申请/专利权人：中国人民解放军国防科技大学

申请日：2023-11-30

公开（公告）日：2024-02-23

公开（公告）号：CN117312810B

主分类号：G06F18/20

分类号：G06F18/20;G06N3/042;G06N3/047;G06N3/09;G06F18/2415;H04L9/40

优先权：

专利状态码：有效-授权

法律状态：2024.02.23#授权;2024.01.16#实质审查的生效;2023.12.29#公开

摘要：本申请涉及一种基于博弈历史树的不完全信息攻防博弈对手识别方法，该方法设计了博弈历史树，并利用图神经网络提取其中的图结构信息作为对手特征，采用离线训练加在线识别的框架来实现在线对手识别；基于图神经网络模型构建对手识别器，通过与不同对手的博弈历史数据构建博弈历史树及其图数据集对识别器进行离线训练；通过收集在线博弈已结束博弈局的数据构建当前对手的博弈历史树及其图模型，将图模型数据输入离线训练好的对手识别器得到对手识别结果，防御方在后续网络攻防博弈中根据对手识别结果采用针对性的策略进行网络防御。该方法能快速准确地识别对手，使防御方可以尽早采用针对性策略进行防御，能大幅提高网络防御效能。

主权项：1.一种基于博弈历史树的不完全信息攻防博弈对手识别方法，其特征在于，所述方法包括：获取已结束的网络攻防博弈中防御方与不同攻击方进行博弈的多局博弈历史数据；根据每一局的博弈历史数据构建博弈历史链；根据预设局数的博弈历史链集合构建博弈历史树，得到有向同质图数据集；构建基于博弈历史树的对手识别器，所述对手识别器包括图神经网络、READOUT函数以及分类网络；所述图神经网络是以图消息传递模型为架构，以图同构神经网络为基础模型，使用多层消息传递的图神经网络；采用所述有向同质图数据集对所述对手识别器进行训练，得到训练好的对手识别器，并保存所述对手识别器底层的神经网络参数；根据在线博弈已结束博弈局中防御方与当前攻击方的攻防行动数据构建在线博弈历史树有向图；将所述在线博弈历史树有向图输入训练好的对手识别器，根据输出的当前对手属于不同已知对手的概率识别对手，在后续网络攻防博弈中防御方根据对手识别结果采用针对性的策略进行网络防御；其中，步骤：根据每一局的博弈历史数据构建博弈历史链，包括：从一局博弈历史数据中提取行动历史数据，构建以博弈起始状态为起始节点的链；遍历行动历史数据中每个轮次的行动数据，若当前行动是轮次起始时的行动，则首先添加一个表示轮次变化的自然节点，然后添加表示当前行动的行动节点，并记录对应的节点信息；若当前行动不是轮次起始时的行动，则直接添加行动节点，并记录对应的节点信息；所述节点信息包括对应的博弈方类型、博弈方对应的博弈位置、当前所在轮次、当前节点前各个轮次攻防双方的行动序列；遍历所有行动数据后得到一条博弈历史链，所述博弈历史链是按照行动出现的先后顺序，从一个起始节点经若干中间节点到叶子节点的有向连接的链；步骤：根据预设局数的博弈历史链集合构建博弈历史树，得到有向同质图数据集，包括：获取预设局数的攻防双方行动数据，将每一局的行动序列结合轮次变化构建一个博弈历史链，构建博弈历史链的集合；区分攻防双方的行动先后顺序，构造两个只有根节点的博弈历史树；其中，第一个为攻击方先行动的博弈历史树，第二个为防御方先行动的博弈历史树；所述根节点为自然节点；遍历每一条博弈历史链，根据每一条博弈历史链的攻防双方行动先后顺序，选择对应的博弈历史树进行扩展，得到两个完整的博弈历史树；对两个完整的博弈历史树的节点信息进行处理，并通过节点序号变更将两个博弈历史树拼接为一个完整的有向同质图模型；根据预设局数遍历所有博弈历史数据，得到多个博弈历史树及其对应的有向同质图，并构成图数据集；其中，遍历每一条博弈历史链，根据每一条博弈历史链的攻防双方行动先后顺序，选择对应的博弈历史树进行扩展，得到两个完整的博弈历史树，包括：通过遍历博弈历史链中的每一个节点，从博弈历史树中根节点开始搜索对应的节点；若对应的节点存在，则将该节点出现次数增加1并记录节点其它信息；若博弈历史树中不存在该节点则从前一个对应节点扩展该节点，并记录该节点的信息和该节点出现次数为1，不断扩展直到博弈历史链结束的叶子节点；遍历完所有博弈历史链后，得到完整的攻击方先行动的博弈历史树和防御方先行动的博弈历史树。

全文数据：

权利要求：

百度查询： 中国人民解放军国防科技大学 基于博弈历史树的不完全信息攻防博弈对手识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD