[发明专利]一种诱骗博弈均衡与强化学习模型对抗反蜜罐的方法在审
| 申请号： | 202211267660.7 | 申请日： | 2022-10-17 |
| 公开（公告）号： | CN115883129A | 公开（公告）日： | 2023-03-31 |
| 发明（设计）人： | 杨柯 | 申请（专利权）人： | 北京元支点信息安全技术有限公司 |
| 主分类号： | H04L9/40 | 分类号： | H04L9/40 |
| 代理公司： | 北京贵都专利代理事务所(普通合伙) 11649 | 代理人： | 田志华 |
| 地址： | 100000 北京市东*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 诱骗 博弈 均衡 强化 学习 模型 对抗 蜜罐 方法 | ||
1.一种诱骗博弈均衡与强化学习模型对抗反蜜罐的方法，其特征在于，包括以下步骤：
S1:通过策略欺骗满足状态，同时将此状态嵌入Agent智能体和环境模块中；
S2:智能体通过学习，并动作与环境模块；
S3：环境模块对评估信号传递信号，并对行动行动网络信号；
S4:评估网络传递信号到时序查分方法的同时，接收由评估网络产生的内部增强信号；
S5：时序差分方法将信号传递到遗传算法的同时，接收由评估网络产生的增强信号；
S6：行动网络接收由环境模块传递的信号的同时，接收由遗传算法传递到神经网络构造器的信号。
2.根据权利要求1所述的一种诱骗博弈均衡与强化学习模型对抗反蜜罐的方法，其特征在于，步骤S1具体为通过策略欺骗提高蜜罐诱骗程度η，合理部署蜜罐概率q，满足(γa-b)/(γa+ηc)＜q＜1/2的均衡状态，从而影响攻击者对蜜罐部署概率q的后验概率判断，提高诱骗主动性，将均衡条件嵌入Agent智能体和环境模块中，进而对下一步动作占据主动优势。
3.根据权利要求1所述的一种诱骗博弈均衡与强化学习模型对抗反蜜罐的方法，其特征在于，步骤S1具体为：Agent智能体以“试错”的方式进行学习，并通过与环境进行交互获得的奖赏指导行为，使智能体获得最大的奖赏。
4.根据权利要求1所述的一种诱骗博弈均衡与强化学习模型对抗反蜜罐的方法，其特征在于，步骤S2具体为：将均衡状态嵌入Agent智能体和环境模块中，进而对下一步动作占据主动优势。
5.根据权利要求1所述的一种诱骗博弈均衡与强化学习模型对抗反蜜罐的方法，其特征在于，步骤S4具体为：环境模块中提供的强化信号为内部增强产生的好坏作评估。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于北京元支点信息安全技术有限公司，未经北京元支点信息安全技术有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202211267660.7/1.html，转载请声明来源钻瓜专利网。
