Symbiotic Game and Foundation Models for Cyber Deception Operations in Strategic Cyber Warfare

当前我们正面临前所未有的网络战争，其战术迅速演变，情报不对称性增强，黑客工具也越来越容易获取。在这种局面下，网络欺骗成为我们防御策略中至关重要的组成部分，以应对日益复杂的攻击。本章旨在强调博弈论模型和基础模型在分析、设计和实施网络欺骗战术中的关键作用。博弈模型为建模不同对抗交互提供了基础框架，使我们能够封装对抗知识和领域专业见解。同时，基础模型则为创建适合于特定应用的定制机器学习模型提供了构建块。通过利用博弈模型和基础模型之间的协同作用，我们可以通过不仅保护网络免受攻击，而且增强其对精心策划的行动的弹性，推进积极主动和自动化的网络防御机制。本章讨论了战争的战术、操作和战略层面的博弈，深入探讨了这些方法之间的共生关系，并探讨了相关应用，其中这样的框架可以在网络安全领域产生实质性影响。本章还讨论了多智能体神经符号猜测学习（MANSCOL）的有前途的方向，该方法允许防御者预测对手行为，设计自适应的防御欺骗战术，并综合知识进行操作层面的综合和适应。基础模型在MANSCOL的各种功能中都是至关重要的工具，包括强化学习、知识吸收、猜想形成和上下文表示。本章最后讨论了基础模型在网络安全领域应用中所面临的挑战。

研究如何利用深度学习技术实现视频中的人体姿态估计。

论文提出一种新的基于卷积神经网络的人体姿态估计方法，并且在现有方法的基础上引入了一些新的改进，如多尺度特征融合和上下文感知。

实验结果表明，该方法在准确性和实时性方面都有很大的提升，同时还提供了一个新的数据集用于评估人体姿态估计算法。

相关研究包括：DeepPose、Convolutional Pose Machines、OpenPose等。