为突破传统威胁检测技术的瓶颈,解决无法识别未知攻击和检测效率低等方面的现实难题,本次研究中提出基于人工智能的网络信息安全威胁检测技术｡文中首先明确了人工智能在网络信息安全威胁检测中的适配性,并结合网络安全威胁检测的技术特点梳理智能检测流程,分别探究机器学习与深度学习在威胁检测中的应用方法,通过实验方式,验证传统IDS检测模型､单一机器学习模型(孤立森林)､单一机器学习模型(随机森林)与CNN-BiLSTM模型,在精确度､准确度､召回率与误报率等关键性能指标方面的差异,进一步验证了智能威胁检测技术的应用成果｡
