Event-Native Symbolic-Temporal Spike Encoding Framework for Heterogeneous Cyber Streams
该论文聚焦于将脉冲神经网络(SNN)用于网络入侵检测时面临的一个关键工程与建模矛盾:SNN 依赖稀疏、事件驱动的有状态计算,天然契合低功耗边缘神经形态硬件,也契合异步到达、恶意行为多体现为时序模式的网络监控数据;但真实赛博数据流并非由连续数
共收录 2 条相关情报。
← 返回所有主题该论文聚焦于将脉冲神经网络(SNN)用于网络入侵检测时面临的一个关键工程与建模矛盾:SNN 依赖稀疏、事件驱动的有状态计算,天然契合低功耗边缘神经形态硬件,也契合异步到达、恶意行为多体现为时序模式的网络监控数据;但真实赛博数据流并非由连续数
该论文关注电力配电网数字化带来的安全后果:工控与关键基础设施侧的网络暴露面扩大,而现有入侵检测系统(IDS)多依赖计算开销大的深度学习模型,难以在边缘侧部署;同时,为适应数据分布漂移而进行的周期性重训练,又使模型暴露于「机器遗忘攻击」(ma