6、大规模网络中基于量子深度学习的物联网攻击检测

大规模网络中基于量子深度学习的物联网攻击检测

1. 引言

随着联网设备数量的增加，网络遭受网络攻击的可能性呈指数级增长。由于预计互联网上一半以上的数据将来自无线网络，网络犯罪分子会将精力集中在无线网络上。目前，垃圾邮件数量是一年前的四倍，2016 年账户被盗用的数量也大幅增加。常见的网络攻击类型包括暴力破解、网络钓鱼、SQL 注入、分布式拒绝服务、恶意软件等，其中 85% 的恶意软件是勒索软件。数据泄露会导致企业遭受重大经济损失，金融服务公司受影响最为严重，其次是批发和零售贸易、制造业以及信息和通信技术行业。

为保护在线数据库中的敏感信息，入侵检测系统（IDS）已成为信息安全行业的标准做法。与仅负责监控网络入口流量的防火墙不同，IDS 位于网络内部，防火墙和 IDS 结合使用对网络安全更有利。

IDS 是一种自动识别网络环境中违反安全规则情况的方法，最初是手动执行的。它不仅能检测事件，还能记录潜在威胁并威慑未来攻击者。根据使用的方法和在网络中的位置，IDS 可分为以下几类：
- 按位置分类 ：
- 基于网络的 IDS（NIDS） ：将监控模块直接嵌入受保护的网络中，能全面了解系统，深入掌握计算机网络的运行方式。
- 基于主机的 IDS ：将 IDS 组件安装在每个网络端点上，只能监控客户端的进出数据，但能对每个客户端流量进行详细监控。
- 混合式 IDS ：既在网络中安装 IDS 模块，也在客户端安装，可同时监控单个客户端和整个网络。
- 按检测机制分类