21、基于深度学习的软件定义网络入侵检测与无线通信安全

基于深度学习的软件定义网络入侵检测与无线通信安全

1. 网络入侵检测挑战与需求

随着网络攻击手段不断变化以绕过现有的入侵检测解决方案，异常特征也在持续改变。因此，网络入侵检测系统（NIDS）或检测方法的适应性必须紧跟本地网络或互联网中出现的当前异常情况。在分布式攻击场景下，多台机器可能迅速被攻击，对网络造成的直接损害可能非常严重。为有效缓解此类攻击，NIDS不仅要尽早检测到攻击，还需具备在不影响合法用户服务的前提下控制攻击速率的能力，这对NIDS的开发构成了重大挑战。

2. 无线通信发展与挑战

移动技术和无线通信的发展给社会带来了深刻变革。如今，数十亿人使用手机获取信息、进行社交连接并参与各种日常活动。无线通信的进步推动了这一快速发展，包括提高吞吐量、减小尺寸和降低功耗。无线技术融入日常设备显著影响了系统设计和运行，导致无线连接激增，有线连接减少。这种转变在关键的网络物理系统中尤为明显，例如使用无线远程终端单元（RTU）来监控和控制包括电网和工业流程在内的SCADA系统。

然而，要实现现代无线系统中安全可靠的有效通信，面临着诸多挑战。随着大规模物联网（MIoT）、机器人、自动驾驶汽车和增强现实等新应用的出现，频谱需求大幅增加，导致频谱稀缺和无意干扰，最终降低了通信质量。此外，无线协议如今广泛以软件形式实现，软件定义无线电平台功能日益强大，体积小巧且成本低廉（如XTRX平台可实现120 Msps、2x2 MIMO，并在迷你PCI形式因子中集成了GPSDO和FPGA）。这一趋势虽然为开发复杂的通信技术创造了新机会，但也给频谱管理和防范无线威胁带来了新挑战，从智能干扰器、受损的无线芯片到武器化无人机等。强大的干扰器能够破坏无线通信，它们可以在Mica2 WSN平