机构名称：
¥ 1.0
随着网络威胁的越来越复杂，下一代网络（NGN）中的现有入侵检测系统（IDS）受到更多的虚假启动和努力提供强大的安全性功能，突出了对更适应性和可靠的威胁检测机制的关键需求。这项研究介绍了一个新颖的ID，该ID利用了Dueling Dueling Deep Q-Network（DQN）在游戏理论框架中模拟多试剂对手学习方案的强化学习算法来应对这些挑战。通过使用定制的OpenAI健身房环境进行现实的威胁模拟和先进的决斗DQN机制，以减少高估偏差，拟议方案显着提高了入侵检测的适应性和准确性。针对当前最新方法的比较分析表明，所提出的系统可实现出色的性能，精度和F1得分的提高分别为95.02％和94.68％。这些结果强调了拟议的自适应ID的潜在范围，以防御NGN中的动态威胁格局。
IAES国际人工智能杂志（IJ-AI）IAES国际人工智能杂志（IJ-AI）
主要关键词
相关文件推荐
