基于人工智能算法的分布式网络异常入侵检测研究#br#

信息安全研究 ›› 2025, Vol. 11 ›› Issue (E2): 193-.

• 2025“数字经济与网络安全”论文集 • 上一篇下一篇

基于人工智能算法的分布式网络异常入侵检测研究#br#

王坤1闫政2黄海浪3

1(公安部第三研究所公安部网络安全等级保护评估中心上海200031)
2(上海市公安局网络安全保卫总队上海201799)
3(清华大学北京100000)

出版日期:2025-12-27 发布日期:2025-12-29

Online:2025-12-27 Published:2025-12-29

摘要/Abstract

摘要： 针对分布式网络异常入侵检测中错误检测比例较高及AUC值较低的问题，结合等保测评工作中入侵检测的需求，提出一种基于人工智能算法的分布式网络异常入侵检测方法.首先运用小波阈值去噪技术对分布式网络信号进行去噪处理；其次采用深度生成模型对去噪后的网络信号实施降维；最后利用人工智能算法中的长短时记忆网络，对降维后的分布式网络拟合数据序列进行分析，将输入样本二分为正常与异常入侵2种类别，从而识别网络异常入侵行为.实验结果表明，所设计方法的错误检测比例不超过1%，AUC值达到0.9以上，能够实现对分布式网络异常入侵的精准检测，为网络安全防护提供有力支持.

关键词: 人工智能算法, 分布式网络, 入侵检测, 小波阈值去噪, 深度生成模型, 长短期记忆网络

中图分类号:

TP391

王坤, 闫政, 黄海浪, . 基于人工智能算法的分布式网络异常入侵检测研究#br#[J]. 信息安全研究, 2025, 11(E2): 193-.

[1]	尹春勇, 王珊, . 基于联邦学习和注意力机制的物联网入侵检测模型[J]. 信息安全研究, 2025, 11(9): 788-.
[2]	钱永傲, 邓涛, 马赟, 周纯杰, 燕葵, 张卫平, . 基于边云协同的油气生产物联网入侵检测系统设计[J]. 信息安全研究, 2025, 11(9): 868-.
[3]	翁铜铜, 矫桂娥, 张文俊, . 一种融合时空特征的物联网入侵检测方法[J]. 信息安全研究, 2025, 11(3): 241-.
[4]	李聪聪, 袁子龙, 滕桂法, . 基于深度学习的时空特征融合网络入侵检测模型研究[J]. 信息安全研究, 2025, 11(2): 122-.
[5]	曾庆鹏, 贺述明, 柴江力, . 融合多模态特征的恶意TLS流量检测方法[J]. 信息安全研究, 2025, 11(2): 130-.
[6]	卢轩, 吴建华, 龚一轩, 施天宇, . 基于LSTM的充电桩恶意流量入侵检测[J]. 信息安全研究, 2024, 10(E2): 134-.
[7]	罗文华, 张晓龙, . 基于联邦学习与卷积神经网络的入侵检测模型[J]. 信息安全研究, 2024, 10(7): 642-.
[8]	陈虹, 张立昂, 金海波, 武聪, 齐兵, . 基于MobileViT轻量化网络的车载CAN入侵检测方法[J]. 信息安全研究, 2024, 10(5): 411-.
[9]	王子昂, 汤艳君, 王子晨, 王子祎, . 基于去噪扩散概率模型的网络流量入侵检测方法研究[J]. 信息安全研究, 2024, 10(5): 421-.
[10]	杨晓文, 张健, 况立群, 庞敏, . 融合CNN-BiGRU和注意力机制的网络入侵检测模型[J]. 信息安全研究, 2024, 10(3): 202-.
[11]	康海燕, 张聪明, . 基于联邦学习的自适应网络攻击分析方法研究[J]. 信息安全研究, 2024, 10(12): 1091-.
[12]	徐红泉, 金琦, 娄冰, 孙志华, . 基于协同注意力的多家族恶意域名入侵检测[J]. 信息安全研究, 2024, 10(12): 115-.
[13]	张鹏飞. 基于机器学习的入侵检测模型对比研究[J]. 信息安全研究, 2023, 9(8): 739-.
[14]	张明明, 刘凯, 李贤慧, 许梦晗, 顾颖程, 张见豪, 程环宇, 王永利, . 基于广义神经网络的网络攻击检测与分类方法[J]. 信息安全研究, 2023, 9(6): 593-.
[15]	张明明, 刘凯, 李贤慧, 许梦晗, 顾颖程, 张见豪, 程环宇, . 基于深度学习的恶意行为检测与识别模型研究[J]. 信息安全研究, 2023, 9(12): 1152-.

基于人工智能算法的分布式网络异常入侵检测研究#br#

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics