PulseAugur
中
实时 10:28:39
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网络架构增强云网络安全

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的自适应深度Q网络（DQN）架构，用于增强云环境中的网络安全。该基于强化学习的框架旨在提供实时入侵检测和自动化威胁缓解。与决策树和支持向量机等传统机器学习算法相比，DQN模型表现出优越的性能，准确率达到99.72%，攻击缓解率达到99.54%。 AI

影响 这项研究可能为云基础设施带来更强大、更自动化的网络安全解决方案。

排序理由 该集群包含一篇详细介绍用于网络安全的新机器学习架构的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

深度Q网络架构增强云网络安全

报道来源 [1]

  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…

相关实体

相关话题