人工智能在网络入侵检测中的模型改进与识别效率优化
丁睿

北京三星九千认证中心有限公司，北京市朝阳区，100020；

摘要：近年来，网络攻击手段变得日益多样化和复杂化，传统的入侵检测系统已经无法满足需求。人工智能作为一种新的技术手段，与网络入侵检测系统结合具有良好的优势，本文从入侵检测模型、特征选择、集成学习、深度学习模型优化以及自适应学习等方面对人工智能模型进行了研究，并对这些方法的优缺点进行了比较分析。针对当前网络入侵检测系统存在的识别效率低的问题，本文提出了一种基于人工智能模型改进与识别效率优化技术的网络入侵检测方法。该方法利用模型训练与推理加速方法提升算法性能；通过数据并行计算、分布式存储等技术提高系统性能。

关键词：人工智能；网络入侵检测；模型改进；识别效率优化

参考文献

[1]张杨.人工智能时代网络入侵检测与防御技术[J].数字通信世界,2025,(07):71-73.

[2]路博.人工智能赋能下的网络入侵检测精准模型构建[J].中国宽带,2025,21(08):34-36.

[3]许衡.基于人工智能的网络入侵检测系统设计[J].数字技术与应用,2025,43(06):7-9.

[4]王斌.人工智能在网络入侵检测系统中的应用与优化策略[J].中国宽带,2025,21(03):61-63.

[5]张颢新,刘玉洁,王思成.CNN-RNN算法在网络入侵检测与信息安全保密技术中的应用研究[J].电脑知识与技术,2024,20(33):44-46.