據(jù)外媒報(bào)道，美國陸軍研究人員研發(fā)了一種基于機(jī)器學(xué)習(xí)的新型框架，以改進(jìn)汽車車載計(jì)算機(jī)網(wǎng)絡(luò)的安全性，同時(shí)還不影響到其性能。

黑客（圖片來源：techxplore.com）

隨著將控制權(quán)委托給車載計(jì)算機(jī)的現(xiàn)代汽車在不斷普及，美國陸軍的該項(xiàng)研究希望能夠加大投入，對空中以及陸地平臺(tái)，特別是重型車輛提供更高水平的網(wǎng)絡(luò)安全保護(hù)措施。

美國陸軍作戰(zhàn)能力發(fā)展司令部（the U.S. Army Combat Capabilities Development Command，DEVCOM）的研究人員與佛吉尼亞理工大學(xué)（Virginia Tech）、昆士蘭大學(xué)（the University of Queensland）以及光州技術(shù)學(xué)院（Gwangju Institute of Science and Technology）的專家們合作，設(shè)計(jì)了一種稱為DESOLATOR的技術(shù)，以優(yōu)化稱為移動(dòng)目標(biāo)防御的網(wǎng)絡(luò)安全策略。

美國陸軍數(shù)學(xué)家Terrence Moore博士表示：“因?yàn)楹茈y擊中移動(dòng)的目標(biāo)，如果所有物體都是靜態(tài)的，對手就可以從容地觀察一切并選擇目標(biāo)。但是，如果快速改變IP地址，分配給IP地址的信息很快就會(huì)丟失，對手就得重新尋找?！?/p>

DESOLATOR指代的是基于深度強(qiáng)化學(xué)習(xí)的資源分配以及移動(dòng)目標(biāo)防御部署框架（deep reinforcement learning-based resource allocation and moving target defense deployment framework），能夠幫助車載網(wǎng)絡(luò)識(shí)別最佳IP變換頻率以及帶寬分配，長期且有效地進(jìn)行移動(dòng)目標(biāo)防御。

據(jù)美國陸軍計(jì)算機(jī)科學(xué)家和項(xiàng)目負(fù)責(zé)人Frederica Free-Nelson博士表示，基于深度強(qiáng)化學(xué)習(xí)的資源分配能夠保持高不確定性，以挫敗潛在的攻擊者，同時(shí)還不會(huì)使維護(hù)成本變高，而移動(dòng)目標(biāo)防御部署能夠以高優(yōu)先級(jí)防止關(guān)鍵網(wǎng)絡(luò)區(qū)域減速運(yùn)行。

該研究團(tuán)隊(duì)利用深度強(qiáng)化學(xué)習(xí)，根據(jù)曝光時(shí)間、丟包數(shù)量等多種獎(jiǎng)勵(lì)功能，逐步塑造算法的行為，以確保DESOLATOR能夠兼顧安全性和效率。

Moore表示：“現(xiàn)有的車載網(wǎng)絡(luò)效率很高，但是在設(shè)計(jì)時(shí)沒有真正考慮到安全性?，F(xiàn)在，很多研究都只著眼于提高性能或者安全性，同時(shí)兼顧性能和安全性的非常少見，特別是車載網(wǎng)絡(luò)?！?/p>

此外，DESOLATOR并不局限于確定最佳的IP變換頻率以及帶寬分配。由于該方法是一種機(jī)器學(xué)習(xí)框架，其他研究人員都可以修改該技術(shù)，以在一定范圍內(nèi)追求不同的目標(biāo)。

Nelson表示：“能夠重新裝備技術(shù)的能力非常有價(jià)值，而且此種價(jià)值不僅對于擴(kuò)展研究而言，還適用于將此種能力與其他網(wǎng)絡(luò)能力結(jié)合，以獲得最佳網(wǎng)絡(luò)安全保護(hù)?！?/p>