本發(fā)明公開(kāi)了一種基于強(qiáng)化學(xué)習(xí)防御滲透攻擊的方法及裝置、電子設(shè)備，該方法包括：(1)將滲透測(cè)試過(guò)程建模為馬爾可夫決策過(guò)程，其中所述馬爾可夫決策過(guò)程包括狀態(tài)、動(dòng)作、獎(jiǎng)勵(lì)值；(2)訓(xùn)練智能體,其中所述智能體作為滲透攻擊方，訓(xùn)練目標(biāo)為生成當(dāng)前最優(yōu)滲透攻擊路徑過(guò)程；(3)將網(wǎng)絡(luò)環(huán)境中敏感主機(jī)的價(jià)值進(jìn)行符號(hào)翻轉(zhuǎn)，并設(shè)置獲得目標(biāo)敏感主機(jī)的Root權(quán)限時(shí)滲透攻擊的回合不結(jié)束，將滲透攻擊的回合的結(jié)束條件修改為回合中訓(xùn)練步數(shù)達(dá)到了預(yù)定閾值；(4)將對(duì)主機(jī)價(jià)值的修改更新到步驟(1)的獎(jiǎng)勵(lì)值中，利用訓(xùn)練好的智能體對(duì)步驟(3)中的網(wǎng)絡(luò)環(huán)境進(jìn)行防御訓(xùn)練，重復(fù)防御訓(xùn)練的過(guò)程直至訓(xùn)練回合數(shù)達(dá)到預(yù)定閾值，得到防御滲透攻擊的策略。