为应对日益严峻的电子信息网络安全威胁，本文提出了一种基于深度学习的网络安全检测方法(deep learning-based electronic information network security detection method，DL-EINSD)。该方法综合利用卷积神经网络(convolutional neural network，CNN)、循环神经网络(recurrent neural network，RNN)、对抗生成网络(generative adversarial network，GAN)及基于强化学习(reinforcement learning，RL)技术，实现了恶意代码特征的自动提取、网络流量异常的实时检测、仿真攻击样本的生成以及检测策略的动态优化。实验结果表明:DL-EINSD在多项指标上表现出色，准确率高达 99。24%，F1 分数超过 98%，展现出良好的检测性能和泛化能力。
万方数据
维普
