深度分析 基於模仿學習的政策學習技術於神經符號防禦代理人之紅方行動預測 隨著網路攻擊手法日益複雜，研究提出以模仿學習結合神經符號行為樹，從觀測推測紅方策略並即時預測其行動，在多種模擬情境中達到高準確率，提升自律式防禦效能。此方法亦能辨識不同攻擊策略間的切換，並提供防禦方即時調整策略的依據。實驗顯示，在MITRE ATT&CK基礎的CybORG環境中，預測正確率超過九十五%。
