原创力文档- 1、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。。
- 2、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
本发明公开了一种基于分层架构的安全强化学习方法，包括以下步骤：S1，将防御策略划分为N个子策略，并为每个子策略定义优先级；S2，根据用户观测子策略在时隙k的状态，构建系统状态，并与历史的L个状态‑策略对共同构建当前状态序列；S3，构建N层的神经网络架构，每一层用于输出对应子策略的优势函数、状态值函数或直接输出子策略；S4，根据预防策略的优势函数、动作值函数或直接输出，选取对应的子策略；S5，基于选取的子策略，得到即时奖励和系统安全性能；S6，根据即时奖励和系统安全性能，优化选取的子策略；根据风险
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号CN117852619A
(43)申请公布日2024.04.09
(21)申请号202311633405.4
(22)申请日2023.12.01
(71)申请人南京航空航天大学
地址2100
文档评论（0）