计算机工程与应用

作者：刘英华, 王海凤, 王再平, 张舒琦, 赵鹏, 池志宏, 赵昕晟

单位：1.内蒙古工业大学 智能科学与技术学院，呼和浩特 010080；2.内蒙古自治区大数据中心 信息技术服务九处，呼和浩特 010011；

关键词：网络入侵检测,对抗样本,机器学习,深度学习,对抗攻防

基金：内蒙古自治区直属高校基本科研业务费项目（JY20240010）；内蒙古自治区自然科学基金（2023LHMS06016）。

机器学习技术以及深度学习技术凭借自身强大的推理识别能力，促使基于异常检测的网络入侵检测系统（NIDS）得以快速发展，然而这些技术存在着固有的缺陷，比较容易受到对抗样本（AE）攻击。AE会对原始数据添加一些微小的扰动，而这些扰动是人眼很难察觉到的，使得NIDS产生误判。针对NIDS里的AE问题，从攻击手段以及防护策略这两个方面对最新的研究进展展开了系统的梳理与剖析。阐释NIDS的运行机制以及AE的生成机理，构建起攻防对抗的理论框架，基于AE的隐蔽性、迁移性等核心特征构建起多维分类体系，从攻防两个角度对现有的研究成果进行对比整理，梳理技术的演进脉络以及实践应用的现状，对未来的发展方向进行探讨。

来源：2026年第7期

《计算机工程与应用》期刊编辑部

查看计算机工程与应用杂志2026年第7期