近日，浙江大学集成电路学院张亦舒研究员团队提出了一种基于掺杂WO3−x/ZnO双层自整流行为忆阻器的储备池计算框架，用于实时网络入侵检测应用，旨在实现高准确率的实时入侵检测，同时展现出极高的信息处理效率，为下一代实时网络入侵检测提供了一种鲁棒且可扩展的解决方案。该工作以题为“Self-Rectifying Memristor-Based Reservoir Computing for Real-Time Intrusion Detection in Cybersecurity”发表于Nano Letters（https://doi.org/10.1021/acs.nanolett.4c04385）
本文第一作者为浙江大学集成电路学院硕士生张国滨。该工作得到了国家自然科学基金和省自然科学基金重大项目的资助。
课题背景
在大数据时代和物联网技术的迅速发展背景下，网络安全领域面临着前所未有的挑战。随着网络攻击的复杂性和频率不断增加，传统的入侵检测系统（Intrusion Detection System, IDS）已经难以满足实时监控和有效防御的需求。因此，研究者们开始探索新的技术，以提高IDS的性能和效率。储备池计算（Reservoir Computing, RC）作为一种高效的计算模型，因其在处理时间序列数据方面的优势而被应用于实时入侵监测和分类任务。物理RC系统，特别是那些基于先进材料和电子设备的系统，因其出色的能效比而受到关注。忆阻器，作为神经形态计算中的一种新兴记忆器件，因其独特的可调特性和动态性能，被视为实现物理RC系统的关键技术。然而，忆阻器在大规模集成时遇到的“潜行路径电流”问题，限制了其在IDS中的应用。为了解决这一问题，研究者们提出了具有自整流行为的忆阻器，它们能够有效减少潜行路径电流，消除额外组件的需求，并减少集成电路的面积开销。
课题亮点
本工作提出了一种基于NiO掺杂WO3−x/ZnO双层自整流行为忆阻器的RC框架，用于网络安全中的实时IDS。研究团队开发了16×16的交叉阵列，利用SRMs的独特动态特性，实现了在CSE-CIC-IDS2018数据集上93.07%的分类准确率，同时展示了极高的信息处理效率。这项工作的亮点在于不仅利用了忆阻器的可调特性，还解决了大规模集成中潜行路径电流的挑战，提供了一种鲁棒且可扩展的下一代IDS解决方案。此外，论文还详细阐述了忆阻器的物理化学特性以及导电机制，并通过实验验证了所提出自整流忆阻器在长期脉冲刺激下的稳定性和可靠性，这些特性对于RC系统在动态需求下的有效映射和训练至关重要。最终，这项研究不仅展示了新兴电子技术在提升网络安全方面的潜力，还为实时IDS的硬件实现提供了创新的方法。
图 新型三维集成垂基于自整流忆阻器阵列的RC-IDS架构直供电技术示意图
