中间人攻击是一种常见的网络攻击方法,攻击者可以通过使用一些技术手段获取用户的隐私敏感信息,从而给用户造成一定的财产或是人身安全隐患。因此,目前针对中间人攻击防御问题的研究具有重要的意义并受到了广泛的关注。本文基于安全博弈论的相关理论从一个全新的方面研究中间人攻击防御问题——假设在中间人攻击不可避免的情况下,以降低防御方遭受攻击时的损失为目标,从整体和个体两个角度出发研究如何为防御方设计最优防御策略。从整体角度出发是将服务器与用户看作一个整体作为防御方,将防御方和攻击者之间的交互过程建模为Stackelberg博弈模型并采用强Stackelberg均衡作为最优防御策略。为了能够高效求解防御策略,提出了一种减小计算最优防御策略时的搜索空间的新方法。从个体角度出发是把每个用户看作一个独立的防御方,使用同时行动博弈模型对多个防御方与攻击者之间的交互过程进行建模并采用模型的Nash均衡策略作为最优防御策略。为了能够在实际中求解出Nash均衡策略,分别为防御方和攻击者设计了自适应的学习算法,使得双方能够在重复交互过程中学习收敛到Nash均衡。最后实验结果表明从整体角度出发所设计的防御方最优防御策略在降低整体损失方面明显优于其他非策略性的防御策略,从个体角度出发所提出的学习算法能够保证防御方策略收敛到Nash均衡,攻击者的期望收益稳定在Nash均衡。基于安全博弈论的相关理论研究中间人攻击防御问题,不仅是对中间人攻击防御问题研究方面的一个补充,对安全博弈论的发展具有一定的理论意义,也为安全博弈论的应用提供了新的发展方向。