董卫魏,王曦,钟昕辉,冯世杰,王美虹

• 1:海南大学信息科学技术学院
• 2:中国传媒大学信息与通信工程学院
• 3:重庆大学微电子与通信工程学院
• 4:华北电力大学计算机科学与技术学院

摘要(Abstract)：

以提升网络入侵检测技术水平为目的，设计基于人工智能技术的轻量级网络入侵检测系统。该系统数据采集层利用若干个用户探针连接IDS检测服务器后，使用网络数据包捕获模块捕获用户网络运行数据，再通过传输层内防火墙、核心交换机和MQTT/CoAP通信协议将用户网络运行数据发送到逻辑运算层内，该层利用数据预处理模块对用户网络运行数据进行去噪预处理后，将其输入到基于人工智能的网络入侵检测模块内，通过该模块输出轻量级网络入侵检测结果，然后将检测结果发送到展示层，通过入侵告警信息、数据可视化展示等模块实现人机交互。实验表明：该系统运行较为稳定，可有效检测不同类型网络入侵的同时，其检测及时性和入侵告警能力较好，应用效果良好。

关键词(KeyWords)： 人工智能;轻量级;网络入侵;检测系统;数据采集;硬件结构;无监督;免疫优化

Abstract:

Keywords:

基金项目(Foundation):

作者(Author): 董卫魏,王曦,钟昕辉,冯世杰,王美虹

DOI: 10.16652/j.issn.1004-373x.2024.05.019

参考文献(References)：

• [1]黄学臻，翟翟，周琳，等.基于轻量级密集神经网络的车载自组网入侵检测方法[J].电子技术应用，2022,48(7):67-73.
• [2]杨彦荣，宋荣杰，周兆永.基于GAN-PSO-ELM的网络入侵检测方法[J].计算机工程与应用，2020,56(12):66-72.
• [3]何俊鹏，罗蕾，肖堃，等.基于特征值分布和人工智能的网络入侵检测系统的研究与实现[J].计算机应用研究，2021,38(9):2746-2751.
• [4]马琳，王云霄，赵丽娜，等.基于多模型判别的网络入侵检测系统[J].计算机科学，2021,48(z2):592-596.
• [5]刘景美，高源伯.自适应分箱特征选择的快速网络入侵检测系统[J].西安电子科技大学学报（自然科学版），2021,48(1):176-182.
• [6]李贝贝，宋佳芮，杜卿芸，等.DRL-IDS：基于深度强化学习的工业物联网入侵检测系统[J].计算机科学，2021,48(7):47-54.
• [7]王璐，文武松.基于人工智能的分布式入侵检测研究[J].计算机科学，2022,49(10):353-357.
• [8]沈纲祥.基于人工智能技术的光通信网络应用研究[J].通信学报，2020,41(1):162-168.
• [9]南静，宁传峰，建中华，等.基于随机配置网络的轻量级人体行为识别模型[J].控制与决策，2023,38(6):1541-1550.
• [10]卞叶童，孙涵.多信息辅助的U型轻量级显著性目标检测模型[J].小型微型计算机系统，2023,44(9):2023-2029.
• [11]柴亚闯，杨文忠，张志豪，等.基于EKM-AE模型的无监督主机入侵检测方法[J].小型微型计算机系统，2021,42(4):868-874.
• [12]蔡美玲，汪家喜，刘金平，等.基于Transformer GAN架构的多变量时间序列异常检测[J].中国科学：信息科学，2023,53(5):972-992.
• [13]王进，李琪，黄家玮.路径差异敏感的包散射策略机制[J].计算机工程与应用，2019,55(5):72-75.