基于深度強化學(xué)習(xí)的工業(yè)網(wǎng)絡(luò)入侵檢測研究

摘要： 為了有效識別工業(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)的空間特征和時序特征相結(jié)合，展開異常檢測.在公開的工控網(wǎng)絡(luò)天然氣工廠數(shù)據(jù)集上進行實驗，DQN-LSTM模型在準確率和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）