公开(公告)号：CN116633639B

公开(公告)日：2024-04-12

申请号：CN202310622371.2

申请日：2023-05-30

Applicant: 北京交通大学

Inventor： 王楠 ,  崇云浩 ,  孙元林

IPC: H04L9/40 ,  G06N3/088 ,  G06N3/09 ,  G06N3/092 ,  G06N20/20

Abstract: 本发明提供了一种基于无监督与有监督融合深度强化学习的网络入侵检测方法。该方法包括：构建无监督数据与有监督数据混合的污染数据集；构建结合无监督学习和深度强化学习的入侵检测模型，利用污染数据集对入侵检测模型进行训练，得到训练好的入侵检测模型；利用训练好的入侵检测模型对目标网络进行入侵检测。本发明将无监督数据作为污染样本和有监督数据混合来模拟网络入侵的现实场景，并提出将无监督学习引入深度强化学习的入侵检测模型中，进一步探索网络入侵检测的新方法。

公开(公告)号：CN116633639A

公开(公告)日：2023-08-22

申请号：CN202310622371.2

申请日：2023-05-30

Applicant: 北京交通大学

Inventor： 王楠 ,  崇云浩 ,  孙元林

IPC: H04L9/40 ,  G06N3/088 ,  G06N3/09 ,  G06N3/092 ,  G06N20/20

Abstract: 本发明提供了一种基于无监督与有监督融合深度强化学习的网络入侵检测方法。该方法包括：构建无监督数据与有监督数据混合的污染数据集；构建结合无监督学习和深度强化学习的入侵检测模型，利用污染数据集对入侵检测模型进行训练，得到训练好的入侵检测模型；利用训练好的入侵检测模型对目标网络进行入侵检测。本发明将无监督数据作为污染样本和有监督数据混合来模拟网络入侵的现实场景，并提出将无监督学习引入深度强化学习的入侵检测模型中，进一步探索网络入侵检测的新方法。