طراحی معماری فرماندهی و کنترل تطبیقی مبتنی بر یادگیری تقویتی عمیق مقید برای دفاع سایبری زیرساخت های حیاتی

افزایش پیچیدگی و دیجیتالی شدن زیرساخت های حیاتی سطح حمله سایبری این سامانه ها را به طور قابل توجهی گسترش داده و محیط تصمیم گیری مراکز عملیات امنیت را به بستری با عدم قطعیت بالا تبدیل کرده است. رویکردهای سنتی مبتنی بر قواعد ایستا در مواجهه با حملات چند مرحله ای پیشرفته کارایی محدودی دارند. در این پژوهش یک معماری فرماندهی و کنترل تطبیقی مبتنی بر یادگیری تقویتی عمیق مقید ارائه می شود. این معماری فرآیند دفاع سایبری را به صورت یک فرآیند تصمیم گیری مارکوفی مقید مدل می کند و با ادغام تحلیل پیش گویانه و سازوکارهای حکمرانی الگوریتمی تکمیل می شود. چارچوب پیشنهادی ضمن بیشینه سازی بازده امنیتی قیود عملیاتی زیرساخت حیاتی را نیز تضمین می کند. تحلیل نظری نشان می دهد که معماری پیشنهادی موجب کاهش آنتروپی وضعیت حمله و افزایش زمان رسیدن به مرحله بحرانی نسبت به سامانه های قاعده محور می شود.

کلیدواژه ها:

یادگیری تقویتی عمیق ، مقید ، دفاع سایبری ، فرماندهی و کنترل تطبیقی ، CMDP ، کاهش آنتروپی ، زیرساخت حیاتی