最新資訊

基于深度學(xué)習(xí)的物聯(lián)網(wǎng)入侵檢測(cè)系統(tǒng)綜述

物聯(lián)網(wǎng)中智能設(shè)備的互聯(lián)互通在推動(dòng)社會(huì)進(jìn)步的同時(shí)，也因設(shè)備異構(gòu)性、協(xié)議多樣性和資源受限性導(dǎo)致安全威脅日益復(fù)雜化。傳統(tǒng)入侵檢測(cè)系統(tǒng)依賴特征匹配和規(guī)則定義，在面對(duì)新型攻擊和動(dòng)態(tài)攻擊模式時(shí)表現(xiàn)出局限性。系統(tǒng)梳理了深度學(xué)習(xí)技術(shù)在物聯(lián)網(wǎng)入侵檢測(cè)系統(tǒng)中的應(yīng)用進(jìn)展，通過對(duì)比分析發(fā)現(xiàn)：基于深度學(xué)習(xí)的模型在檢測(cè)精度和實(shí)時(shí)性上優(yōu)于傳統(tǒng)方法，在處理空間特征、捕捉時(shí)序依賴等方面表現(xiàn)突出；無監(jiān)督學(xué)習(xí)和集成方法通過生成對(duì)抗樣本、融合多模型優(yōu)勢(shì)，有效提升了小樣本場(chǎng)景下的檢測(cè)魯棒性；當(dāng)前研究仍面臨數(shù)據(jù)標(biāo)注成本高、邊緣計(jì)算資源受限、動(dòng)態(tài)攻擊適應(yīng)性不足等挑戰(zhàn)。總結(jié)探討了未來研究應(yīng)聚焦輕量化、跨模態(tài)數(shù)據(jù)融合等方向，為構(gòu)建高效、自適應(yīng)的物聯(lián)網(wǎng)安全防護(hù)體系提供理論支撐。

發(fā)表于：7/17/2025