El criterio de resistencia del hormigón es la base del análisis de resistencia y evaluación bajo un estado de esfuerzo complejo. En este trabajo, se llevaron a cabo una gran cantidad de pruebas de resistencia multiaxial y se propusieron muchas expresiones matemáticas de criterios de resistencia basados en las características geométricas y la suposición de una función convexa. Sin embargo, la racionalidad de la suposición de una función convexa limita el uso de estos criterios de resistencia. En particular, se producirá un error de juicio cerca de la superficie de la curva de falla. Por lo tanto, en este trabajo no se asume la función de forma del criterio de antemano. Al recopilar datos experimentales y utilizar un método de aprendizaje automático, se propone un método de función oculta de la superficie de la curva de falla. Basándose en 777 grupos de datos experimentales, se utilizaron los modelos de bosque aleatorio (RF), red neuronal de retropropagación (BP) y red neuronal de base radial (RBF) para analizar y verificar la viabilidad y eficacia del método. Posteriormente, los resultados se compararon con el criterio de resistencia de Ottosen, el criterio de resistencia de Guo Wang y el criterio de resistencia de Drucker-Prager (DP). Los resultados muestran que la consistencia entre el modelo de criterio de resistencia establecido por el algoritmo de aprendizaje automático (especialmente el bosque aleatorio) y los datos experimentales es mayor que el criterio de resistencia multiaxial de función convexa de forma de superficie de falla preestablecida. Además, la significación física es más clara, se evita la deficiencia de la hipótesis de superficie de falla de función convexa y el criterio de resistencia multiaxial del hormigón establecido es más universal.