基于深度Q-学习和粒子群优化的僵尸检测算法
顾伟
任勇军
南京信息工程大学计算机与软件学院 南京 210044
摘要：深度Q-学习算法常用于检测社会网络平台上的僵尸攻击.但是Q-学习算法的收敛慢.为此,提出基于深度Q-学习和粒子群优化的僵尸检测(Deep Q-Learning and Particle Swarm Optimization-based Bot Detection,DQL-PSO)算法.DQL-PSO算法引用粒子群优化算法提高Q-学习算法性能,进而获取最优的学习动作序列.将学习动作序列作为粒子的位置;将状态转换概率转换成粒子速度,进而利用粒子群优化算法提升Q-学习算法性能.仿真结果表明,提出的DQL-PSO算法提高了僵尸检测的准确率,并提升了收敛速度.
关键词：Q-学习粒子群僵尸准确率重回率
分类号：TPT393(自动化技术、计算机技术)
资助基金：国家自然科学基金(62072249)国家自然科学基金(61922045)
论文发表日期：2021-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：5( 1743-1746,1871 )
英文信息