基于Minimax-Q博弈论的模仿蜜罐自适应防御生成方法

《Computers & Security》：An adaptive defense generation method for mimic honeypots based on Minimax-Q game theory

　　

**摘要**

蜜罐作为一种强大的工具，通过部署无实际价值的资源作为诱饵，来吸引、捕获并分析攻击者行为，从而保护关键内部资产，已被广泛应用于企业级高级网络防御系统。然而，随着网络安全形势的演变，攻击者日益开发出反蜜罐技术，能够识别并绕过欺骗机制，甚至利用蜜罐作为跳板攻陷其他主机，从而加剧整体网络风险。因此，保持强大的欺骗能力和固有的安全性已成为网络防御的关键挑战。为解决这一问题，我们提出了一种基于 Minimax-Q 博弈论的拟态蜜罐自适应防御生成方法，有效地增强了蜜罐防御系统的安全性和欺骗性。具体而言，基于多级裁决机制，我们设计了由多个业务执行器组成的拟态蜜罐，并进一步定义了每个执行器的奖励评估函数，以量化其防御效能。随后，构建了拟态蜜罐的攻防博弈模型，并采用 Minimax-Q 强化学习算法求解贝叶斯纳什均衡，从而实现最优防御策略的自适应生成。此外，集成了动态调度机制以实时替换可疑执行器，从而防止攻击者进一步攻陷其他主机。最后，实验结果表明，与现有方法相比，所提出的拟态蜜罐在欺骗能力和内生安全方面均显示出显著优势，为构建更健壮的网络防御系统提供了新的见解。

**引言**

随着信息化和数字化的快速发展，网络安全已成为全球关注的焦点（Perwej 等，2021）。近年来，网络事件急剧升级，攻击者频繁利用横跨硬件、软件和通信层的漏洞（Safaei Pour 等，2023）。根据 2024 年美国国家漏洞数据库（NVD）的数据，CVE 漏洞数量同比增长了 38%，凸显了关键基础设施、企业系统和常见应用面临的风险日益严峻（Aslan 等，2023，Zambianco 等，2024）。尽管打补丁仍然是主要的缓解方法，但企业通常因稳定性和兼容性顾虑而推迟更新，导致漏洞长期暴露（Siwakoti 等，2023，Wu 等，2023）。此外，随着攻击技术的演变，网络对抗已从点对点交锋转变为持续性的全域动态博弈。在高度同构的操作系统和应用环境中，单个漏洞可能被大规模利用，造成严重威胁（Chernikova 等，2023）。传统被动防御（如防火墙、入侵检测系统）受限于其后效性和特定性驱动的特性（Zheng 等，2022），使其对复杂、自适应攻击无效，并使对手能够相对容易地绕过边界（Tian 等，2021，Geng 等，2024）。在此背景下，旨在“改变游戏规则”的主动防御技术应运而生。其核心思想是通过主动感知、动态调整、欺骗、诱骗和反制措施，在攻击链早期进行干预，迫使攻击者暴露意图和技术，并使防御者由被动转为主动（Rehman 等，2024，Kelly 等，2021）。

作为一种代表性的主动防御技术，蜜罐已得到广泛部署，用于威胁情报收集和攻击溯源，因为它们能够模仿真实系统，用诱饵资源引诱攻击者，并记录恶意行为（Zhu 等，2024）。其有效性源于向对手呈现看似真实却无价值的系统资源，这些资源能揭示攻击路径并提供早期预警，同时不影响关键服务。然而，随着反蜜罐技术的演变，对抗方法变得越来越复杂，降低了蜜罐在实际场景中的有效性（Li 等，2025，Mohammadzad 和 Karimpour，2023）。安全绕过漏洞日益普遍，进一步说明了攻击者规避现有防御的能力增强（Touré 等，2024）。更关键的是，一些对手可以利用虚拟蜜罐中的潜在漏洞进行反向渗透，对内部网络构成重大风险（Shao 等，2026）。

网络空间拟态防御（CMD）为解决此类内生风险提供了可行的解决方案（Hu 等，2018）。受生物免疫学启发（Wu，2022），CMD 强调了“架构决定安全”的原则。基于异质冗余结构（DRS），它引入了动态异质冗余（DHR），该机制构建了多个实现方式多样但功能等效的执行器，并采用动态调度和多模态裁决进行实时攻击感知和主动响应。与传统静态防御不同，DHR 在部署层面引入了不确定性和异质性，扰乱对手的先验知识，减轻单路径利用，并增强对高级持续性威胁的韧性（Shao 等，2023，Liu 等，2024）。

现有的蜜罐研究主要增强欺骗和威胁情报收集，但关于蜜罐内生安全和虚拟逃逸抵抗的系统性机制仍然有限（Ilg 等，2023）。当前的策略生成方法也难以在动态对抗环境中平衡长期奖励与即时防御效能（Shao 等，2025）。为解决这一缺口，我们将蜜罐技术与拟态防御相结合。具体而言，在不损害诱捕有效性的前提下，动态替换潜在受损的服务组件，降低虚拟逃逸和反向渗透的风险。尽管如此，拟态防御与蜜罐的简单结合仍面临局限性：它缺乏对防御收益与资源开销的量化评估，且未能完全捕捉网络对抗的博弈论本质，使策略容易受到对手探测。

为应对这些挑战，本文提出了一种基于 Minimax-Q 博弈的拟态蜜罐自适应防御生成方法。该方法利用拟态防御概念，将来自服务层和虚拟化层的异质执行器排列成防御动作集。在此基础上，我们构建了拟态蜜罐的攻防博弈模型，使用 Minimax-Q 多智能体强化学习算法求解贝叶斯纳什均衡，并相应生成自适应防御策略。所提出的拟态蜜罐通过多级裁决和动态调度机制替换可疑执行器，从而防止进一步的主机攻陷，提高欺骗有效性，并显著增强蜜罐的内生安全。

• 我们设计了拟态蜜罐的自适应防御生成架构。基于博弈论分析得出的贝叶斯纳什均衡，该架构动态调整蜜罐防御策略。此外，在虚拟化层采用动态调度机制，以安全替换疑似虚拟逃逸的业务执行器，为增强蜜罐的内生安全提供了一条新的实现路径。

• 我们基于不完全信息随机博弈构建了拟态蜜罐的攻防模型，定义了业务执行器的奖励评估函数，并使用 Minimax-Q 多智能体强化学习算法求解贝叶斯纳什均衡。这使得能够动态且自适应地生成最优防御策略，从而增强了蜜罐的欺骗和保护能力，同时高效利用网络资源。

• 我们实现了一个用于 Web 服务系统的拟态蜜罐模拟环境。所提出的方法通过均衡正确性的博弈论分析进行验证，以及安全测试，展示了执行器调度的有效性和对虚拟逃逸攻击的韧性。

**章节片段**

**相关工作**

在当代网络攻防对抗中，蜜罐技术已成为一种关键的主动防御机制。通过部署欺骗性虚拟资源，蜜罐吸引对手并收集行为信息以供后续分析和缓解。然而，传统蜜罐存在部署固定、功能有限和态势感知不足的问题，使其容易暴露。随着蜜罐检测和反蜜罐 [技术的快速发展]

**基于 Minimax-Q 博弈论的拟态蜜罐自适应防御生成架构**

基于 Minimax-Q 博弈论的拟态蜜罐自适应防御生成方法将异质业务执行器（包括服务层和虚拟化层）排列成执行器组，形成一组防御动作。随后构建攻防博弈模型，并使用 Minimax-Q 强化学习算法求解贝叶斯纳什均衡。根据均衡结果，选择当前奖励最高的执行器组...

**基于 Minimax-Q 博弈论的拟态蜜罐自适应防御生成方法**

使用不完全信息随机博弈来建模和分析拟态蜜罐的攻防交互，其中状态转换由马尔可夫决策过程（MDP）表示。在实践中，拟态蜜罐网络高度动态，网络状态的转换概率随时间变化。因此，随机博弈中的经典状态 - 动作价值函数 Q 无法直接用于计算贝叶斯纳什均衡。为克服这一局限...

**仿真环境**

为了验证提出的模型和方法，我们构建了一个模拟 Web 服务系统进行实验分析，包括外部网络和内部网络，如图 4 所示。攻击者源自外部网络，目标是突破系统并获取敏感信息，而内部网络托管了 Web 服务器和拟态蜜罐服务器。合法的外部用户仅允许访问 Web 服务器，后者进而可以与...

**结论**

为了应对增强虚拟蜜罐的欺骗能力和内生安全以及加强不对称攻防场景下防御者主导地位的挑战，本文提出了一种基于 Minimax-Q 博弈论的拟态蜜罐自适应防御生成方法。该方法将攻击者与蜜罐之间的动态博弈形式化，通过综合考虑欺骗价值、安全防御价值和计算开销来评估业务执行器...

**CRediT 作者贡献声明**

刘商东：写作 – 审阅与编辑，方法论，概念化。
钱旭坤：写作 – 初稿，正式分析，数据整理。
蔡英瑞：可视化，软件。
邵思思：监督，方法论。
王文博：监督。
吴飞：写作 – 审阅与编辑。
姬一亩：资源，资金获取。

**利益冲突声明**

作者声明没有已知的可能影响本文所述工作的竞争性经济利益或个人关系。

**致谢**

本工作由中国国家重点研发计划（2023YFB2904004，2023YFB2904000）、江苏省重点研发计划项目（BE2023004-2）以及浙江大学区块链与数据安全国家重点实验室开放研究基金资助。

刘商东是南京邮电大学计算机学院、软件学院和网络空间安全学院的副教授，也是硕士生导师。他拥有东南大学计算机体系结构博士学位。他是中国计算机学会（CCF）高级会员，中国通信学会会员，ACM 会员，IEEE 会员。他已发表超过 60 篇高质量论文，获得...

刘商东 | 钱旭坤 | 蔡英瑞 | 邵思思 | 王文博 | 吴飞 | 姬一亩