基于人工智能的高校网络安全攻防系统设计

摘要

随着高校网络规模的扩大和信息化水平的提高，校园网面临着外部攻击多样化与内部用户行为复杂化的双重风险。本研究设计了一种基于人工智能的高校网络安全攻防系统，以卷积神经网络-长短期记忆(CNN-LSTM)网络混合深度学习模型作为核心入侵检测引擎，构建了数据采集与感知、智能分析与检测、协同响应与处置、知识库与模型更新的四层闭环架构，并在此基础上实现了对校园网异常行为的识别与联动处置。在仿真环境中，对系统性能进行测试，结果显示：该系统在典型分布式拒绝服务攻击、端口扫描和Web攻击场景中的检测率均高于92%,误报率低于1%,平均响应时间约为300 ms,实现了检测精度与实时性的良好均衡，综合性能表现优异。

关键词

人工智能 / 高校网络安全 / 攻防系统 / 深度学习 / 入侵检测