[论文解读] Interdependent Defense Games: Modeling Interdependent Security under Deliberate Attacks

Hau Chan, Michael Ceyko+1 more|arXiv (Cornell University)|Oct 16, 2012

Information and Cyber Security参考文献 17被引用 24

一句话总结

本文提出了相互依赖防御（IDD）博弈，一种博弈论框架，用于建模在故意攻击下的多智能体系统中的安全相互依赖性。该框架通过形式化攻击者策略和防御者成本函数，扩展了相互依赖安全（IDS）模型，刻画了混合策略纳什均衡（MSNE），并为一个关键子类提供了多项式时间算法以计算这些均衡，同时通过一个真实自治系统（AS）图实例进行了经验验证。

ABSTRACT

We propose interdependent defense (IDD) games, a computational game-theoretic framework to study aspects of the interdependence of risk and security in multi-agent systems under deliberate external attacks. Our model builds upon interdependent security (IDS) games, a model due to Heal and Kunreuther that considers the source of the risk to be the result of a fixed randomizedstrategy. We adapt IDS games to model the attacker's deliberate behavior. We define the attacker's pure-strategy space and utility function and derive appropriate cost functions for the defenders. We provide a complete characterization of mixed-strategy Nash equilibria (MSNE), and design a simple polynomial-time algorithm for computing all of them, for an important subclass of IDD games. In addition, we propose a randominstance generator of (general) IDD games based on a version of the real-world Internet-derived Autonomous Systems (AS) graph (with around 27K nodes and 100K edges), and present promising empirical results using a simple learning heuristics to compute (approximate) MSNE in such games.

研究动机与目标

• 建模多智能体系统中的相互依赖安全，其中风险源于故意攻击而非随机威胁。
• 在博弈论框架内形式化攻击者策略空间和效用函数。
• 为防御者在应对策略性攻击行为时定义适当的成本函数。
• 刻画所提出的IDD博弈模型中的混合策略纳什均衡（MSNE）。
• 开发一种高效算法，用于计算IDD博弈中一个重要子类的所有MSNE。

提出的方法

• 通过用理性选择目标的策略性攻击者替代固定随机威胁，扩展了相互依赖安全（IDS）模型。
• 将攻击者的纯策略空间定义为目标节点的选择，并基于攻击成功与影响定义效用函数。
• 将防御者的成本建模为攻击概率和防御投入的函数，同时考虑智能体之间的相互依赖性。
• 推导IDD博弈中MSNE的条件，并为具有二元防御动作的子类提供多项式时间算法以计算所有此类均衡。
• 基于一个包含约27,000个节点和100,000条边的真实自治系统（AS）图，生成合成IDD博弈实例，以支持经验评估。
• 采用一种简单的学习启发式方法计算一般IDD博弈中的近似MSNE，并在真实图实例上进行了验证。

实验结果

研究问题

• RQ1 当威胁源于故意的、策略性的攻击而非随机事件时，如何对相互依赖安全进行建模？
• RQ2 所提出的IDD博弈模型中，混合策略纳什均衡的结构特性是什么？
• RQ3 是否能够开发一种高效算法，以计算IDD博弈中一个有意义子类的所有混合策略纳什均衡？
• RQ4 智能体之间的相互依赖性如何影响在故意攻击下的均衡结果和防御投入？
• RQ5 在大规模真实网络拓扑中，学习启发式方法在多大程度上可以近似MSNE，特别是在一般IDD博弈中？

主要发现

• 本文对IDD博弈模型中的混合策略纳什均衡（MSNE）提供了完整刻画。
• 为IDD博弈的一个重要子类开发了多项式时间算法，以计算所有MSNE，从而实现了高效的均衡计算。
• 在包含约27,000个节点和100,000条边的真实自治系统（AS）图上的经验评估表明，一种简单的学习启发式方法能有效计算近似MSNE。
• 该模型成功捕捉了防御者之间的策略性相互依赖性，即一个智能体的安全取决于其他智能体的防御选择。
• 与采用固定随机威胁的模型相比，攻击者的策略行为显著改变了均衡结果。
• 通过在大规模真实网络拓扑上的实例化，该框架展示了可扩展性和实际相关性。