本發(fā)明公開了一種網(wǎng)絡異常流量檢測方法、系統(tǒng)及可存儲介質(zhì)，涉及計算機網(wǎng)絡安全技術(shù)領域。獲取待檢測網(wǎng)絡流量數(shù)據(jù)，將其分為訓練樣本和測試樣本；將訓練樣本輸入多目標深度強化學習模型中對多個Actor?Critic網(wǎng)絡模型進行訓練；分別采用策略梯度和損失函數(shù)對Actor網(wǎng)絡和Critic網(wǎng)絡參數(shù)進行更新，保存更新模型；通過該模型對網(wǎng)絡流量測試樣本進行測試，輸出異常流量檢測結(jié)果。本發(fā)明不依賴于高性能GPU，只需在CPU上就能快速訓練預測，能夠顯著降低計算機資源。此外，本發(fā)明所構(gòu)建的多目標深度強化學習模型不僅具有更好的收斂性，還能在高維度和連續(xù)動作空間上更有效的學習，提高網(wǎng)絡異常流量檢測效率以及準確率。