本發明提供基于深度遷移強化學習無線網絡異常流量檢測方法,包括:從源域NSL?KDD訓練樣本中隨機采樣并在環境智能體中的訓練,預測出若干個特征標簽;通過對比標簽獲得獎勵并計算損失函數;根據損失函數并通過反向傳播算法更新神經網絡參數;從含有標簽的訓練樣本中隨機采樣,通過分類智能體分類出特征;通過對比預測獲得獎勵并計算損失函數,并通過反向傳播算法更新神經網絡參數;多次訓練后獲取AE?Dueling DDQN模型及其權重;輸入目標域中的AWID數據集的訓練樣本,并加載模型權重,對目標神經網絡進行微調;通過softmax輸出層輸出4類流量。該方法能有效提高異常攻擊流量的檢測準確率,降低檢測模型訓練時間復雜度以及計算機資源,具有檢測未知攻擊的能力。
聲明:
“基于深度遷移強化學習無線網絡異常流量檢測方法” 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)