本发明涉及一种基于强化学习的反蜜罐伪装攻击方法。攻击者根据电网系统中软件定义网络攻防场景特征，动态选择最优攻击方案。该方法包括，攻击者使用价值网络评估当前状态下采取不同动作（例如正常攻击、反蜜罐攻击、伪装攻击方式等）的长期累积回报，使用系统中的性能评价指标去评估当前状态下采取不同动作的成本、收益、惩罚等，利用学习算法通过迭代机制实现马尔科夫决策过程下的最优策略选择。该方法站在攻击者的角度分析攻击策略，使其在不完全了解防御机制的条件下实现最大化收益。