发展司令部的陆军研究实验室(ARL)设计了一种基于机器学习的框架,以增强车载计算机网络的安全性。
荒凉器(基于深度强化学习的资源分配和移动目标防御部署框架)旨在帮助车载网络识别最佳的互联网协议(IP)变换频率和带宽分配,以实现有效的、长期的移动目标防御。
ARL的特伦斯·摩尔解释说:“如果你洗牌IP地址的速度足够快,那么分配给IP的信息很快就会丢失,对手不得不再次寻找它。”
ARL的Frederica Free-Nelson表示,该框架将不确定性保持在足够高的水平,以击败潜在的攻击者,而不会产生过多的维护成本,并防止网络高优先级区域的性能下降。
从美国陆军DEVCOM陆军研究实验室
查看全文
版权所有©2021SmithBucklin,美国华盛顿特区
没有发现记录