本研究提出了一种新颖的随机框架，用于在单一攻击场景下优化主动网络安全防御的时机决策。该框架将防御过程建模为连续观察机制，其中防御时刻及随后的观察时段分别服从独立的指数分布。通过结合Laplace-Carson变换和首次超越理论，推导出能够包围攻击时刻的联合检测函数。在马尔可夫泊松到达过程的假设下进行边缘化分析，得到了防御时刻的概率密度函数，以及攻击前和攻击后观察时间的条件期望。这些闭式解使得可以定量评估防御时机对威胁强度的敏感性，并支持对低延迟主动防御措施的观察参数进行精确校准。主要贡献包括显式推导了边缘分布和期望值，通过数值示例可视化防御时刻的密度，以及将随机对决方法（stochastic duel methodology）与实际的网络安全应用相结合。该研究为防御策略的定量分析与参数调优提供了理论基础，适合安全研究人员和需要设计主动防御系统的工程师阅读。