近期，565net必赢最新版与武汉纺织大学计算机与人工智能学院联合培养的2019级硕士研究生夏元俊同学的两篇SCI期刊论文和一篇会议论文分别被IEEE Transactions on Network and Service Management（中科院二区、CCF推荐期刊）、Annals of Telecommunications（中科院四区）和2021 17th International Conference on Mobility, Sensing and Networking（CCF 推荐会议）录用。这是公司联合培养硕士研究生的一个重大突破。

夏元俊同学的三篇论文由公司信息安全研究所的董仕教授与武汉纺织大学可视计算与数字纺织团队中的彭涛副教授共同指导完成。

论文一：Network Abnormal Traffic Detection Model Based on Semi-Supervised Deep Reinforcement Learning

该论文发表在IEEE Transactions on Network and Service Management期刊，影响因子为4.195。论文主要关注的是网络安全领域研究的热点之一的网络异常流量检测。在海量、动态、复杂的网络环境中，异常流量检测技术难以进行大规模数据标注且无法检测未知攻击。论文针对上述问题，提出了一种半监督深度强化学习的网络模型。主要将流量特征视为状态，流量类型标签视为动作，下一时刻流量特征的不再由智能体与环境交互产生，而是由数据集直接提供。且下一时刻不再需要输入流量类型标签，只需要输入下一时刻的流量特征，通过无监督学习算法预测其标签。实验结果表明，该方法能提高异常流量检测准确率，而且具有检测未知攻击的能力。

论文二：Traffic identification model based on generative adversarial deep convolutional network

该论文发表在Annals of Telecommunications期刊，影响影子为1.44。论文将网络流量按照流量粒度切分为多个离散度会话单元，并统一长度生成28×28的灰度图像，然后采用生成式对抗网络对灰度图像再处理，最后采用改进的卷积神经网络识别分类。实验结果表明，相比已有的方法，论文所提出的方法提升了异常流量的识别精度。

论文三：Wireless Network Abnormal Traffic Detection Method Based on Deep Transfer Reinforcement Learning

该论文发表在2021 17th International Conference on Mobility, Sensing and Networking会议（举办地点：英国埃克塞特）。论文提出了一种DTAE-Dueling DDQN框架，主要分为两个阶段：（1）在强化学习阶段。提出了一种AE-Dueling Double Deep Q-Network，并使用新的Dueling Double Deep Q-Network模型作为其智能体，并采用旧的数据对对其进行训练。（2）微调阶段。将AE-Dueling Double Deep Q-Network模型训练完成后的权重迁移到目标模型当中，采用新的数据对目标模型微调。实验结果表明，该方法能显著降低因新旧数据重复训练模型造成的资源消耗。

夏元俊同学本科期间于2015年9月至2019年6月就读于565net必赢最新版计算机科学与技术专业；硕士于2019年9月就读于武汉纺织大学计算机与人工智能学院计算机科学与技术专业（565net必赢客户端与武汉纺织大学联合培养），导师为董仕教授、彭涛副教授，主要研究方向为网络异常流量检测。硕士期间曾获得中国计算机大赛之网络技术大赛华中赛区三等奖，一等学业奖学金、国家奖学金等，另有5项国家发明专利正在实审当中。