PulseAugur
中
实时 06:36:16
English(EN) Machine Learning-Based Cyber Defense for Cloud Infrastructure: An Adaptive Deep Q-Network Architecture for Intelligent Intrusion Detection and Automated Threat Mitigation

深度Q网络以99.72%的准确率增强云网络防御

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的网络安全框架，利用深度Q网络（DQN）来增强云基础设施抵御复杂网络攻击的能力。这种基于强化学习的方法训练自适应策略，用于实时威胁检测和自动化缓解。与决策树和随机森林等传统机器学习模型相比，DQN模型表现出卓越的性能，准确率达到99.72%，攻击缓解率达到99.54%。 AI

影响 这项研究展示了强化学习在自主网络安全方面的潜力，为云环境提供了改进的威胁检测和缓解能力。

排序理由 该集群描述了一篇研究论文，其中详细介绍了一种用于网络安全的新型机器学习架构。

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

深度Q网络以99.72%的准确率增强云网络防御

报道来源 [2]

  1. arXiv cs.AI TIER_1 English(EN) · Md Yassir Mottalib, Md Yousuf, Eklachur Rahman Bhuiyan, S M Ahsan Habib, Sonjoy Kumar Dey, Md. Salahuddin Gazi, Molay Kumar Roy, Asaduzzaman Anik ·

    基于机器学习的云基础设施网络防御：一种用于智能入侵检测和自动化威胁缓解的自适应深度Q网络架构

    arXiv:2608.12190v1 Announce Type: cross Abstract: With the increasing complexity of cyber assaults in cloud environments, adaptable security solutions are needed that can support real-time detection and autonomous response. In this paper, we propose a reinforcement learning-based…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    基于机器学习的云基础设施网络防御：一种用于智能入侵检测和自动化威胁缓解的自适应深度Q网络架构

    With the increasing complexity of cyber assaults in cloud environments, adaptable security solutions are needed that can support real-time detection and autonomous response. In this paper, we propose a reinforcement learning-based dynamic cyber defense framework. We deploy a Deep…

相关实体

相关话题