人工智能在计算机网络入侵检测中的应用及优化

赵丹丹

doi:10.16009/j.issn.1009-5624.2026.07.022

信息记录材料 ›› 2026, Vol. 27 ›› Issue (7) : 67 -69. DOI: 10.16009/j.issn.1009-5624.2026.07.022

人工智能在计算机网络入侵检测中的应用及优化

赵丹丹

作者信息 +

Author information +

文章历史 +

PDF

摘要

为解决传统入侵检测系统对新型攻击检测能力不足、误报率高的问题，本文提出一种基于注意力机制、卷积神经网络(CNN)与双向长短期记忆(BiLSTM)网络的混合检测模型。该模型通过CNN提取空间特征，利用BiLSTM网络捕捉时序依赖，并借助注意力机制聚焦关键攻击信息。网络安全实验室-知识发现与数据挖掘(NSL-KDD)数据集上的实验表明：该模型准确率达88.7%,各项指标均优于传统机器学习及单一深度学习模型。特征优化分析进一步显示，精选特征集可在保障检测性能的同时提升计算效率，从而为构建高效实用的智能入侵检测系统提供可行方案。