基于深度强化学习和结构化数据Transformer的入侵检测方法

本发明公开了一种基于深度强化学习和结构化数据Transformer的入侵检测方法，方法包括：S1、采集流量数据，将数据集输入至智能体；S2、智能体利用分类器对当前输入的流量数据进行分类；S3、环境根据智能体选择的类别和真实的类别进行判定，将奖励反馈结果与新采样的流量数据输入至智能体；S4、当存储的数据达到数据更新的批量大小，进行各类样本分布权重自适应更新；S5、使用改进的DQN算法更新价值函数，使智能体能够从经验中学习并改进决策；S6、当到达设定的学习轮次终止训练；S7、在新的流量数据上进行测试，并评估入侵检测分类性能指标。本发明有效防止少数类别样本被多数类别样本淹没的情况，改善了入侵检测任务中数据样本分布不平衡的问题。