一种自主网络攻防智能体训练方法、装置、设备及介质

本发明涉及网络安全技术领域，公开了一种自主网络攻防智能体训练方法、装置、设备及介质，可以基于网络环境、第一强化学习算法、第一待训练智能体的第一攻防角色和第一对抗智能体，对第一待训练智能体进行网络攻防预训练，得到基线智能体；其中，第一对抗智能体为未使用神经网络算法训练过，采用固定策略进行网络攻防的智能体。将基线智能体作为第二待训练智能体的第二对抗智能体，对第二待训练智能体进行网络攻防后训练，得到后训练智能体；其中，第二攻防角色与第一攻防角色互为相对角色。对后训练智能体进行微调优化，得到第一最优智能体。本发明训练得到的第一最优智能体具备较高的自主网络攻防性能，有效增强智能体的网络攻防可靠性。