一种基于智能体学习的模糊测试节点资源动态分配方法

本发明提供一种基于智能体学习的模糊测试节点资源动态分配方法，涉及资源动态分配技术领域。该方法包括：设置任务管理环境，任务管理环境用于管理任务状态及奖励机制；设置模糊测试引擎，针对当前任务状态，依据测试分配智能体的评估为测试节点分配测试对象，并通过数据生成智能体生成各种输入数据并模拟攻击场景，从而对系统进行全面扫描，发现潜在漏洞；依据任务管理环境奖励机制，数据生成智能体和测试分配智能体在任务管理环境进行状态搜索，通过最大化累积奖励得分来进行模型训练；持续进行模型训练至模型满足预设训练和验证条件。本方法利用模糊测试技术对系统进行漏洞扫描，并结合资源负载均衡技术，提高了扫描效率和准确性。