本發明公開了一種基于強化學習的入侵檢測方法,包括對入侵檢測環境進行建模,在入侵檢測環境內模擬出一個馬爾科夫過程,將強化學習模型用于入侵檢測的分類檢測環境當中,通過強化學習學習出最優的分類策略,將分類正確率作為強化學習模型中的獎賞函數,建立基于入侵檢測馬爾科夫過程的Bellman方程,采用基于γ折扣累計獎賞的策略評估算法計算最優解,可以確定入侵檢測中正常行為和非正常行為的閾值,有利于不斷地使得正常行為序列得以補充,最終提高入侵檢測的檢測率,降低誤報率和漏報率,最終提升整個入侵檢測系統的性能。
聲明:
“基于強化學習的入侵檢測方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)