所属栏目：新闻中心发布时间：2026-05-15浏览量:688
岑溪市中等专业学校赖振辉团队在《信息技术》发表论文《基于改进差分算法的网络异常攻击流量入侵识别方法》。该研究针对现有网络攻击识别方法精度不足的问题，提出一种基于改进差分算法的入侵识别方案，通过多模型协同与自适应寻优，显著提升异常攻击流量的检测准确率，为网络安全防护提供高效技术支撑。
随着网络环境日趋复杂，隐蔽性强、危害大的异常攻击流量成为网络安全重大威胁。传统识别方法存在特征提取不准、分类精度低等问题，难以满足实际防护需求。赖振辉、甘汉波团队对传统差分进化算法进行优化，引入自适应因子，有效避免局部最优，大幅提升流量特征提取的精准度。
研究团队从网络流量属性与攻击行为的关联规律入手，提取请求次数、流量规模、登录失败频次等10类核心特征，构建特征与入侵行为的对应关系，清晰呈现网络动态变化。在此基础上，创新性建立四大识别模型：字符串长度识别模型、二级域名可信性过滤模型、IP离散性验证模型和异常入侵数据阻断模型，形成全流程、多维度的入侵识别体系。
为验证方法有效性，团队基于NSL_KDD标准数据集开展对比实验，将该方法与内外卷积网络、深度自编码网络、HMM、SVM等主流算法进行测试。结果显示，所提方法在二分类测试中准确率达98.56%，多分类准确率达97.56%，各项指标均优于传统算法，整体识别精度提升约10%。
该研究成果有效解决了网络异常攻击流量难以精准识别的行业痛点，具有较强的实用性与可靠性，可广泛应用于校园网络、企业内网、政务网络等场景的安全防御。团队表示，后续将进一步优化算法运行效率，推进轻量化部署，为网络安全防护提供更高效的智能解决方案。