基于贝叶斯Stackelberg博弈的Web安全问题研究

随着基于Web环境的互联网应用越来越广泛,Web应用的安全问题日益突出。针对黑客攻击Web应用的问题,提出一种基于贝叶斯Stackelberg博弈的Web安全应用模型。模型中提出了一种改进的收益计算方法,在综合考虑成本和收益参数的同时,将防御者的最优反击纳入考虑范畴,能够更加准确地计算攻防双方的支付矩阵。模型利用领导者的优势,利用DOBSS计算防守方的最优混合策略,分析证实了模型和分析方法的有效性。

需求预测信息不对称下电子渠道与零售商合作策略研究

在双渠道供应链中,利用零售商贴近顾客的特点,制造商把电子渠道的订单交由零售商来完成,并根据订单数目给予零售商补贴。在需求不确定情形下,用主从博弈和贝叶斯方法对此现象进行研究,发现制造商调高其需求规模预测值将导致电子渠道和零售渠道的价格升高,电子渠道的需求减少,而制造商给予零售商的单位补贴与电子渠道和零售渠道的价格正相关,与电子渠道的需求负相关,但不影响零售渠道的需求。利用数值算例,分析了电子渠道的市场份额、制造商和零售商对需求的预测误差、相关系数等对制造商和零售商收益的影响。

基于BSG的拟态Web服务器调度策略研究

拟态Web服务器系统是基于拟态防御模型构建的内生安全防御系统。为了提升服务器的安全性和执行体资源的利用率,在具体的攻击场景下利用Bayesian-Stackelberg博弈方法,结合异构执行体之间的差异性,构建出基于攻防博弈的执行体调度模型,设计出场景化的最优调度策略。最后通过一个实例验证了模型和策略的可行性和有效性,相比于随机均匀调度策略安全性有明显提升,相较于最大差异性调度策略能有效提升资源利用率和动态随机性。

基于贝叶斯-斯坦科尔伯格博弈的DNN动态防御方法

基于梯度攻击对图像进行修改,可造成基于神经网络的分类技术的精确度降低10%左右,针对这一问题,提出利用网络空间领域里移动目标防御思想来增加神经网络对抗该类攻击的鲁棒性。定义整体网络集的“区别免疫”概念,将网络中防御方和用户之间的交互模拟为一个重复贝叶斯-斯坦科尔伯格博弈过程。基于此从该组网络集中挑选出一个受训练的网络对输入图像进行分类。该防御方法能减少MNIST数据库中受干扰图像的分类错误,同时对于正常的测试图像保持较高的分类精度。该方法可以与现有的防御机制结合使用,确保神经网络安全性。

基于贝叶斯-斯坦科尔伯格博弈的SDN安全控制平面模型

提出一种基于动态异构冗余的安全控制平面,通过动态地变换异构的控制器以增加攻击者的难度。首先,提出基于贝叶斯-斯坦科尔伯格博弈模型的控制器动态调度方法,将攻击者和防御者作为博弈参与双方,求得均衡解,进而指导调度策略;其次,引入一种自清洗机制,与博弈策略结合形成闭环的防御机制,进一步地提高了控制层的安全增益;最后,实验定量地描述了基于该博弈策略的安全控制层相比与传统部署单个控制器以及采用随机策略调度控制器的收益增益,并且自清洗机制能够使控制平面一直处于较高的安全水平。

定价准则的公开性对内部交易均衡的影响分析

在内部交易市场中,做市商的定价准则是否公开可能会对市场均衡产生一定的影响。我们首先讨论了垄断市场下公开定价准则和主从博弈下不公开定价准则的内部交易特征。然后通过比较定价准则的公开性在三种内部交易市场结构下的作用,发现:1)在垄断市场下,定价准则公开与否不影响市场均衡最终结果。2)在古诺博弈时,如果公开定价准则时,内部交易均衡不存在;但是,当不公开定价准则,内部交易均衡存在。3)在主从博弈时,如果公开定价准则时,跟随内部交易者的均衡利润优于领先者;但当不公开定价准则时,领先者的利润优于跟随者。