“美国陆军研究新型互联网安全技术 可保护车载互联网安全”

根据格什塔尔信息，美国陆军研究人员为了提高汽车车载计算机互联网的安全性，且不影响其性能，开发了基于机器学习的新框架。

黑客(

随着将控制权委托给车载电脑的现代汽车的普及，美国陆军的这项研究希望增加投资，为空中和陆地平台，特别是大型车辆提供更高水平的网络安全防范措施。

美国陆军作战能力快速发展司令部( theu.s.armycombatcapabilitiesdevelopmentcommand， devcom )的研究者有弗吉尼亚理工大学( virginia tech )、昆士兰大学) the university of queensland )和光州技术学院) GwangJuinstituteofscience Andtechnology

美国陆军数学家terrence moore博士说:“由于不太会击中移动的目标，所以如果所有物体都是静态的，对方就可以从容地注意一切，选择目标。 但是，如果快速更改ip地址，分配到ip地址的消息会很快丢失，对方必须重新寻找。 ”

desolator是指基于深度学习的资源分配和移动目标防御部署框架( deepreinforcementlearning-basedresourceallocationandmovingtargetdeferning -基本资源定位)

据美国陆军计算机科学家和项目负责人frederica free-nelson博士介绍，基于高度强化学习的资源分配可以以较高的优先级防止重要的互联网区域减速，而不会挫败潜在的攻击者，提高维护成本

该研究小组利用深度学习，根据曝光时间、丢包数等多种奖励功能，逐步形成了算法行为，使desolator能够兼顾安全性和效率。

moore表示:“现有的车载互联网虽然效率很高，但设计时并未考虑到安全性。 目前，许多研究只着眼于性能和安全性的提高，兼顾性能和安全性的情况非常少见，特别是车载互联网。 ”

另外，desolator不限于明确最佳ip变换频率和带宽分配。 由于这种方法是机器学习的框架，所以其他研究者可以改进这种技术，在一定范围内追求不同的目标。

nelson说:“能够重新装备技术的能力非常有价值，这个价值不仅适合扩大研究，还适合将这种能力与其他互联网能力结合起来，获得最佳的互联网安全。”