Resumen

Actualmente, existen muchos métodos disponibles para mejorar la seguridad de las redes objetivo. La gran mayoría de ellos no pueden obtener una ruta de ataque óptima e interrumpirla de manera dinámica y conveniente. Casi todas las estrategias de defensa buscan reparar vulnerabilidades conocidas o limitar servicios en la red objetivo para mejorar la seguridad de la red. Estos métodos no pueden responder a los ataques en tiempo real porque a veces necesitan esperar a que los fabricantes publiquen contramedidas correspondientes para reparar vulnerabilidades. En este artículo, proponemos un algoritmo de Q-learning mejorado para planificar directa y automáticamente una ruta de ataque óptima. Basándonos en esta ruta, utilizamos redes definidas por software (SDN) para ajustar las rutas de enrutamiento y crear rutas de reenvío ocultas dinámicamente para filtrar solicitudes de ataque maliciosas. En comparación con otros algoritmos de aprendizaje automático, Q-learning solo necesita ingresar el estado objetivo a sus agentes, lo que puede evitar un proceso de entrenamiento inicial complejo. Mejor

• Materias:Cifrado de búsqueda Ataque criptográfico Seguridad en Internet
• Subjects:Search encryption Cryptographic attack Internet Security
• Palabras claves:Métodos; Seguridad; Ruta de ataque; Red; Algoritmo Q-learning; Vulnerabilidades
• Keywords:Methods; Security; Attack path; Network; Q-learning algorithm; Vulnerabilities