RIDE: 基于可解释机器学习的实时入侵检测在内存阻抗器硬件架构中的实现

利用深度学习和循环自编码器结合软硬件协同设计，实现高速网络中基于数据包的网络入侵检测，同时具备高检测准确性和解释能力。

最新研究发现，机器学习和深度神经网络可以为辐射探测器和成像设备提供优化和性能增强方案。深度学习方法需要大量计算资源，但一旦训练完成，可以在边缘设备上实现快速推理速度。边缘计算是一种低能耗和实时分析能力的新趋势。下一代模拟神经形态硬件平台如光学神经网络可以提高深度学习加速。