初识CyberBattleSim
现在许多企业都在使用AD域服务进行管理，我们现在通俗理解里面蕴含着许多重要资产。
对于这个东西有下列的描述:
1、攻击他能够获得用户权限
2、里面存在许多的计算机资产，当攻击者攻击其中的一台机器，可以通过某种手段在域中的环境横向移动。
3、这玩意存在于内网中。
大概的描述就是上面的了，网上的解释我看不懂，我现在觉得他是一个类似管理资源的应用，存放在域控主机上，然后这个攻击者需要通过横向移动来控制到这个主机。
所以微软的365 Defender团队就发布了这个开源的人工智能攻防对抗模拟工具。项目专注于对网络攻击后横向移动阶段进行威胁建模，用于模拟抽象企业网路环境中运行的自动化代理的交互。（自动化代理可以模拟一些人工行为，自动化执行一些行为。）
项目调用了基于python的Open AI Gym接口使用强化学习训练自动化Agent。
技术使用了DQN模拟攻击方和防御方，部署了一些经典的漏洞、脆弱性的资产。不同的服务器资产被攻取可以获得到不同的分数。跟强化学习的思想结合起来，可以获得到一个最佳的攻击路径、攻击手法和防御策略。在这个过程中通过变换不同的防守策略、网络拓扑，可以得到很多的副本，从而进一步的训练攻击者和防守方的策略。（我们知道强化学习需要给智能体的行为给定一个评分，然后让这个智能体最后得到高分。那么我是说，当然他会向着得分最高的目标，这里当然是域控主机。我的意思是，，如何设置智能体的行为是需要细致考虑的，比方说，选取了什么漏洞，这个漏洞是否可行，使用过后是否会被系统检测出来。在这里是有一套复杂的设置）
再者，作为防御方，我们想要对系统进行威胁建模，但是就我所知道的，威胁建模对于建模的人来说，建模是挖掘威胁的工具，我们在进行建模前是不知道威胁是什么的，那么强化学习需要设置对智能体设置行为规范，让他去学习，从而去发现潜在的威胁。看上去是不是有点冲突，不过仔细想想是我搞混了威胁建模的概念（写的比较绕了，其实需要区别的是威胁建模不是挖创新型的0day，而是去根据已经有的资料去查询系统，在这个层面其实看起来是可以使用强化学习的。但是我总觉得在这个层面上，需要对智能体的行为不要设置需要多样性一点，要是设置的太具体，宏观，我觉得就简化了攻击方式，也就是量化智能体行为细度需要做一些研究）