基于强化学习的智能漏洞扫描策略生成方法及装置

本申请提供了基于强化学习的智能漏洞扫描策略生成方法及装置。本实施例通过强化学习基于实时感知的目标设备的设备特征向量、以及目标设备的历史扫描结果，动态生成当前的扫描插件选择策略，以保证动态生成的扫描插件选择策略具有较强的动态适应能力，从而减少误报和漏报。进一步地，本实施例借助于强化学习的奖励机制，根据不同扫描插件的历史表现和目标设备当前的扫描结果（甚至再加上用户反馈信息），实时优化调整强化学习模型中的Actor模型，以实现不断优化后续的扫描插件选择策略，提升检测效率和准确性。