動態攻擊面

深度分析

排隊理論下的動態攻擊面與自適應防禦：AI 增幅與強化學習實證分析

本研究以排隊理論模型描述攻擊面隨時間的變化，將漏洞視為佇列待處理項目，並加入 AI 增幅因子分析自動化對出現與修補速率的影響。實證顯示修補時間具重尾特性，導致長程相依的漏洞堆積。提出的 RL 防禦策略在資源受限下可將活躍漏洞降低逾 90%，顯著提升防禦效能。