一种基于强化学习的网络对抗决策方法

本发明公开了一种基于强化学习的网络对抗决策方法，属于网络对抗的技术领域，根据网络对抗过程的特点，将网络对抗过程建模为部分可观测的马尔可夫决策过程，并利用网络环境状态转移的特性，通过图的无监督和自监督任务构建网络环境表征模型；结合网络环境表征模型、基于强化学习算法构建网络对抗决策模型，针对攻击和防御两种场景形成对应智能体，包括攻击方和防守方。并在网络对抗模拟环境中进行动态博弈，通过最大化回报不断提升网络对抗的决策质量；本发明采用上述方法，将网络对抗过程转化为部分可观测的马尔可夫决策问题，结合图神经网络、基于强化学习算法实现网络对抗的策略生成，通过智能体之间的动态博弈实现网络对抗策略的优化。