基于深度强化学习的网络入侵检测模型构建方法

本发明公开了一种基于深度强化学习的网络入侵检测模型构建方法，包括如下步骤：步骤一，进行数据预处理，构建多视角网络流量数据集；步骤二，利用稀疏滤波网络分别对步骤一构建的三个视角的网络流量数据集进行特征降维；步骤三，将步骤二中各个视角的稀疏滤波网络输出特征，输入到一个注意力层进行特征融合；步骤四，将注意力层输出的融合特征，输入到一个深度强化学习模型，进行模型学习，学习结束后完成对于模型的构建。本发明的模型鲁棒性高、泛化能力强，能有效解决传统深度强化学习方法在高维网络流量数据分析时容易遇到的维数灾问题。