群体智能的发展现状：AI网络安全现状、新一代AI发展现状

群体智能的发展现状

3.3.1 AI网络安全现状

• 群体智能在网络安全方面有了很大的应用，群智能算法的出现为网络安全提供了一种新的解决方案。群体智能的网络框架也发展得越来越好，群体智能的技术不停地在网络安全方面更新。
• 当前有的两种在AI网络安全方面比较新鲜的技术：
  • 基于群体智能的网络安全协同防御框架、
  • 群体智能算法在网络入侵检测中的应用。

一种基于群体智能的网络安全协同防御框架

（曾颖明，王斌，郭敏 . 基于群体智能的网络安全协同防御技术研究 [J]. 信息网络安全，2020，20（9）：52-56.）

• 该技术主要由数据接入与共享、主动预防、联合感知、协同响应等模块组成，同时研究了具有动态调整协同策略的集成学习算法，并将其应用于攻击事件检测模型中，提高检测准确率。
• 基于群体智能的网络安全协同防御框架包括数据接入与共享、主动预防、联合感知、协同响应等模块。通过各模块的分工合作，
  • 一方面可以将各个网络安全组件的信息进行智能时空关联，进而给出精确的攻击事件分析结果 ；
  • 另一方面可以利用多个组件的联动实现对网络攻击的围剿式处置。
• 基于集成学习的网络安全协同检测技术：一种具有动态调整协同策略的集成学习算法，并将其应用于攻击事件检测模型中，提高其检测准确率。
• 集成学习通过一定的规则生成多个检测器，再采用某种集成策略进行组合，最后综合判断输出最终结果。
• 集成学习算法的最大优势在于通过对弱检测器的反复迭代训练得到高精度的检测模型。

群体智能算法在网络入侵检测中的应用

（张国平, 李亚丽, 徐向艺. 群体智能算法研究及其在信息安全中的应用[J]. 计算机应用技术信息技术与信息化，2019, 11(33)
104-106.）

• 入侵检测系统应该具有较高的攻击检出率、较低的误报率、较小的资源占用率,并且需要足够的智能来识别未知的攻击。
• 这些具有挑战性的需求为群体智能提供了巨大的潜力，群体智能可以基于一系列能力有限的简单个体，完成非常复杂的任务，并在戏剧化的环境中很好地工作。
• 因此，将群体智能算法应用于入侵检测系统具有天然的合理性，并取得了一定的效果

3.3.2 新一代AI发展现状

AI技术不仅仅在网络安全方面大有作为，在许多方面都有成就。在网络框架，智慧城市，机器人集群路径规划几个方面的研究如下：

基于区块链的通用群体智能网络框架

（张明瑞, 王涛, 杨波. 一种基于区块链的群智网络框架[J]. 密码学报, 2021, 8(2): 248–259. [DOI:10.13868/j.cnki.jcr.000434]）

• 不同于最近被提出的各类基于区块链面向特定应用的众包方案, 这是一种为了提高基于区块链的群体智能应用构造效率, 所设计的通用群体智能框架.
• 将边缘计算引入群智网络框架, 利用各类智能设备作为边缘处理节点, 为群智网络提供边缘数据处理能力, 设计专门智能合约实现边缘数据处理跟踪管理机制, 达到降低任务延时的目的.
• 这种基于区块链的通用群智网络框架, 将整个系统分为三个部分,
  • 身份管理、
  • 群智任务管理、
  • 数据流管理.
• 每个部分由一个智能合约管理, 将传统的业务流程全部使用智能合约的交易代替. 在群 智网络中设置边缘节点, 进一步降低了任务时延与成本.

完整街道扫描仪

（李  晔，黄弘勇. 完整街道扫描仪：智慧城市人居环境感知新技术[J]. 交通发展改革专题,2021, 1(43) 50-56）

• 完整街道扫描仪以“连通”为目的构建，以移动载具的形式在未来城市的路网中部署、载人运行，借助其上搭载的传感器、车联网功能扩展出对交通流、街道环境、行人进行扫描、记录、分析、影响的能力，成为一种面向未来智慧城市的人居环境感知系统。
• 因为完整街道扫描仪能充分利用规模化的互联智能车辆自身行驶时产生的数据，结合共享经济、区块链技术中契合的部分分析得到合理的引导数据，并对这些互联智能车辆进行引导，从而以较低的成本解决本需要较大投入才能实现的城市管理优化。
• 所以完整街道扫描仪能解决城市管理智能化维度不足这个痛点

机器人集群路径规划的技术

（高 明，唐 洪，张 鹏。 机器人集群路径规划技术研究现状[J]. 国防科技大学学报, 2021,1(43) 127-138）

• 受社会型生物群体行为启发，群体智能得到日益广泛的关注，机器人集群作为群体智能的重要承载者得到了大量研发和广泛应用。
• 机器人集群路径规划技术作为一项核心关键技术也得到快速发展。
• 有多重适用于不同集群规模、可扩展性要求、通信需求以及算法要求的集群规划基础计算架构，包括冗余计算架构、分布计算架构和分层计算架构。
• 找到了最适用于机器人集群的路径规划方法，包括仿生学方法、人工势场法、几何学方法、经典搜索法和进化学习法。