本發(fā)明提供一種軟件漏洞智能挖掘方法和裝置，其中，方法包括：并行運(yùn)行多個(gè)策略執(zhí)行節(jié)點(diǎn)；策略生成節(jié)點(diǎn)在接收到控制節(jié)點(diǎn)的開(kāi)始指令后，發(fā)送初始策略隊(duì)列至對(duì)應(yīng)的策略執(zhí)行節(jié)點(diǎn)；并行的多個(gè)策略執(zhí)行節(jié)點(diǎn)執(zhí)行初始策略隊(duì)列生成當(dāng)前結(jié)果反饋，將當(dāng)前結(jié)果反饋發(fā)送給策略生成節(jié)點(diǎn)；策略生成節(jié)點(diǎn)根據(jù)當(dāng)前結(jié)果反饋對(duì)強(qiáng)化學(xué)習(xí)智能體進(jìn)行訓(xùn)練，由強(qiáng)化學(xué)習(xí)智能體生成新的策略并發(fā)送給策略執(zhí)行節(jié)點(diǎn)；策略執(zhí)行節(jié)點(diǎn)根據(jù)新的策略生成新結(jié)果反饋并反饋發(fā)送給策略生成節(jié)點(diǎn)；將新的結(jié)果反饋?zhàn)鳛楫?dāng)前結(jié)果反饋，重復(fù)上述步驟。本發(fā)明通過(guò)為目標(biāo)被測(cè)軟件動(dòng)態(tài)選擇更優(yōu)的模糊測(cè)試策略，使得并行模糊測(cè)試總體上的效率始終處于較高狀態(tài)，避免單個(gè)固定策略存在的困境。