近年来,安全博弈模型已经广泛应用于城市基础设施、野生动植物保护以及网络安全等领域。安保部门的最优决策可通过求解博弈模型的均衡解得到。然而,复杂的现实生活场景往往需要建立为不同形式的安全博弈模型,从而求解不同形式的均衡解。为了研究不同场景安全博弈中的均衡解,使其适用于解决更多现实场景中的安保部门资源分配问题,具体地,本文做了如下工作:（1）研究了单防御者vs单攻击者安全博弈场景中的强斯塔克尔伯格均衡解SSE（Strong Stackelberg Equilibrium）。具体地,以通信系统应对主动时变攻击的场景进行分析。首先,本文建立了通信系统与主动时变攻击者之间的攻防安全博弈模型,基于博弈双方的得失,提出了求解防御者最佳人工噪声添加策略的非线性规划模型。其次,设计算法将1个M-维问题转化为M个1-维问题得到了 SSE。最后,本文将SSE中防御者的人工噪声添加策略与两种应对非战略性攻击行为的防御策略进行了比较,结果表明安全博弈模型给出的防御者策略在降低系统损失方面有显著性的效果。（2）研究了单防御者vs多攻击者重复安全博弈场景中的帕累托均衡解。考虑到防御者对多类型攻击者行为模型的不完全了解,本文采取最差情况分析法,在完全对抗性攻击行为下,优化防御者的期望收益。首先,本文将防御者在不确定性条件下的收益最大化问题转化为后悔值最小化问题。由于一个防御者策略要使得应对所有类型攻击者的行为不确定性产生的后悔值同时达到最优是非常困难的,故建立了多目标重复安全博弈模型,求解防御者的帕累托均衡解。其次,为在防御者策略产生的同时保证向量集合中求解出最优帕累托前沿,本文提出了线性规划上的Q-值迭代近似算法。最后理论分析得到了近似算法的误差界,并通过实验分析得到了理想的近似结果。（3）研究了多防御者vs单攻击者安全博弈场景中的逻辑斯塔克尔伯格多防御者均衡解 LSMDE（Logit StackelbergMulti-Defender Equilibrium）。首先,基于攻击者最佳响应集合中的目标吸引力值,定义了攻击者的逻辑打破平局规则,在此基础上提出了该场景中的逻辑斯塔克尔伯格多防御者均衡解LSMDE（Logit Stackelberg Multi-Defender Equilibrium）。通过将原博弈拆分为若干个子博弈,LSMDE可通过求解若干个带有均衡约束均衡子问题的解集合而得到。与平均打破平局规则下的防御者收益进行比较,结果表明,逻辑打破平局规则可更准确地描述攻击者的行为,从而带给防御者更大的收益。其次,本文将攻击者视为博弈外部因素,考虑了 LSMDE的等价均衡解形式,即多防御者之间的纳什均衡解。理论分析说明LSMDE不一定存在,故多防御者之间的纳什均衡解也不能保证存在。最后,本文给出了求解近似纳什均衡解的改进排除算法,并与迭代最佳响应IBR（IteratedBestResponse）算法进行了比较,实验结果表明本文给出的算法不仅可以求解更多博弈实例中的均衡解且求解速度要快于IBR算法。（4）研究了广义多防御者vs单攻击者安全博弈场景中的完美贝叶斯均衡解PBE（Perfect Bayesian Equilibrium）。在防御者同时持有真实资源与虚假资源的场景中,由于信息不对性,攻击者无法完全辨别真假资源。故持有虚假资源的弱实力防御者可以虚张声势假装为一个资源全部真实的强实力类型。首先,本文基于信号博弈模型建立了虚张声势安全博弈模型,其中防御者可发出不同于自身真实类型的信号混淆攻击者的判断,攻击者在接收到错误信号后选择攻击策略。其次,为求解PBE,本文建立了混合整数三次规划模型,并通过变量代换将其降维为混合整数二次规划模型。最后,本文理论分析了防御者“虚张声势”行为可带来积极作用的原因,并通过仿真实验与传统安全博弈模型进行了比较,结果验证了本文模型在提高防御者收益方面的有效性能。