基于联邦DQN强化学习的蜜罐智能体数据泄漏的评估方法

本发明公开了一种基于联邦DQN强化学习的蜜罐智能体数据泄漏的评估方法，方法包括：利用基于梯度非零项特性的行动泄漏风险量化技术从模型参数更新中推理出智能体所执行的行动集合，并以推理的行动集合和真实行动集合的匹配度作为行动泄漏风险指标值；利用多时间步模型参数更新的分层元反演评估技术从粗粒度重构和细粒度重构两个阶段逐步实现对状态泄漏的评估；以重构状态与真实状态的相似度作为状态泄漏风险指标值。本发明为制定更强健的隐私保护机制提供重要依据，同时指导了开发实际应用中的隐私增强技术，平衡模型性能与数据安全之间的关系。