基于自监督学习的计算机信息入侵检测算法研究.pdfVIP

信息记录材料２０２５年６月第２６卷第６期

基于自监督学习的计算机信息入侵检测算法研究

曾庆瑞

（中国航发贵阳发动机设计研究所贵州贵阳５５００８１）

【摘要】针对计算机系统中存在的各类信息安全威胁，如网络攻击、数据泄露以及内部滥用等问题。本文提出了基于自监督学习

模型的计算机系统信息安全入侵检测算法。首先，本文详细概述了信息安全监测技术，阐述了传统的信息安全监测方法及其局限性，

并分析了人工智能在信息安全领域的应用现状。其次，提出了计算机系统信息安全检测系统的总体方案，并提出了基于自监督学习

的入侵检测算法。最后，通过实验数据分析了该算法的可行性和有效性。结果表明：基于自监督学习的入侵检测算法显著降低了误

报率，提高了入侵检测的准确性。

【关键词】人工智能；计算机系统信息安全；检测系统；自监督学习

－－－

【中图分类号】ＴＰ３９３０８【文献标识码】Ａ【文章编号】１００９５６２４（２０２５）０６０１１１０３

０引言行信息收集和分析，实现对计算机系统的保护。信息安全

随着信息技术的迅速发展，计算机系统的普及与应用检测是计算机系统的重要组成部分，也是保障计算机系统

日益广泛，信息安全问题也日益凸显。尤其在当前高度互正常运行的基础。随着人工智能技术的快速发展和应用

联的网络环境中，各类信息安全威胁如网络攻击、数据泄范围的不断扩大，其在信息安全领域中的应用日益增多，

露以及内部滥用等层出不穷，给个人及企业的数据安全带主要体现在专家系统和神经网络的应用上。专家系统通

来了严重挑战。传统的信息安全检测系统主要依赖于规过利用知识库以及推理规则等进行工作，对以往的经验知

则匹配和静态检测，虽然这种方法可以在一定程度上识别识进行归纳、整理以及处理，从而为新知识提供支持。同

已知的安全威胁，但对于不断演变的新型攻击手段，其灵时在对专家系统进行学习的过程中，需要利用知识库进行

活性与适应性极为有限。为了解决这些问题，越来越多的存储与管理，并将大量的知识与经验应用到人工智能算

［３］

研究者开始将人工智能技术应用于信息安全检测领域，通法中。

过机器学习和深度学习等先进技术，系统能够逐渐学习和１３计算机系统网络入侵检测技术

［１］计算机系统网络入侵检测技术是一种用于检测和发

适应新的威胁模式，从而提高检测的准确性和效率。因

此，本文提出了一种基于人工智能的计算机系统信息安全现计算机系统中安全隐患的技术，该技术主要通过分析网

检测系统设计方案，旨在确保了数据传输过程中的安全络数据包的内容来识别安全隐患，具体而言，它通过对计

性，并阻止潜在威胁的扩散。算机系统中传输的数据内容进行分析，从而判断计算机系

１信息安全检测技术概述统是否存在安全隐患。目前，网络入侵检测技术主要分为

１１传统信息安全检测技术两种：基于规则的网络入侵检测技术和基于统计的网络入

在传统信息安全检测技术中，主要是通过对计算机系侵检测技术。其中，基于规则的网络入侵检测技术通过分

统的运行环境进行监控，并采用相应的技术手段来对计算析传输数据内容的特征，从而判断出计算机系统中是否存

［４］

机系统信息安全。这些技术主要