.png){kind=icon}
返回
A deep reinforcement based echo state network for network intrusion classification
.png){kind=icon}
OA
AI
DOI：10.1371/journal.pone.0333038.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
网络入侵分类是指监控和分析网络流量以识别可疑活动或攻击的过程。本研究中，作者提出了一种利用深度强化学习（DRL）并整合回声状态网络（ESN）这一储层计算方法的新型网络入侵分类方法。基于DRL的方法通过动态适应新颖/未知和演变的攻击模式，改进了传统深度学习。与静态模型不同，DRL通过与环境的交互持续学习最优策略，从而实现对实时未知威胁的更好检测。为解决网络入侵数据集中常见的类别不平衡问题，我们评估了多种先进的数据平衡技术，包括Borderline-SMOTE、SMOTE-ENN、ADYSN和K-means SMOTE。结果表明，基于K-means的数据平衡方法优于其他技术，在各项指标上表现出最稳健的性能。作者在NF-BoT-IoT、NF-UNSW-NB15、NF-ToN-IoT、NF-ToN-IoT-v2、NF-CSE-CIC-IDS2018和NF-UNSW-NB15-v3等基准数据集上进行了多数据集验证，以确保对不同网络流数据的鲁棒性。为进行适应性建模测试，作者从训练数据中排除了某些攻击类型，并在测试数据中包含这些类型（例如，DoS和后门攻击未包含在训练数据中，但包含在测试数据中（见表3））。所提出的方法提高了入侵检测的准确性和可靠性，使其成为保障现代网络基础设施安全的一种可行解决方案。本研究的源代码可在以下Github仓库中获取（https://github.com/codewithkhurshed/DRLZDNIDS）。
期刊
IF:
2.6
论文数:
2.6W
被引数:
81.6W
机构
引用论文
Real-Time Intrusion Detection in Wireless Network: A Deep Learning-Based Intelligent Mechanism无线网络实时入侵检测: 一种基于深度学习的智能机制.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏A Comparative Study of Using Deep Learning Algorithms in Network Intrusion DetectionIEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏Recent endeavors in machine learning-powered intrusion detection systems for the Internet of Things
PREAI
分享收藏Attention-Based CNN-BiLSTM Deep Learning Approach for Network Intrusion Detection System in Software Defined Networks基于注意力机制的CNN-BiLSTM深度学习方法在软件定义网络中的网络入侵检测系统
PREAI
分享收藏Internet of Things Applications, Security Challenges, Attacks, Intrusion Detection, and Future Visions: A Systematic Review物联网应用、安全挑战、攻击、入侵检测和未来展望: 系统综述IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏
查看更多内容