人工智能在网络攻击检测中的应用:一篇评论
Yaw Jantuah Boateng1, Nusrat Jahan Mim2, Nasrin Akhter3
1Faculty of Physical and Computational Sciences, Department of Statistics and Actuarial Science, Kwame Nkrumah University of Science and Technology, Kumasi P.O. Box KS5013, Ghana.
Sensors (Basel, Switzerland)
|March 14, 2026
概括
人工智能 (AI) 为检测数字系统中复杂的网络攻击提供了先进的解决方案. 本综述探讨了用于增强网络安全的机器学习 (ML) 和深度学习 (DL) 等人工智能技术.
科学领域:
- 网络安全和人工智能 人工智能
- 侵入检测系统 侵入检测系统
- 机器学习和深度学习应用程序
背景情况:
- 网络物理系统面临着来自先进网络攻击的安全威胁.
- 传统的基于签名的入侵检测系统 (IDS) 对抗新型和零日攻击.
- 人工智能 (AI) 为现代网络攻击检测提供了可扩展,准确和适应的解决方案.
研究的目的:
- 综合审查基于人工智能的网络攻击检测技术的最新进展.
- 在基准数据集上评估各种AI方法的优点,局限性和性能.
- 确定人工智能驱动的网络安全的关键挑战和未来研究方向.
主要方法:
- 机器学习 (ML),深度学习 (DL),强化学习 (RL) 和联合学习 (FL) 的审查.
- 探索新兴技术:生成性AI,神经象征性AI,群智能,轻量级AI和量子计算.
- 对人工智能驱动的基于异常和混合检测方法与传统基于签名的IDS进行分析.
主要成果:
- 人工智能驱动的方法,特别是基于异常和混合方法,显示出对未知和零日攻击的检测率有所提高.
- 确定的主要挑战包括计算成本,数据质量,隐私和模型可解释性,可解释AI (XAI) 提供解决方案.
- 轻量级人工智能和量子计算显示出对资源有限的环境和提高检测效率的潜力.
结论:
- 人工智能对于开发强大,可解释和高效的网络攻击检测系统至关重要.
- 未来的研究应该专注于更新的数据集,混合量子-经典模型和优化的联合学习 (FL) 协议.
- 在人工智能领域的持续创新对于保护复杂的数字环境免受不断变化的网络威胁至关重要.