今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

面向SDN入侵检测的并发感知人工智能框架研究

《Scientific Reports》:Concurrency aware artificial intelligence for real-time intrusion detection in software-defined networks

【字体: 大 中 小 】 时间:2026年10月22日 来源:Scientific Reports 4.9

编辑推荐:

   摘要现代软件系统目前正被用于高并发、数据密集和延迟敏感的环境中。像实时入侵检测这样的软件定义网络(SDN)应用程序需要在大量数据流中进行快速的时序模式识别。虽然深度学习模型具有令人印象深刻的检测能力,但在现实部署中表现不佳通常受到并发管理不善、调度不灵活、集中式学习管道以及容

  

摘要

现代软件系统目前正被用于高并发、数据密集和延迟敏感的环境中。像实时入侵检测这样的软件定义网络(SDN)应用程序需要在大量数据流中进行快速的时序模式识别。虽然深度学习模型具有令人印象深刻的检测能力,但在现实部署中表现不佳通常受到并发管理不善、调度不灵活、集中式学习管道以及容错能力的限制。在本研究中,作者提出了一种并发感知人工智能(CA-AI)框架,该框架直接整合了基于 Actor 的并发控制、基于工作流的负载感知调度、基于深度长短期记忆(LSTM)的时间序列学习、基于代理的并行特征提取以及基于监控的反馈环。该框架针对面向 SDN 的入侵检测工作负载进行了评估,其中并发管理通过在系统架构层面实现基于 Actor 的执行、工作流调度和异步推理,并在真实的网络流量数据样本(NSL-KDD、CIC-IDS2017 和 UNSW-NB15)上进行了测试。实验结果表明,并发感知的系统设计显著提高了检测准确率,在包括 NSL-KDD、CIC-IDS2017 和 UNSW-NB15 在内的多个基准数据集上实现了高达 98.9% 的检测准确率;与集中式入侵检测系统(IDS)基线相比,吞吐量提高了 2.1 倍;而在提出的 CA-AI 框架内,当并发量从 10,000 增加到 100,000 流时,吞吐量增加了约 1.19 倍;与集中式 IDS 基线相比,平均延迟降低了约 57.5%(从 146 毫秒降至 62 毫秒),同时在并发工作负载下保持了高可靠性。所提出的框架将并发确立为可扩展的 AI 驱动模式识别系统的基本架构原则。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:并发感知人工智能|软件定义网络|入侵检测|深度学习|并发控制|性能优化

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号