量子科技中心_量科网

物联网 (IoT) 和无线传感器网络 (WSN) 的快速扩张显著增加了此类系统的攻击面，使其易受各种网络威胁的攻击。传统的入侵检测系统 (IDS) 由于计算成本高昂且依赖大量标记数据集，往往无法满足资源受限的物联网环境的严格要求。为了应对这些挑战，本文提出了一种新型的混合入侵检测系统，该系统将量子遗传算法 (QGA) 与自监督学习 (SSL) 相结合。QGA 利用量子启发的进化算子来优化特征选择并微调模型参数，确保在资源受限的网络中实现轻量级且高效的检测。同时，SSL 使系统能够从未标记数据中学习到鲁棒的表示，从而减少对手动标记训练集的依赖。该框架在基准物联网入侵数据集上进行了评估，结果显示，与传统的基于进化和深度学习的 IDS 模型相比，该系统在检测准确率、误报率和计算效率方面均表现出色。结果凸显了将量子启发优化与自监督范式相结合以设计用于物联网和 WSN 环境的下一代入侵检测解决方案的潜力。