本发明公开了一种网络异常流量检测方法、系统及可存储介质,涉及计算机网络安全技术领域。获取待检测网络流量数据,将其分为训练样本和测试样本;将训练样本输入多目标深度强化学习模型中对多个Actor‑Critic网络模型进行训练;分别采用策略梯度和损失函数对Actor网络和Critic网络参数进行更新,保存更新模型;通过该模型对网络流量测试样本进行测试,输出异常流量检测结果。本发明不依赖于高性能GPU,只需在CPU上就能快速训练预测,能够显著降低计算机资源。此外,本发明所构建的多目标深度强化学习模型不仅具有更好的收敛性,还能在高维度和连续动作空间上更有效的学习,提高网络异常流量检测效率以及准确率。
声明:
“网络异常流量检测方法、系统及可存储介质” 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)