典型文献
基于强化学习的渗透路径推荐模型
文献摘要：
渗透测试的核心问题是渗透测试路径的规划,手动规划依赖测试人员的经验,而自动生成渗透路径主要基于网络安全的先验知识和特定的漏洞或网络场景,所需成本高且缺乏灵活性.针对这些问题,提出一种基于强化学习的渗透路径推荐模型QLPT,通过多回合的漏洞选择和奖励反馈,最终给出针对渗透对象的最佳渗透路径.在开源靶场的渗透实验结果表明,与手动测试的渗透路径相比,所提模型推荐的路径具有较高一致性,验证了该模型的可行性与准确性;与自动化渗透测试框架Metasploit相比,该模型在适应所有渗透场景方面也更具灵活性.
文献关键词：
渗透测试;强化学习;Q学习;策略规划
中图分类号：
作者姓名：
赵海妮;焦健
作者机构：
北京信息科技大学计算机学院,北京100101;网络文化与数字传播北京市重点实验室(北京信息科技大学),北京100101
文献出处：
引用格式：
[1]赵海妮;焦健-.基于强化学习的渗透路径推荐模型)[J].计算机应用,2022(06):1689-1694
A类：
QLPT
B类：
强化学习,渗透路径,路径推荐,推荐模型,测试人员,自动生成,先验知识,网络场景,回合,开源,靶场,渗透实验,高一,自动化渗透测试,测试框架,Metasploit,策略规划
AB值：
0.372487
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
