基于入侵检测的深度强化学习移动目标防御系统及方法

本发明提出了一种基于入侵检测的深度强化学习移动目标防御系统及方法，主要解决现有方法对复杂网络环境下频繁IP跳变消耗资源过多且无法针对性防御的问题。方案包括：1)构建SDN网络拓扑并使用SDN控制器实时监控网络流量；2)构建基于CNN+LSTM并引入注意力机制的入侵检测模型，识别潜在威胁和异常行为；3)初始化IP资源并维护动态映射表和IP使用记录；4)构建基于深度强化学习的IP跳变模型并定义动作与奖励函数；5)通过策略更新完成模型优化；6)利用最优IP跳变策略实现移动目标防御。本发明能够提高复杂网络攻击的识别率，降低网络安全风险，同时减少数据处理的延迟，有效优化网络资源的利用率。