数字技术与应用杂志社

摘要：<正>本文围绕基于深度学习（Deep Learning）技术的信息安全威胁实时检测算法展开对信息安全威胁的识别能力和响应效率的研究。基于深度学习模型在数据特征提取和模式识别方面具备优越性能，可显著提高对复杂网络攻击和数据泄露事件的检测准确性。本文系统性分析了当前信息安全威胁的各类类型，针对网络攻击（Network Attack）和数据泄露（Data Breach）的特征进行了深入探讨，构建并优化了多种深度学习模型，包括卷积神经网络（Convolutional Neural Network,CNN）与循环神经网络（Recurrent Neural Network,RNN），并设计了有效的威胁检测流程。实验结果表明，面向深度学习的威胁检测算法有效降低了误报率并提高了检测速度。

基金资助： 2021年广西中青年教师能力提升项目“基于云计算的网络信息安全技术研究”(2021KY1490)； 2025年度广西高校中青年教师科研基础能力提升项目“基于联邦学习的人工智能模型安全防御策略研究”(2025KY1978)； 梧州市科技计划项目“基于改进YOLO的六堡茶茶树病虫害识别系统研究”(2024B05003)； 2024年梧州市科技计划项目“基于大数据的智能碾米机研究与开发”(2024E03013)；

专辑： 信息科技

专题： 计算机软件及计算机应用;自动化技术

分类号： TP309;TP18

在线公开时间： 2025-09-05 16:30（知网平台在线公开时间，不代表文献的发表时间）