<  Retour au portail Polytechnique Montréal

How to Better Fit Reinforcement Learning for Pentesting: A New Hierarchical Approach

Marc-Antoine Faillon, Baptiste Bout, Julien Francq, Christopher Neal, Nora Boulahia Cuppens, Frédéric Cuppens et Reda Yaich

Communication écrite (2024)

Un lien externe est disponible pour ce document
Département: Département de génie informatique et génie logiciel
ISBN: 9783031709036
URL de PolyPublie: https://publications.polymtl.ca/59494/
Nom de la conférence: 29th European Symposium on Research in Computer Security (ESORICS 2024)
Lieu de la conférence: Bydgoszcz, Poland
Date(s) de la conférence: 2024-09-16 - 2024-09-20
Maison d'édition: Springer
DOI: 10.1007/978-3-031-70903-6_16
URL officielle: https://doi.org/10.1007/978-3-031-70903-6_16
Date du dépôt: 29 oct. 2024 13:18
Dernière modification: 08 avr. 2025 14:41
Citer en APA 7: Faillon, M.-A., Bout, B., Francq, J., Neal, C., Boulahia Cuppens, N., Cuppens, F., & Yaich, R. (septembre 2024). How to Better Fit Reinforcement Learning for Pentesting: A New Hierarchical Approach [Communication écrite]. 29th European Symposium on Research in Computer Security (ESORICS 2024), Bydgoszcz, Poland. https://doi.org/10.1007/978-3-031-70903-6_16

Statistiques

Dimensions

Actions réservées au personnel

Afficher document Afficher document