一种基于深度强化学习的攻击故障树安全风险评估系统

本发明提供一种基于深度强化学习的攻击故障树安全风险评估系统，涉及信息安全技术领域。具体包括：网络资产数据指纹扫描器模块，深度强化学习网络模型生成及训练模块，以及自动化渗透测试工具集合模块。本发明旨在利用深度强化学习从系统攻击图中确定最佳攻击路径。通过将筛选出的攻击路径与实际渗透测试中遇到的各种资源和时间成本相结合，可以确定各类安全风险在攻击故障树中的失效率，以及各类攻击的成功概率等其他指标。最后在实施例中通过构建电力系统场景的攻击故障树，并在博弈阶段比较每条攻击路径的攻击杀伤力和检测能力水平，定性与定量化地分析了目标系统最终的安全能力水平及因遭受攻击导致损坏的程度。