本发明提供基于深度迁移强化学习无线网络异常流量检测方法,包括:从源域NSL‑KDD训练样本中随机采样并在环境智能体中的训练,预测出若干个特征标签;通过对比标签获得奖励并计算损失函数;根据损失函数并通过反向传播算法更新神经网络参数;从含有标签的训练样本中随机采样,通过分类智能体分类出特征;通过对比预测获得奖励并计算损失函数,并通过反向传播算法更新神经网络参数;多次训练后获取AE‑Dueling DDQN模型及其权重;输入目标域中的AWID数据集的训练样本,并加载模型权重,对目标神经网络进行微调;通过softmax输出层输出4类流量。该方法能有效提高异常攻击流量的检测准确率,降低检测模型训练时间复杂度以及计算机资源,具有检测未知攻击的能力。
声明:
“基于深度迁移强化学习无线网络异常流量检测方法” 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)