Jove
Visualize
联系我们
JoVE
x logofacebook logolinkedin logoyoutube logo
关于 JoVE
概览领导团队博客JoVE 帮助中心
作者
出版流程编辑委员会范围与政策同行评审常见问题投稿
图书馆员
用户评价订阅访问资源图书馆顾问委员会常见问题
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experiments存档
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教师资源中心教师网站
使用条款与条件
隐私政策
政策

相关实验视频

Updated: Jan 12, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K

基于深度强化学习的入侵检测方案用于软件定义网络.

R Kanimozhi1, P S Ramesh2

  • 1Department of Artificial Intelligence and Data Science, A.V.C. College of Engineering, Mayiladuthurai, Tamilnadu, India. kanimozhivedharajan@gmail.com.

Scientific reports
|November 5, 2025
PubMed
概括
此摘要是机器生成的。

相关概念视频

您也可能阅读

相关文章

通过共同作者、期刊和引用图与本文相关的文章。

排序
Same author

Adaptive contextual memory network for enhanced communication and efficiency in the internet of underwater things.

Scientific reports·2025
Same author

Digital twin driven smart factories: real time physics based co-simulation using edge a.i. and federated learning.

Scientific reports·2025
Same author

Perceived digital threats influencing smartphone use among the aging population.

Scientific reports·2025
Same author

An ECG signal processing and cardiac disease prediction approach for IoT-based health monitoring system using optimized epistemic neural network.

Electromagnetic biology and medicine·2025
Same author

Robust and secure image steganography with recurrent neural network and fuzzy logic integration.

Scientific reports·2025
Same author

Chaotic self-adaptive sine cosine multi-objective optimization algorithm to solve microgrid optimal energy scheduling problems.

Scientific reports·2024
Same journal

Application of ephrin-B2 loaded glycol chitosan-silk fibroin hydrogel in the treatment of diabetic refractory wounds.

Scientific reports·2026
Same journal

International expert Delphi consensus on thromboprophylaxis in metabolic and bariatric surgery.

Scientific reports·2026
Same journal

Assessing the cross-region knowledge transfer capability of selected deep learning building vectorization methods in the context of available training datasets.

Scientific reports·2026
Same journal

Feasibility and preliminary effects of outdoor versus indoor cognitive-motor therapy in women with Alzheimer's disease: A randomized single-blind pilot study.

Scientific reports·2026
Same journal

Hallmarks of social action in the vocal turn-taking of wild common marmosets (Callithrix jacchus).

Scientific reports·2026
Same journal

Role and mechanism of AOPPs-induced NOX4-mediated ferroptosis in intervertebral disc degeneration.

Scientific reports·2026
查看所有相关文章

一个基于深度强化学习的入侵检测系统 (DRL-IDS) 增强了软件定义网络 (SDN) 的安全性. 这种先进的系统有效地检测和减轻各种网络威胁,具有高准确性和适应性.

科学领域:

  • 计算机科学 计算机科学
  • 网络安全 网络安全
  • 网络工程 网络工程

背景情况:

  • 软件定义网络 (SDN) 由于其集中控制层面,提出了独特的安全挑战.
  • 分布式拒绝服务 (DDoS) 攻击和网络不当行为对SDN环境构成重大威胁.
  • 现有的入侵检测系统经常与现代网络的动态性质和复杂性作斗争.

研究的目的:

  • 开发和评估一个强大的基于深度强化学习的入侵检测系统 (DRL-IDS),以提高SDN安全性.
  • 集成长短时间序列重复神经网络 (LFTS-RNN) 进行准确的攻击检测和粒子云集成联合时间和特征优化算法 (PC-JTFOA) 进行网络管理.
  • 改进各种网络威胁的检测和缓解,包括DDoS攻击和网络不当行为.

主要方法:

  • 这是一个混合模型,它结合了LFTS-RNN用于威胁识别和PC-JTFOA用于特征选择,负载平衡和节能路由.
  • 利用深度强化学习来持续适应不断变化的网络行为和新出现的攻击向量.
  • 使用NSL-KDD和WPPD数据集进行实验验证,以评估性能.

主要成果:

  • LFTS-RNN模型实现了高灵敏度 (98.67%) 和高特异性 (97.42%).
  • 该DRL-IDS方案显示出卓越的检测准确性 (99.85%) 和适应性.
关键词:
深度强化学习的学习.分布式拒绝服务攻击检测攻击检测侵入检测系统的入侵检测系统长期短期内存网络中的长期内存.粒子集团调整跳跃教学捕鱼优化算法软件定义网络是软件定义的网络.

相关实验视频

Last Updated: Jan 12, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

1.0K
  • PC-JTFOA组件导致低响应时间 (1423毫秒),表明计算效率有所提高.

    • 结论:

    • 拟议的DRL-IDS方案在准确性和适应性方面明显优于现有的入侵检测方法.
    • 混合方法有效地解决了SDN不同层面的安全漏洞.
    • DRL-IDS提供了一种计算效率高和强大的解决方案,用于保护SDN环境免受各种网络威胁.