申请/专利权人：中国人民解放军61660部队

申请日：2023-12-26

公开（公告）日：2024-04-16

公开（公告）号：CN117896111A

主分类号：H04L9/40

分类号：H04L9/40;G06N3/0442;G06N3/092;G06N3/096

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.03#实质审查的生效;2024.04.16#公开

摘要：本发明涉及一种基于深度迁移强化学习的APT攻击预测方法，属于网络空间安全领域。本发明搭建用于预测APT下一步攻击的DRLS，将当前时刻的环境信息输入DRLS；进行DRLS和环境的交互，每一轮交互中，智能体从APT数据集中提取相关的数据特征，作为当前状态的输入。LSTM网络根据状态输入，输出当前状态下不同动作的值函数，并将状态‑动作函数进行长期保存。DRLS根据ε‑greedy策略做出动作和环境进行交互，得到当前时刻的奖励以及下一时刻的网络环境状态。进行DRLS的训练过程，训练根据交互得到的经验数组进行，将每次与环境交互得到的经验数组存入经验池中，并添加价值标签。本发明能更适合动态网络环境，且具有更好的可泛化性。

主权项：1.一种基于深度迁移强化学习的APT攻击预测方法，其特征在于，该方法包括如下步骤：步骤一，搭建用于预测APT攻击行为的深度强化学习网络系统DRLS，将当前时刻的环境信息输入DRLS；步骤二，进行DRLS和环境的交互；每一轮交互中，智能体从APT数据集中提取相关的数据特征，作为当前状态的输入；长短期记忆LSTM网络用于近似APT预测动作值函数，根据状态输入，输出当前状态下不同动作的值函数，并将状态-动作函数进行长期保存；DRLS根据∈-greedy策略做出动作并和环境进行交互，得到当前时刻的奖励以及下一时刻的环境状态；步骤三，进行DRLS的训练过程，训练将根据交互得到的经验数组进行；将每次与环境交互得到的经验数组存入经验池中，并添加价值标签；步骤四，在Q-learning和LSTM基础上，设计基于DRLS的迁移学习方案，以提升DRLS应对环境变化的能力。

全文数据：

权利要求：

百度查询： 中国人民解放军61660部队 一种基于深度迁移强化学习的APT攻击预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD