本發明公開了一種基于噪聲網絡與強化學習的入侵檢測方法,通過向網絡頂端的全連接層加入高斯噪聲的方式在網絡訓練過程中引入不確定性,以促使系統學習如何應對復雜多樣的網絡攻擊,提高系統的入侵檢測能力。首先對入侵檢測系統的環境進行建模,并利用強化學習算法來進行入侵檢測,再通過使用Noisy DQN算法向系統中加入不確定性因素,并采用累積獎賞的策略對系統進行評估,以獲得具有最大獎勵的最優策略。本發明提出了一種新穎的基于強化學習的入侵檢測方法:Noisy DQN,同Q?Learning等方法相比,Noisy DQN進一步解決了在大流量網絡報文檢測時算法收斂過慢的問題,并在訓練過程中引入不確定性因素以提升系統對不確定性攻擊的檢測能力。
聲明:
“基于噪聲網絡與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)