一种基于深度强化学习的网络入侵检测系统对抗攻击方法

  • 国民经济行业:信息传输、软件和信息技术服务业/互联网和相关服务/互联网信息服务
  • 学科类别:计算机科学技术/计算机科学技术其他学科
  • 权利人:上海交通大学

知识产权简介

一种网络入侵检测系统对抗攻击方法,该方法包括:基于SimCLR对比学习框架训练Transformer流特征编码器,提取网络流的特征表示,构建流特征嵌入空间;利用流特征相似度为目标恶意流检索最相似的良性流,通过行为克隆预训练策略网络,实现模仿学习预热;将流特征相似度增量作为中间奖励,与逃逸奖励加权融合,构建深度强化学习奖励函数;采用课程学习策略动态调整奖励权重,训练连续动作空间下的PPO算法生成对抗流,实现对抗攻击。本发明通过模仿学习预热解决了深度强化学习的冷启动问题,通过相似度中间奖励缓解了长序列决策中的稀疏奖励问题,显著提高了对抗攻击的成功率。

转化前景

一种网络入侵检测系统对抗攻击方法,该方法包括:基于SimCLR对比学习框架训练Transformer流特征编码器,提取网络流的特征表示,构建流特征嵌入空间;利用流特征相似度为目标恶意流检索最相似的良性流,通过行为克隆预训练策略网络,实现模仿学习预热;将流特征相似度增量作为中间奖励,与逃逸奖励加权融合,构建深度强化学习奖励函数;采用课程学习策略动态调整奖励权重,训练连续动作空间下的PPO算法生成对抗流,实现对抗攻击。本发明通过模仿学习预热解决了深度强化学习的冷启动问题,通过相似度中间奖励缓解了长序列决策中的稀疏奖励问题,显著提高了对抗攻击的成功率。

基本信息

权利人 上海交通大学
知识产权类型 专利
意向合作模式 入股,许可
预估金额
联系合作