一种用于软件定义网络的量子增强型神经符号入侵检测系统

《Scientific Reports》：A quantum enhanced neuro symbolic intrusion detection system for software defined networking

　　

摘要

软件定义网络（SDN）虽然具备可编程性和集中控制能力，但同时也增加了攻击面，使得传统的入侵检测系统（IDS）难以应对新的攻击方式。为解决这些问题，我们提出了NeuroTwin QIDS，这是一种基于量子技术的新型神经网络入侵检测系统，专为SDN设计。该系统采用了创新的神经符号特征剪枝（NSFP）方法，结合图注意力网络（GAT）和基于策略的符号剪枝技术，确保用于识别异常的特征具有统计相关性和防御性。用于表示异常的统计特征会被映射到量子储备空间（QRE）中，从而提升特征的表现力，便于进行更准确的时间序列分类。分类过程分为两步：首先，量子储备-Transformer混合模型（QRT-Net）负责实时在线的二进制异常检测；其次，胶囊网络-BiLSTM（Cap-BiLSTM）根据异常的行为特征对其进行分类。之后，通过神经符号融合技术，将神经网络的结果与SDN策略进行对比验证，同时同步数字孪生模型以模拟在应用自愈机制之前应采取的保护措施。实验采用CSE-CIC-IDS2018和InSDN数据集来评估NeuroTwin QIDS的端到端性能。实验结果显示，NeuroTwin QIDS的检测效果极为出色，优于现有的先进IDS系统。在CSE-CIC-IDS2018数据集上，其准确率为99.12%，精确率为98.95%，召回率为98.87%，F1分数为98.91%；在InSDN数据集上，该方法的准确率为98.67%，精确率为98.42%，召回率为98.15%，F1分数为98.28%。