Simulator MAL: Simulasi Operasi Siber Berbasis Graf Serangan & Pertahanan

Simulator yang dapat diadaptasi lintas domain untuk melatih agen siber ofensif dan defensif menggunakan Meta Attack Language dan pembelajaran penguatan

Jakob Nyberg; Sandor Berglund; Andrei Buhaiu; Joakim Loxdal; Pontus Johnson; Mathias Ekstedt· 2026· DOI 10.48550/arXiv.2609.16563

Masalah inti

Simulasi operasi siber sangat penting untuk analisis sistem dan pengembangan agen otomatis. Simulator yang ada sering kali kurang adaptif lintas domain atau memerlukan perubahan kode untuk memodelkan skenario serangan baru. Penulis memperkenalkan MAL Simulator, dibangun di atas Meta Attack Language (MAL), yang memungkinkan pemodelan serangan dan pertahanan spesifik domain tanpa memodifikasi kode sumber simulator. Simulator ini dirancang untuk simulasi serangan dan pertahanan siber berbasis keputusan, mendukung analisis sistem dan pelatihan agen otomatis. Karya ini menjawab kebutuhan akan platform yang fleksibel dan dapat diperluas untuk melatih agen ofensif maupun defensif, serta mengevaluasi kinerjanya dalam kondisi realistis. Penulis mendasarkan eksperimen mereka menggunakan data dari jaringan emulasi yang diimplementasikan di cyber range CRATE.

Eksperimen menghasilkan tiga temuan kunci. Pertama, kebijakan penyerang terlatih mencapai target yang ditentukan lebih efisien dibandingkan metode pencarian pembanding, menunjukkan efektivitas RL untuk operasi siber ofensif. Kedua, agen defender terlatih menghasilkan biaya lebih rendah daripada agen heuristik naif dalam kondisi peringatan yang bising, menunjukkan bahwa RL dapat meningkatkan pengambilan keputusan defensif. Ketiga, saat menguji penyerang RL terhadap defender RL, kinerja defender turun signifikan. Ini menunjukkan bahwa defender yang dilatih melawan penyerang non-adaptif mungkin tidak dapat menggeneralisasi ke lawan yang cerdas. Hasil ini menyoroti pentingnya pelatihan ko-evolusioner dan kebutuhan akan simulator yang mendukung pengembangan agen ofensif dan defensif. Metrik kuantitatif meliputi tingkat keberhasilan, panjang jalur, dan biaya kumulatif, meskipun angka spesifik tidak disediakan dalam abstrak.

Simulasi operasi siber sangat penting untuk analisis sistem dan pengembangan agen otomatis. Simulator yang ada sering kali kurang adaptif lintas domain atau memerlukan perubahan kode untuk memodelkan skenario serangan baru. Penulis memperkenalkan MAL Simulator, dibangun di atas Meta Attack Language (MAL), yang memungkinkan pemodelan serangan dan pertahanan spesifik domain tanpa memodifikasi kode sumber simulator. Simulator ini dirancang untuk simulasi serangan dan pertahanan siber berbasis keputusan, mendukung analisis sistem dan pelatihan agen otomatis. Karya ini menjawab kebutuhan akan platform yang fleksibel dan dapat diperluas untuk melatih agen ofensif maupun defensif, serta mengevaluasi kinerjanya dalam kondisi realistis. Penulis mendasarkan eksperimen mereka menggunakan data dari jaringan emulasi yang diimplementasikan di cyber range CRATE.

MAL Simulator diarsiteki di sekitar MAL, bahasa pemodelan serangan probabilistik. Model MAL terdiri dari aset, langkah serangan, dan pertahanan, yang terhubung melalui graf serangan-pertahanan. Simulator menyediakan antarmuka umum untuk kompatibilitas dengan kerangka kerja pembelajaran mesin yang ada, memungkinkan agen pembelajaran penguatan (RL) berinteraksi dengan lingkungan. Penulis melakukan dua studi kasus: satu melatih agen ofensif dan satu melatih agen defensif. Tujuan agen ofensif adalah mencapai target yang ditentukan, sedangkan agen defensif bertujuan meminimalkan biaya dalam kondisi peringatan yang bising. Lingkungan didasarkan pada jaringan emulasi di cyber range CRATE, menyediakan data realistis. Agen RL dilatih menggunakan algoritma standar, dan kinerjanya dibandingkan dengan metode pencarian (untuk penyerang) dan heuristik naif (untuk defender). Arsitektur simulator diilustrasikan di bawah ini:

Desain MAL Simulator yang agnostik domain, dimungkinkan oleh MAL, memungkinkannya diadaptasi ke berbagai domain siber tanpa perubahan kode, menjadikannya alat serbaguna untuk penelitian operasi siber. Temuan bahwa defender RL kesulitan melawan penyerang RL menegaskan sifat adversarial keamanan siber dan perlunya melatih defender menghadapi ancaman adaptif. Ketersediaan publik simulator dan kompatibilitasnya dengan kerangka kerja ML memfasilitasi reproduktibilitas dan penelitian lebih lanjut. Batasan meliputi ketergantungan pada data jaringan emulasi dan skenario spesifik yang diuji; pekerjaan mendatang dapat mengeksplorasi domain yang lebih kompleks dan interaksi multi-agen. Penulis menekankan bahwa simulator seperti MAL sangat penting untuk mengembangkan agen siber otomatis yang tangguh. Karya ini berkontribusi pada taksonomi Architecture, Cybersecurity, Network, dan Cryptography dengan menyediakan platform dasar untuk mensimulasikan dan menganalisis strategi serangan dan pertahanan siber.

Praktisi dan peneliti ilmu komputer

Membuka konten member…