本發(fā)明提供了一種基于多智能體強(qiáng)化學(xué)習(xí)的惡意軟件檢測(cè)方法及裝置，其中方法包括：S1對(duì)惡意軟件樣本進(jìn)行提取PE特征的操作；S2檢測(cè)智能體對(duì)PE特征進(jìn)行檢測(cè)，如果檢測(cè)結(jié)果為惡意則執(zhí)行S3，如果檢測(cè)結(jié)果為良性則執(zhí)行S5；S3操作智能體對(duì)惡意軟件進(jìn)行變體操作；S4將經(jīng)過變體操作的惡意軟件變體作為惡意軟件樣本，返回執(zhí)行S1；S5判斷檢測(cè)智能體是否成功檢測(cè)出惡意軟件，如果未成功檢測(cè)出惡意軟件，則對(duì)檢測(cè)智能體進(jìn)行懲罰操作，對(duì)操作智能體進(jìn)行獎(jiǎng)勵(lì)操作；如果成功檢測(cè)出惡意軟件，則對(duì)檢測(cè)智能體進(jìn)行獎(jiǎng)勵(lì)操作，對(duì)操作智能體進(jìn)行懲罰操作；S6如果訓(xùn)練結(jié)束，收斂模型，存儲(chǔ)檢測(cè)智能體的檢測(cè)策略以及操作智能體的操作策略。