本项目以基于增强学习的自适应入侵检测方法为研究内容,目标是通过研究和应用具有良好泛化性能和学习效率的基于核的增强学习算法,以及面向隐含状态马氏过程的入侵检测系统(IDS)状态特征优化选取和建模,实现IDS的离线自适应性能优化设计和在线学习;并且在基于多智能体的增强学习系统框架下研究面向大规模网络的分布式入侵检测系统协同策略优化设计和在线自适应方法。本项目的研究成果不仅对解决已有入侵检测系统存在的检
{{i.achievement_title}}
数据更新时间:2023-05-31
硬件木马:关键问题研究进展及新动向
低轨卫星通信信道分配策略
基于公众情感倾向的主题公园评价研究——以哈尔滨市伏尔加庄园为例
面向云工作流安全的任务调度方法
基于全模式全聚焦方法的裂纹超声成像定量检测
基于混合学习模型的入侵检测方法研究
基于特征学习的领域自适应目标检测方法研究
基于自适应背景学习的CME自动检测方法研究
免疫入侵检测动态自适应机制研究