中文摘要: 随着科技进步，网络入侵手段也越来越多样，给物联网环境下边缘设备的安全带来了严峻挑战。针对目前物联网环境下传统入侵检测模型检测性能普遍较差以及不适配边缘设备资源受限、计算能力较低等特点，提出一种基于生成对抗网络GAN和卷积神经网络CNN的轻量化模型用于检测物联网环境下的入侵行为。首先，采用生成对抗网络技术解决数据不平衡问题；其次，使用基于跨阶段局部结构的轻量化卷积神经网络提取流量特征，并选择HSwish作为激活函数，以减少模型计算量和提高计算效率；最后，通过Softmax对流量数据进行分类。新算法在UNSW-NB15和CICIDS2018入侵检测数据集上进行实验，模型检测入侵行为的准确率分别达到99.64%和99.65%，精确率分别达到99.55%和99.35%，召回率分别达到99.61%和99.64%，F1分数分别达到99.58%和99.49%，大小控制在21KB~32KB左右。结果表明，所提出的模型在保证模型入侵检测精度的同时，减少了模型的大小和计算量，满足条件苛刻的物联网环境下高精度的入侵检测需求。