攻击者与防御者之间的序贯博弈，并将防御问题视为部分可观测马尔可夫决策过程下的强