简介： 本发明涉及一种基于强化学习的漏洞挖掘技术，其特征在于：所述基于强化学习的漏洞挖掘技术包括；语义推理机制流程；符号分析引擎对模糊化过程的引导流程；优化模糊器变异流程；本发明，运用强化学习的方法来优化变异的策略，以多摇臂赌博机问题为模型，记录不同变异方式产生的输入在目标程序中的执行效果，利用探索‑利用算法自适应地学习变异操作结果的概率分布情况，智能地进行变异操作策略调整，提升模糊测试性能，此项技术能自动调整变异操作策略，有效地产生覆盖率高的测试输入，方法可行、额外资源消耗较小，基于成分分析的模糊测试工作流程进行优化，以减小程序的规模，在保证效率的同时，为后期验证省去了不必要的程序片段。