本发明公开了一种基于强化学习的入侵检测方法，包括对入侵检测环境进行建模，在入侵检测环境内模拟出一个马尔科夫过程，将强化学习模型用于入侵检测的分类检测环境当中，通过强化学习学习出最优的分类策略，将分类正确率作为强化学习模型中的奖赏函数，建立基于入侵检测马尔科夫过程的Bellman方程，采用基于γ折扣累计奖赏的策略评估算法计算最优解，可以确定入侵检测中正常行为和非正常行为的阈值，有利于不断地使得正常行为序列得以补充，最终提高入侵检测的检测率，降低误报率和漏报率，最终提升整个入侵检测系统的性能。
声明：
“基于强化学习的入侵检测方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究，如用于商业用途，请联系该技术所有人。
我是此专利(论文)的发明人(作者)
1107
编辑：管理员
来源：北方有色网
咨询细节
