典型文献
基于Actor-Critic框架的渗透测试路径技术研究
文献摘要：
该文将层次强化学习与渗透测试相结合,将渗透测试过程建模为半马尔可夫决策模型,训练Agent在模拟网络环境中完成渗透测试路径发现,并提出了一种改进的基于Actor-Critic框架改进的自动分层记忆AHM-DQN算法(Automatic hierarchical memory Deep Q Networks,AHM-DQN).首先,在Actor网络中加入一个双向递归神经网络作为同一Agent的信息交换层;其次,在Critic网络加入其他种类的Agent信息来学习多种Agent协同策略.该算法在Actor-Critic算法上进行了以下改进:一是集成了自动分层功能,对任务目标和动作的选择进行自动分层,提高了算法的效率;二是结合记忆因子,帮助Agent有效地记忆和学习,解决奖励值的稀疏性问题,提高算法精度.该算法在学习效率和收敛速度上优于传统的分层学习算法,解决了渗透测试主要依靠人工进行的问题.
文献关键词：
渗透测试;分层学习算法;AHM-DQN算法;Actor-Critic框架
中图分类号：
作者姓名：
陆燕;杨秋芬
作者机构：
湖南开放大学 湖南长沙 410004
文献出处：
引用格式：
[1]陆燕;杨秋芬-.基于Actor-Critic框架的渗透测试路径技术研究)[J].科技资讯,2022(21):5-10
A类：
分层学习算法
B类：
Actor,Critic,渗透测试,强化学习,试过,过程建模,马尔可夫决策,决策模型,Agent,模拟网,网络环境,自动分层,AHM,DQN,Automatic,hierarchical,memory,Deep,Networks,一个双,双向递归神经网络,信息交换,协同策略,任务目标,地记,奖励值,稀疏性,学习效率,收敛速度,工进
AB值：
0.355952
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
