《表1 领域独立智能规划算法进行攻击路径发现时的适用性总结》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《领域独立智能规划技术及其面向自动化渗透测试的攻击路径发现研究进展》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：O：状态空间完备性；U：行为不确定性；D:过程动态性；R：资源约束性；M：路径最优性。

如表1所示，本文具体分析了现有的领域独立智能规划算法，从其所属技术类型、观测完备性、行为不确定性、动态性、资源约束性和路径最优性5个方面进行了对比分析，并对每一类领域独立智能规划算法的优缺点进行了分析总结。整体而言，确定性规划算法中基于图规划技术的智能规划算法能够适用于较大的问题规模，且能够搜索得到最优路径，因此得到了广泛的应用。虽然基于HTN技术的规划算法适用范围更大，算法复杂度更低，但是由于其需要人工设置先验任务分解方法，从而会严重影响路径规划的自动化程度，因此不适用于自动化渗透测试场景下的攻击路径发现。非确定性规划相对于确定性规划算法在进行渗透测试路径规划时具有更好的适用性，能够刻画渗透测试的状态空间完备性、行为不确定性以及路径最优性，但计算复杂度较高，如何提高非确定性条件下的路径规划算法求解效率是该类算法未来的研究重点。博弈规划模型能够结合渗透测试过程中的攻防对抗特性进行攻击路径发现，提高发现攻击路径的有效性，但该类算法存在较强的模型假设，导致实际应用受限，提高模型适用性是该类方法的研究重点。