多尺度星形胶质细胞网络钙离子动力学用于生物学上可信的异常检测

网络异常检测系统在传统离线训练的探测器面临诸多挑战。它们对概念漂移以及零日攻击和多态攻击等新威胁变得脆弱。为此，我们提出了一种受大脑中星形胶质细胞钙离子信号启发的钙离子调制学习框架，星形胶质细胞中的快速、上下文敏感的适应性使其能够实现稳健的信息处理。我们的ethods将一个多细胞星形胶质细胞动力学模拟器与深度神经网络（DNN）耦合。该模拟器通过三种关键机制建模星形胶质细胞的钙离子动力学：IP3介导的钙离子释放、SERCA泵摄取，以及在细胞之间通过间隙联结进行的导通性感知扩散。对我们提出的网络在CTU-13（Neris）网络流量数据上的评估表明，我们的生物学上可信方法有效。钙离子门控模型在多个训练/测试分割上均超过与之匹配的基线DNN，实现了最高可达约98%的准确率，并在假阳性和假阴性方面显著降低。值得注意的是，这种性能提升在钙离子轨迹预计算后几乎没有运行时开销。虽然本文针对网络安全应用进行了演示，但这种钙离子调制学习框架为需要快速、基于生物学依据适应变化数据模式的流式检测任务提供了通用解决方案。