摘要
本发明提出了一种面向智算网络的安全防护方法，步骤为：将网络流量数据集进行预处理，划分为训练集和测试集；进行特征选择，在特征空间中探索搜索最优的特征子集；将网络入侵检测过程建模为马尔科夫决策过程，将特征子集映射到神经网络中的状态、动作并设计奖励函数；与SAC强化学习算法结合并搭建经验回放池，构建用于网络入侵检测的强化学习智能体；定义对抗性的攻击方智能体和防御方智能体，使用异步更新方式进行参数同步；分别创建攻防双方的子智能体进行迭代对抗；利用测试集评估防御方智能体的分类能力。本发明进行特征选择，减少计算量，提高检测效率；引入对抗性训练机制确保面对复杂网络攻击能迅速准确检测与响应。
