基于深度強(qiáng)化學(xué)習(xí)的工業(yè)網(wǎng)絡(luò)入侵檢測(cè)研究
東北師大學(xué)報(bào)(自然科學(xué)版)
頁(yè)數(shù)： 7 2024-03-12
摘要： 為了有效識(shí)別工業(yè)網(wǎng)絡(luò)環(huán)境中由多條異常數(shù)據(jù)共同組合的新型攻擊，提出了一種基于深度強(qiáng)化學(xué)習(xí)的融合模型DQN-LSTM.該模型將流量數(shù)據(jù)的空間特征和時(shí)序特征相結(jié)合，展開異常檢測(cè).在公開的工控網(wǎng)絡(luò)天然氣工廠數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，DQN-LSTM模型在準(zhǔn)確率和F1值上與SVM、CNN、LSTM、DQN等方法相比，本文模型的綜合性能更好. （共7頁(yè)）
APP 