本发明公开了一种基于噪声网络与强化学习的入侵检测方法,通过向网络顶端的全连接层加入高斯噪声的方式在网络训练过程中引入不确定性,以促使系统学习如何应对复杂多样的网络攻击,提高系统的入侵检测能力。首先对入侵检测系统的环境进行建模,并利用强化学习算法来进行入侵检测,再通过使用Noisy DQN算法向系统中加入不确定性因素,并采用累积奖赏的策略对系统进行评估,以获得具有最大奖励的最优策略。本发明提出了一种新颖的基于强化学习的入侵检测方法:Noisy DQN,同Q‑Learning等方法相比,Noisy DQN进一步解决了在大流量网络报文检测时算法收敛过慢的问题,并在训练过程中引入不确定性因素以提升系统对不确定性攻击的检测能力。
声明:
“基于噪声网络与强化学习的入侵检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)