78、安全专家是否有用？有限信息下网络安全博弈的贝叶斯纳什均衡

安全专家是否有用？有限信息下网络安全博弈的贝叶斯纳什均衡

1. 引言

在安全研究中，人们通常认为个人专业知识越多，整个网络就会越安全。然而，实际情况并非如此简单。现代信息网络如互联网，是由潜在的竞争实体分布组成的，这意味着并非每个人都有动力为网络安全贡献资源，尤其是当这种贡献的好处不明确时。

以拒绝服务攻击为例，攻击者是互联网服务提供商（ISP）A的客户，目标是ISP B的客户。A与B没有直接连接，流量从A到B可能要经过多个其他管理边界，这可能导致所有中间节点出现拥塞。从工程角度看，在ISP A进行入口过滤是一个理想的解决方案，但ISP A进行入口过滤意味着要拒绝一些客户的流量，甚至可能采用深度包检测等侵入性技术来提高竞争对手的安全性，这在经济上可能并不划算。而且，在现代攻击配置中，攻击流量可能来自多个不同的ISP，源ISP很难区分攻击流量和良性流量，入口过滤可能会误弃合法流量，导致声誉损失和客户收入减少。

由此可见，负外部性在安全策略中起着主导作用，尤其是在网络参与者了解安全依赖关系的情况下。此外，在像互联网这样的大规模网络中，关于其他参与者的有限信息使得决策更加复杂。

2. 相关工作

2.1 有限信息

在有限信息环境下，人们对不同相互依赖场景的战略方面进行了研究：
- Xu的研究 ：计算了传统最佳射击博弈的贝叶斯纳什均衡，其中公共物品的净收益是公共知识，但每个参与者的贡献成本是私人信息，且所有参与者都知道努力成本的总体分布。
- Burnett的研究 ：利用较弱链接模型研究了防御入侵物种的模型，假设成本分布是公共知