一种基于SEA-DDQN自适应强化学习的入侵态势预测方法

本发明属于网络安全态势感知技术领域，公开了一种基于SEA‑DDQN自适应强化学习的入侵态势预测方法，包括以下步骤：获取网络流量数据集；对获取的网络流量数据集进行预处理，得到规范化数据集；构建基于双重价值的深度注意力Q网络SEA‑DDQN模型，进行网络安全入侵态势预测ISP，实现ISP过程。本发明采用上述一种基于SEA‑DDQN自适应强化学习的入侵态势预测方法，通过与流量环境的持续交互，不断提升其预测能力，使得模型能够灵活应对复杂且不断变化的威胁场景；SEA‑DDQN利用强化学习的优势，对模型的自适应性和决策制定过程进行优化，从而增强模型在动态环境中的抗干扰能力。