复杂网络上的相依安全博弈动力学及激励机制研究.pdfVIP

摘要

在这个万物互联的时代，企业之间的业务交流组成了庞大且复杂的网络，相

互依赖的企业通过合作来抵御网络攻击的方式已经成为安全决策者所关注的重

点。其中，个体的安全状态不仅取决于他自己的安全投资，也取决于其邻居的安

全投资，此类个体决策互动可以形式化建模为相依安全（InterDependentSecurity,

IDS）博弈。在现有的研究中，对于IDS模型及其激励机制的探讨大多局限于使

用博弈论进行定性的纳什均衡求解与社会最优计算。然而，现实的网络存在着随

机性，单纯通过数值计算得出的社会均衡受限于理想设定的真实场景。并且，现

实网络处于连续的动态变化的过程，在传统的研究中，无法探究到个体的策略变

化过程。因此，从微观角度观察IDS模型在不同网络结构下的个体决策变化、探

究均衡的涌现机理是本文研究的核心科学问题。

在对已有研究工作进行总结的基础上，本文使用了演化博弈论、蒙特卡洛仿

真理论、复杂网络理论、激励机制理论等方法，对IDS模型动力学性质及其激励

机制设计进行了深入的研究，主要贡献在于：

IDS模型的演化动力学研究：由于在IDS模型的定性研究中，模型设定过于

理想化，计算得出的均衡无法应用到实际场景中，更不能为具体的安全决策者提

供指导性意见。针对这一问题，本文利用演化博弈动力学的方法，研究了三种相

依安全博弈：TE（TotalEffort）模型、WL（WeakestLink）模型、BS（BestShot）

模型。通过使用蒙特卡洛方法模拟了个体之间的具体策略选择，对三种网络拓扑

进行了仿真实验得到演化后的社会均衡。本文演化实验（a）研究了不同参数设

置下社会投资和社会收益的动态变化过程；（b）讨论了三种模型在风险较高、投

资费用较小的设定下展现出来的截然相反的演化结果的原因；（c）研究了不同网

络结构中聚类效应对三种IDS模型演化的影响，以及在真实社交网络中验证了

模型的鲁棒性。

IDS模型的激励机制研究：由于现有文献中IDS模型的激励机制研究多数停

留在定性的进行均衡计算，静态的数值结果无法直观表现体现激励机制的促进效

果。针对这一问题，本文借鉴演化接种博弈中的补助机制，提出了结合Vickery-

Clarke-Groves税收机制的IDS模型。本文使用演化动力学的方法，讨论了IDS

新模型在特定参数下的社会收益和社会投资变化。为了从个体决策维度上分析了

激励机制带来的收益提高的微观原因，本文对于TE模型，绘制了个体策略分布

快照图，对于WL和BS模型，绘制了晶格网络下社区小案例。实验结果表明：

（a）在风险较高和投资费用较小的参数设置下的晶格网络中，引入了税收机制

的IDS模型的社会收益和社会投资均高于原IDS模型；（b）在引入了税收机制

后，若社区中有个体选择了高投资，其他邻居也会有更大概率学习高投资个体的

策略，进而会更快提升整个网络的社会收益和社会投资；（c）在ER网络和BA

网络中，相比于原模型，税收机制的IDS模型对社会收益和社会投资同样能带来

提高，验证了该模型在不同网络拓扑结构下的鲁棒性。

关键字：复杂网络，相依安全博弈，演化动力学，激励机制

Abstract

IntheeraoftheInternetofeverything,thebusinesscommunicationbetweenenterprises

formsahugeandcomplexnetwork,andthewaythatinterdependententerprisescooperateto

defendagainstcyberattackshasbecomethefocusofattentionofsecuritydecision-makers.

Amongthem,anindividualsSecuritystatedependsnotonlyonhisownSecurityinvestment,

butalsoontheSecurityinvestmentofhisneighbors.Suchanindividualrelationshipcanbe

formallymodeled