Key points are not available for this paper at this time.
Microrredes ciberfísicas são vulneráveis a ataques de rootkit que manipulam a dinâmica do sistema para criar instabilidades na rede. Rootkits tendem a ocultar seu nível de acesso dentro dos componentes do sistema de microrrede para lançar ataques súbitos que exploram o tempo de resposta lento dos defensores para manipular a trajetória do sistema. Este problema pode ser formulado como um jogo de Markov de múltiplas etapas, não cooperativo e de soma zero, com o atacante e o defensor modelados como jogadores opostos. Para maximizar as utilidades do defensor em todas as etapas do jogo, este artigo propõe uma estratégia baseada em aprendizado por reforço profundo que identifica dinamicamente os níveis de acesso de rootkit e isola as manipulações que chegam, incorporando mudanças no plano de defesa. Nossa abordagem proposta introduz um novo mecanismo de formulação de recompensas que quantifica o nível de instabilidade da microrrede em tempo real. Isso nos permite detectar a presença de rootkits na microrrede. A formulação de recompensas desenvolvida também nos permite alcançar escalabilidade da solução proposta para diferentes tamanhos e configurações de rede. Uma grande vantagem da estratégia proposta é sua capacidade de estabelecer resiliência sem alterar a topologia do sistema de transmissão/distribuição física, diminuindo assim potenciais problemas de instabilidade. O artigo apresenta várias simulações e estudos de caso para demonstrar o mecanismo operacional e a robustez da estratégia proposta.
Rath et al. (Mon,) estudaram esta questão.