本发明公开了一种基于深度强化学习的自动渗透测试方法与框架。其方法整体包括网络环境数据采集与预处理、深度强化学习模型的构建、渗透工具的外部封装。其主要核心方法是通过ZoomEye对网络环境进行扫描并收集拓扑信息,通过收集的数据构建状态可达矩阵,使用DoubleDQN算法进行模型训练与学习,使用渗透工具作为外部工具对真实环境进行交互,并对DoubleDQN模型做出反馈,从而实现性能不错的攻击路径预测。本公开技术方案与一般的自动化渗透方案相比,可有效提高了渗透测试的效率,是一种可行的自动化渗透方案。
声明:
“基于深度强化学习的自动化渗透测试方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)