基于Q-学习算法的异常检测模型

摘要：

针对网络入侵的不确定性导致异常检测系统误报率较高的不足,提出一种基于Q-学习算法的异常检测模型(QLADM).该模型把Q-学习、行为意图跟踪和入侵预测结合起来,可获得未知入侵行为的检测和响应.通过感知环境状况、选择适当行为并从环境中获得不确定奖赏值,有效地判断动态系统的入侵行为和降低误报率.给出了该模型框架和各模块的功能描述,经实验验证该模型是有效的.

关键词：网络安全、异常检测、模型、Q-学习算法

分类号：TP393.08(计算技术、计算机技术)

资助基金：中国科学院资助项目60272011

在线出版日期：2006-05-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：87-89