基于深度学习的无线通信网络入侵检测系统设计

当前无线通信网络入侵检测系统内的智能体,均依托于简单机器学习理念构造而成的,面对网络环境中的确定性问题无法自适应调整检测模式,导致入侵检测结果F1评分较低。对此,针对无线通信网络,设计以深度学习为核心的入侵检测系统。建立数据处理模块,完成对原始通信网络入侵数据的独热编码、Min-Max归一化处理和特征矩阵转换。结合深度学习理念,构造包含环境状态模型和价值函数入侵检测智能体,根据网络风险环境动态调整入侵检测模式。再运用合理的入侵检测智能体训练策略,更新智能体参数,将智能体调整为最优状态。最后,通过包含多个区分器的Softmax回归层,生成网络入侵检测结果。系统测试结果表明:所提系统的检测结果F1评分最大值为0.994,最低F1评分也达到了0.958。