长江信息通信杂志

摘要：为提升移动通信网络安全威胁识别的准确性与实时性,本研究提出了一种基于卷积神经网络(CNN)和长短期记忆网络(LSTM)融合的安全防护技术。研究发现,CNN多尺度特征提取结合贝叶斯网络风险量化,使威胁识别准确率达到95.8%,误报率降至2.1%;LSTM时序异常检测的F1分数达到0.93;CNNLSTM融合的威胁预测模型准确率达到82.3%。研究表明,该方法在零日威胁检测率和系统吞吐量上表现优异,显著提升了移动通信网络安全防护的整体性能。

关键词： 人工智能;移动通信网给;安全防护;深度卷积神经网给;

DOI： 10.20153/j.issn.2096-9759.2026.06.011

专辑： 信息科技

专题： 电信技术

分类号： TN929.5;TN915.08