本發(fā)明屬于網(wǎng)絡(luò)安全技術(shù)領(lǐng)域，特別涉及一種基于強化學(xué)習(xí)和攻防博弈的智能防御決策方法及裝置，該方法包含：在有限理性約束下構(gòu)建攻防博弈模型，并生成用于提取博弈模型中網(wǎng)絡(luò)狀態(tài)與攻防動作的攻防圖，該攻防圖設(shè)定為以主機為中心，攻防圖節(jié)點提取網(wǎng)絡(luò)狀態(tài)，攻防圖邊分析攻防動作；防御者在網(wǎng)絡(luò)狀態(tài)轉(zhuǎn)移概率未知時，通過在線學(xué)習(xí)得到防御收益使得防御者面對不同攻擊者時自動做出最優(yōu)防御策略的選擇。本發(fā)明有效壓縮博弈狀態(tài)空間，降低了存儲和運行開銷；防御者在與攻擊者對抗中依據(jù)環(huán)境反饋進行強化學(xué)習(xí)，在面對不同攻擊時能自適應(yīng)做出最優(yōu)選擇；提升防御者學(xué)習(xí)速度，提高了防御收益，減少對歷史數(shù)據(jù)依賴，有效提升防御者決策時的實時性和智能性。