YAWNING TITAN logo

YAWNING TITANمحاكاة مفتوحة المصدر للأمن السيبراني لتدريب وكيل الدفاع عن التعلم المعزز

4.3 (6)
Daniel Nikulshynمراجعة بواسطة Daniel Nikulshyn·تم التحديث يوليو 2026

نظرة عامة

يعد YAWNING TITAN مجريعة بيئه Simulation لشبكات محورة بشكل عام لتدريب وتقييم Agents Cyber-defense autonomous. تم وضعها بذكاء بالبحث والعملة في فكرها المنهجه لاتخاذ المستخدم شبكات على شكل عقد وروابط، ثم تقف خائفة Agents المهاجمون والمدافعون ببعضهم البعض لدراسة strategie النفوذة المرتخية emergent تتمتع البيئة بوزن خفيف ويمكن التكيف معها، مما يجعلها مقبولة للغاية لعمل مودولات أولية سريعة لتقنيات التعلم عن طريق القوة في defense network. يمكن للمتخصصين في مجال البحث تعديل topology الشبكي، والضعف في الشبكة، والفعالية من قبل المهاجم، والمسؤولية من قبل المُحامي لاستكشاف مجموعة واسعة من السيناريوهات دون تكاليف مُشابهة في مُحاكي شبكة كامل. يهدف الأساس هو إلى الأكاديميين الباحثين، ومختصي مكافحة الهجمات الإلكترونية، ومهندسي التكنولوجيا الحاسوبية التعلمية لاستكشاف تطبيقات الوكالات الذاتية في العمليات الأمنية.

الميزات الرئيسية

  • محاكاة شبكية قائمة على الرسم البياني
  • وكلاء هجوم ودفاع قابلون للتكوين
  • التكامل مع إطارات RL
  • طوبولوجيا شبكية قابلة للتخصيص ونقاط ضعف
  • تكوين السيناريو والتجربة عبر YAML
  • أدوات لتقييم أداء الوكيل

التسعير

النموذج
Freemium
التقييم
4.3 / 5 (6)

حالات الاستخدام

تدريب وكلاء الدفاع السيبراني المستقلين

استخدم بيئة قائمة على الرسم البياني لتدريب وكيل RL الذي يتعلم الدفاع عن الشبكات المحاكاة ضد وكلاء الهجوم، واستكشاف استراتيجيات الدفاع الناشئة.

نمذجة خوارزميات RL لأمان الشبكة

كرر بسرعة على أساليب التعلم المعزز في محاكاة خفيفة الوزن، وتجنب الحمل الزائد لمحاكاة الشبكة الكاملة خلال التجريب المبكر.

تشغيل تجارب الهجوم والدفاع القابلة للتكوين

حدد الطوبولوجيا المخصصة ونقاط الضعف وسلوك الوكيل عبر YAML لدراسة كيفية تأثير سيناريوهات مختلفة على ديناميكيات الهجوم والدفاع.

بحث الأمن السيبراني الأكاديمي

دعم الأبحاث الأكاديمية ودراسة الحالة على الدفاع السيبراني المستقل من خلال توفير اختبار مفتوح المصدر وقابل للتكرار لتقييم أداء الوكيل.

المزايا والعيوب

المزايا

  • مفتوح المصدر ومجاني
  • خفيف وسريع للتكرار
  • سيناريوهات شبكية قابلة للتكوين بدرجة عالية
  • مصمم لأبحاث التعلم المعزز

العيوب

  • محاكاة مجردة، وليست محاكاة واقعية
  • يتطلب خبرة في ML و Python
  • سيناريوهات محدودة خارج الصندوق
  • جمهور مستهدف ضيق للبحث

المراجعات

4.3

المتوسط من 6 تقييم.

5
2
4
4
3
0
2
0
1
0

سجّل الدخول لكتابة مراجعة.

Kwame Mensah

Kwame Mensah

May 6, 2026

Compared a few options

Evaluated this against two competitors. Where it wins: scenario and experiment configuration via YAML and free and open source. Where it lags: narrow research-focused audience. On balance the feature set — especially customizable network topologies and vulnerabilities — justifies the 5 stars for our use case.

MB

Marcus Bell

Feb 7, 2026

Skeptical, then convinced

I went in skeptical — most tools in this space overpromise. It actually delivers on graph-based network simulation, and highly configurable network scenarios caught me off guard. Limited out-of-the-box scenarios is why this isn't a perfect score, still, I'd recommend giving it a real trial.

Pierre Dubois

Pierre Dubois

Jan 25, 2026

Use it every day

Honestly didn't expect to like it this much. Scenario and experiment configuration via YAML is exactly what I needed, and designed for reinforcement learning research. I do wish abstract simulation, not a realistic emulator, but I reach for it almost every day now and it just clicks.

TA

Tariq Aziz

Jan 18, 2026

Years in this space

I've evaluated a lot of these over the years. What stands out here is scenario and experiment configuration via YAML — handled better than most — and highly configurable network scenarios. Narrow research-focused audience is my one real gripe. Worth the time if this is your use case.

DW

Devin Walker

Jan 17, 2026

Solid for our team

We rolled this out across the team last quarter and designed for reinforcement learning research. Customizable network topologies and vulnerabilities fits neatly into how we already work, and integration with RL frameworks removed a step we used to do by hand. Limited out-of-the-box scenarios, which is the main caveat, but it has held up under daily use.

Olga Ivanova

Olga Ivanova

Aug 6, 2025

Years in this space

I've evaluated a lot of these over the years. What stands out here is scenario and experiment configuration via YAML — handled better than most — and free and open source. Worth the time if this is your use case.

أسئلة وأجوبة

كيف واقعي هذا التطبيق التمثيلي، وبماهي المنحدرة التعلمية؟

يُعد تيتان التحيير على تمثيل إحاطة ومخطومة بدلا من مشغل شبكات متعمقة، لذلك يُقدم المرونة والسرعة على المرونة، وتُكمل مع مجموعة تعلم الآلة وخبرة بلايثر لتحقيق مستوى مناسب من التعلم.

Asked by Sofia Lindqvist · Feb 4, 2026

هل YAWNING TITAN مناسب لبيئات الإنتاج؟

لا، فإنه يعد بيئة التمثيل النظري وبالتالي ليس اميتلاك للواقعية، ويصدر بشكل رئيسي للاستخدام التجريبي والبحث العلمي.

Asked by Tomáš Novák · Feb 6, 2026

هل يلتحم مع إطاريات التعلم الوقائي، و كيفية ضبط الحوامليات؟

نعم، يلتائم ياونينغ تيتان مع إطاريات التعلم الوقائي للتدريب وضبط أجهزة التحكم في الأشعة، ضبط وضبط وضبط الحوامليات عن طريق الملفات الالكترونية، لضبط بنية الشبكة و ضبط الحوامليات للتعرض و ضبط الإستعداد لتعامل الملفات وضبط الملفات الالكترونية وضبط الأجهزة والتحكم فيها بلا تغيير البرنامج الأساسي

Asked by Wei Chen · Jan 19, 2026

هل يمكنني تخصيص سيناريوهات الشبكة في YAWNING TITAN؟

نعم، يسمح YAWNING TITAN بالسيناريوهات المُعرّفة بكل دقة لشبكة الشبكات من خلال الملفات التفاعلية بملف YAML.

Asked by Ludovic Girard · Jan 17, 2026

ما هو الخبرة المطلوبة لاستخدام YAWNING TITAN؟

يتطلب استخدام YAWNING TITAN خبرة في ML وبرمجة Python.

Asked by Quoc Bui · Dec 5, 2025

اطرح سؤالاً

بدائل لـ أمان الذكاء الاصطناعي