基于机器学习和NetFPGA的智能高速入侵防御系统

当前网络安全面临着日益多样化的威胁和挑战。入侵防御系统作为一种新兴的、能够动态监视并及时阻断异常网络传输行为的网络安全设备，成为目前主要的研究方向。目前主流的入侵防御系统主要通过人工预设的入侵规则集合对网络流进行匹配来发现、处理入侵，这种方法效率低下、维护困难，且存在严重的处理速度与成本的矛盾。针对上述问题，文章提出了结合基于硬件的网络数据流高速捕获过滤、经典机器学习技术以及当前人工智能领域前沿的深度学习自编码技术的入侵检测新思路，实现了基于NetFPGA的智能、高速的网络入侵防御系统，并在测试中取得了优于其他同一成本水平入侵检测系统的结果。