一种网络防御方法、装置、设备及介质

本申请涉及网络安全技术领域，尤其涉及一种网络防御方法、装置、设备及介质，用于有效应对不断变化的网络威胁，提高网络防御效果。该方法包括：构建深度强化学习DRL模型，设定DRL模型的状态空间和动作空间，并基于网络系统的关键防御指标，构建奖励函数；采用柔性动作‑评价SAC算法对DRL模型进行训练；获取网络系统的当前网络状态信息，并将当前网络状态信息输入至已训练完成的DRL模型中，得到最优网络防御措施，并执行最优网络防御措施。这样，利用深度强化学习技术，能够动态调整防护机制以应对不断变化的网络威胁，另外，检测到潜在威胁时，自动执行有效的网络防御措施，使得系统能够从被动监测转向主动防御。