基于元学习的策略博弈的行为预测方法和预测器

摘要

本申请涉及策略博弈技术领域的一种基于元学习的策略博弈的行为预测方法和预测器。所述方法包括获取网络攻防博弈数据集，将数据集划分为用于测试训练好的行为预测模型效果的新任务和用于元学习的训练样本，采用元学习方法对构建的基于深度神经网络的行为预测模型进行训练，并利用训练好的行为预测模型在新任务中对网络攻防博弈中攻击者的战略行为进行预测。本方法采用无监督学习的任务分类方法和专家混合架构的元学习方法，能够在网络攻防博弈数据量较少的场景中明显提升网络攻防博弈中攻击者的战略行为预测精度和预测速度，取得较好的安全防御效果，并达到主动防御的功能，从而为及时有效的进行网络防御提供了重要的技术支持。