深度学习在网络入侵检测中的研究综述

来源：计算机工程与应用杂志2026年第10期北京时间：

作者：赵鹏, 王海凤, 刘英华, 张舒琦, 赵昕晟, 池志宏

单位：内蒙古工业大学 智能科学与技术学院，呼和浩特 010080；

摘要：入侵检测系统等安全保护机制在保障网络空间安全、抵御恶意攻击方面发挥着关键作用。近年来，深度学习技术凭借强大的特征自动提取与复杂模式学习能力，在网络入侵检测领域得到了广泛应用并展现出显著优势。通过对该领域内最新研究文献的系统梳理与调研，详细介绍了基于深度学习的网络入侵检测技术的研究进展与应用现状。具体而言，阐述了入侵检测系统的研究背景与基本分类体系；系统性地归纳和评述了适用于网络入侵检测的主流与前沿深度学习模型，如循环神经网络及其变体、自编码器、卷积神经网络、生成对抗网络，以及Transformer、图卷积神经网络等新兴模型；分析了深度学习驱动的入侵检测系统在车载网络、无人机网络、智能电网、物联网和软件定义网络等多个特定应用场景中的部署、适配情况及挑战；在现有研究基础上，对该领域当前面临的数据质量与不平衡问题、高维数据处理、实时性要求等关键挑战进行了探讨，并对未来发展趋势进行了展望。

关键词：网络安全,入侵检测,深度学习,网络入侵检测系统