Abstract

В статье рассматриваются два различных метода решения децентрализованного частично наблю- даемого процесса принятия решений Маркова (decentralized partially observable Markov decision process, DEC-POMDP) на основе политик. В отличие от традиционных подходов, основанных на политике, итера-ция политики (policy iteration, PI) не используется в наших методах для поиска оптимальной политики. В частности, предлагаемый алгоритм на основе нелинейного программирования (nonlinear programming, NLP) устанавливает новое направление – внедрение методов решения NLP в оптимизацию средних POMDP. Предложена полностью распределенная схема гибридной безопасности с использованием технологий IDS и Honeypot, которая не полагается на централизованный контроллер, что делает схему общей, гибкой и эф-фективной. Возможности этих двух средств безопасности позволяют получить баланс между эффектив-ностью безопасности и использованием ресурсов. Показано, как расширить предлагаемый подход POMDP на основе nonlinear programming (NLP) к планированию DEC-POMDP. Основная причина объединения IDS с Honeypot заключается в дополняющем характере двух технологий: IDS пассивно отслеживают трафик сети для подозрительных действий, в то время как Honeypot активно обнаруживают и анализируют ин-трузии. С другой стороны, то, что у них есть в общем децентрализованном развертывании и неопределен-ности в наблюдении, объясняет полезность моделирования системы как DEC-POMDP.

Authors and Affiliations