一种基于深度强化学习的边攻击网络瓦解方法

发明专利有效专利

申请号：
CN202210841978.5
IPC分类号：G06N3/08;G06N3/04
申请日期：
2022-07-18
申请人：
中国人民解放军国防科技大学

基础信息

权利要求

说明书

PDF全文

法律信息

引证文献

著录项信息

专利名称	一种基于深度强化学习的边攻击网络瓦解方法
申请号	CN202210841978.5	申请日期	2022-07-18
法律状态	公开	申报国家	中国
公开/公告日	2022-10-11	公开/公告号	CN115169555A
优先权	暂无	优先权号	暂无
主分类号	G06N3/08 ? IPC结构图谱： G 物理 G0 仪器 G06 计算；推算；计数 G06N 基于特定计算模型的计算机系统〔7〕 G06N3/00 基于生物学模型的计算机系统（仿真生物的功能方面的模拟计算机入G06G 7/60）〔7〕 G06N3/02 采用神经网络模型（用于自适应控制的入G05B 13/00；用于图像模式匹配的入G06K 9/00；用于图像数据处理的入G06T 1/40；用于语音模式匹配的入G10L 15/16）〔7〕 G06N3/08 学习方法〔7〕	IPC分类号	G;0;6;N;3;/;0;8;;;G;0;6;N;3;/;0;4查看分类表>
申请人	中国人民解放军国防科技大学	申请人地址	湖南省长沙市开福区德雅路109号变更专利地址、主体等相关变化，请及时变更，防止失效
权利人	中国人民解放军国防科技大学	当前权利人	中国人民解放军国防科技大学
发明人	刘鸿福;陈立斌;曾诚逸;张万鹏;陈少飞;张煜;陈璟;付雅晶
代理机构	成都希盛知识产权代理有限公司	代理人	陈泽斌

摘要

本发明涉及网络瓦解技术领域，其公开了一种基于深度强化学习的边攻击网络瓦解方法，其能够在无先验知识的情况下，通过同类型的小型网络进行离线训练，获得具有实时性和可移植性的边攻击策略。该方法，在训练过程中，基于输入网络的节点属性矩阵，通过对各节点邻居节点的聚合获得节点嵌入向量；通过边两端节点嵌入向量的映射，并进行正则化获得边嵌入向量；通过对节点嵌入向量的聚合获得网络表示向量；然后，以网络表示向量表征状态，以边嵌入向量表征动作，基于DQN进行迭代训练，获得训练好的网络瓦解模型；在实际应用时，将待瓦解的网络输入至完成训练的网络瓦解模型中，获得瓦解边序列作为瓦解策略。

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有引用任何外部专利数据！

序号	公开(公告)号	公开(公告)日	申请日	专利名称	申请人
该专利没有被任何外部专利所引用！

我浏览过的专利

专利服务由北京酷爱智慧知识产权代理公司提供