基于深度学习的 5G 网络入侵检测系统研究

黎 恒光, 曾 杰祥, 黄 良浔, 庞斯 匀*
南宁师范大学

摘要

目的：探讨 5G 网络在工业互联网与远程医疗等行业的应用场景，因架构复杂、终端多样、业务开放面临的架构、
终端接入、数据传输、业务应用四类安全威胁，以及传统入侵检测方法（特征码检测、异常行为检测、协议分析）存在检
测准确率低、实时性差、泛化能力弱的问题，构建响应 5G 网络安全挑战的入侵检测体系。方法：深入审视 5G 网络技术的
特性及其潜在的安全挑战，指明传统方法的局限；再构建含数据采集、预处理、特征提取、深度学习检测、响应处置的系
统架构，采用 CNN-LSTM-AE 模型实现多特征的整合，结合 HDFS 分布式存储、Spark 分布式计算及数据采样等实时性
优化技术提升性能；对 UNSW-NB15 和 CSE-CIC-IDS2018 数据集进行分析，从准确率、实时性、泛化能力维度与传统及
单一深度学习模型对比。结果：该系统在 UNSW-NB15 数据集准确率达 98.2%，CSE-CIC-IDS2018 数据集达 97.5%；该
检测的平均时延值介于 0.8 到 1.2 毫秒，跨数据集准确率下降仅 1.8-2.3 个百分点，整体表现略胜一筹于对比模型，结论：
该系统在 5G 网络安全威胁面前展现强大应对力，为 5G 网络安全稳定运行提供技术支撑。

关键词

5G 网络；网络安全；入侵检测系统；深度学习

参考

[1] 汪琰 . 基于图神经网络的 5G-A 网络切片与资源动态

分配 [J]. 信息记录材料 ,2025,26(08):202-204.

[2] 唐 冬 来 , 李 玉 , 张 强 , 欧 渊 , 尚 忠 玉 , 唐 吉 忠 . 基

于时空特征的 5G 通信基站短时流量预测方法 [J]. 信息技

术 ,2025,(07):14-19.

[3] 张 聪 然 , 李 震 领 , 许 浒 . 基 于 深 度 强 化 学 习 的 海

上 风 电 场 5G 传 感 网 络 动 态 资 源 分 配 方 法 [J]. 传 感 器 世

界 ,2025,31(06):21-25+31.

[4] 吴雨峰 . 基于深度学习的 5G-A 网络流量预测方法研

究 [J]. 电子产品世界 ,2025,32(06):22-26.

[5] 张梦宇 .5G 通信环境下雷达信号处理技术的研究 [J].

中国宽带 ,2025,21(05):91-93.