買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！

龍圖騰網獲悉浙江工業大學申請的專利一種基于深度強化學習的攻擊樹蜜罐部署防御方法與裝置獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN115580430B 。

龍圖騰網通過國家知識產權局官網在2025-08-12發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202211054557.4，技術領域涉及：H04L9/40；該發明授權一種基于深度強化學習的攻擊樹蜜罐部署防御方法與裝置是由陳晉音;胡書隆;李曉豪;宣琦;鄭雅羽設計研發完成，并于2022-08-31向國家知識產權局提交的專利申請。

本一種基于深度強化學習的攻擊樹蜜罐部署防御方法與裝置在說明書摘要公布了：本發明公開了一種基于深度強化學習的攻擊樹蜜罐部署防御方法與裝置，所述方法包括獲取網絡拓撲信息，并依次構建攻擊樹；將卷積神經網絡與Q?Learning算法結合以創建DQN模型，基于DQN模型訓練智能體,其中所述智能體作為滲透攻擊方，訓練目標為生成當前最優滲透攻擊路徑；根據當前最優滲透攻擊路徑，將當前最優攻擊路徑所經歷的所有節點均作為可能受到攻擊的節點，通過監測每個可能受到攻擊的節點的流量變化情況，確定易受攻擊的節點；計算每個易受攻擊的節點對應的攻擊漏洞的難度；依據易受攻擊的節點的流量變化情況和攻擊漏洞的難度從而得到攻擊概率最大的節點，并在該節點部署蜜罐；并不斷更新蜜罐的部署，引誘使攻擊者陷入部署好的蜜罐，從而完成防御。

本發明授權一種基于深度強化學習的攻擊樹蜜罐部署防御方法與裝置在權利要求書中公布了：1.一種基于深度強化學習的攻擊樹蜜罐部署防御方法，其特征在于，具體包括以下步驟： S1，獲取網絡拓撲信息，并依次構建攻擊樹；所述攻擊樹用于滲透路徑尋優； S2，將卷積神經網絡與Q-Learning算法結合以創建DQN模型，基于DQN模型訓練智能體，其中所述智能體作為滲透攻擊方，訓練目標為生成當前最優滲透攻擊路徑；將滲透路徑尋優過程構建為MDP過程，利用DQN算法進行訓練，狀態輸入為每個節點的漏洞信息，獎勵根據CVSS對不同漏洞的基礎得分和期望得分進行設定，動作輸出即DQN模型所選擇的攻擊路徑； S3，將SDN流量控制器與攻擊樹結合，根據步驟S2得到的當前最優滲透攻擊路徑，將當前最優攻擊路徑所經歷的所有節點均作為可能受到攻擊的節點，通過監測每個可能受到攻擊的節點的流量變化情況，確定易受攻擊的節點；基于訪問矩陣、訪問復雜度、真實性指標計算每個易受攻擊的節點對應的攻擊漏洞的難度；依據易受攻擊的節點的流量變化情況和攻擊漏洞的難度從而得到攻擊概率最大的節點，并在該節點部署蜜罐；并不斷更新蜜罐的部署，引誘使攻擊者陷入部署好的蜜罐，從而完成防御。

如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人浙江工業大學，其通訊地址為：310014 浙江省杭州市下城區潮王路18號；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。