摘要
本发明公开了一种基于深度强化学习的攻击树蜜罐部署防御方法与装置,所述方法包括获取网络拓扑信息,并依次构建攻击树;将卷积神经网络与Q‑Learning算法结合以创建DQN模型,基于DQN模型训练智能体,其中所述智能体作为渗透攻击方,训练目标为生成当前最优渗透攻击路径;根据当前最优渗透攻击路径,将当前最优攻击路径所经历的所有节点均作为可能受到攻击的节点,通过监测每个可能受到攻击的节点的流量变化情况,确定易受攻击的节点;计算每个易受攻击的节点对应的攻击漏洞的难度;依据易受攻击的节点的流量变化情况和攻击漏洞的难度从而得到攻击概率最大的节点,并在该节点部署蜜罐;并不断更新蜜罐的部署,引诱使攻击者陷入部署好的蜜罐,从而完成防御。