本發(fā)明公開(kāi)了一種基于強(qiáng)化學(xué)習(xí)和脈沖網(wǎng)絡(luò)的電力網(wǎng)絡(luò)入侵檢測(cè)方法，包括：以強(qiáng)化學(xué)習(xí)的方式對(duì)網(wǎng)絡(luò)入侵檢測(cè)問(wèn)題建立深度學(xué)習(xí)模型，所述深度學(xué)習(xí)模型利用神經(jīng)網(wǎng)絡(luò)進(jìn)行判斷，神經(jīng)網(wǎng)絡(luò)包括線性網(wǎng)絡(luò)和脈沖神經(jīng)網(wǎng)絡(luò)；依據(jù)入侵檢測(cè)的數(shù)據(jù)集構(gòu)建強(qiáng)化學(xué)習(xí)的多元組，使用智能體與環(huán)境進(jìn)行交互并將數(shù)據(jù)以多元組為單位存入經(jīng)驗(yàn)回放單元，以實(shí)現(xiàn)所述經(jīng)驗(yàn)回放單元的軌跡采樣；所述神經(jīng)網(wǎng)絡(luò)通過(guò)智能體提取輸入特征，利用采樣的軌跡進(jìn)行線性網(wǎng)絡(luò)的訓(xùn)練與脈沖神經(jīng)網(wǎng)絡(luò)參數(shù)的更新，進(jìn)而得到優(yōu)化的判斷結(jié)果。本發(fā)明提供的強(qiáng)化學(xué)習(xí)入侵檢測(cè)方法利用脈沖神經(jīng)網(wǎng)絡(luò)，使得模型判別具有更強(qiáng)的生物學(xué)基礎(chǔ)和魯棒性，并提高了入侵檢測(cè)的準(zhǔn)確率。