本發(fā)明公開了一種面向深度強(qiáng)化學(xué)習(xí)的策略異常檢測方法和裝置，包括：利用采集的狀態(tài)樣本對DDPG網(wǎng)絡(luò)進(jìn)行強(qiáng)化學(xué)習(xí)；構(gòu)建包含行動者網(wǎng)絡(luò)和判別器的模仿學(xué)習(xí)網(wǎng)絡(luò)，利用采集的狀態(tài)樣本和專家狀態(tài)動作對對模仿學(xué)習(xí)網(wǎng)絡(luò)進(jìn)行訓(xùn)練；利用參數(shù)優(yōu)化的DDPG網(wǎng)絡(luò)基于輸入的狀態(tài)樣本生成狀態(tài)動作對，利用參數(shù)優(yōu)化的判別器對狀態(tài)動作對進(jìn)行判別，當(dāng)判別結(jié)果為1時，認(rèn)為動作未受到攻擊；當(dāng)判別結(jié)果為0時，認(rèn)為狀動作存在異常；當(dāng)動作存在異常時，且動作幅度差異在閾值范圍外，說明動作受到攻擊，利用模仿學(xué)習(xí)網(wǎng)絡(luò)生成的狀態(tài)動作對替換DDPG網(wǎng)絡(luò)生成的狀態(tài)動作對，以指導(dǎo)DDPG網(wǎng)絡(luò)在后續(xù)階段的強(qiáng)化學(xué)習(xí)過程中做出正確決策。