重写文本：
引言
浙江大学集成电路学院的张亦舒研究团队提出了基于掺杂 WO3−x/ZnO 双层自整流忆阻器的储备池计算框架，以实时网络入侵检测为目标。该框架旨在实现高精度、高效率的实时入侵检测，为下一代网络入侵检测系统提供鲁棒且可扩展的解决方案。相关研究成果发表在《纳米快报》上（https://doi.org/10.1021/acs.nanolett.4c04385）。
背景
在数据爆炸和物联网快速发展的背景下，网络安全面临着严峻挑战。传统入侵检测系统难以应对日益复杂的网络攻击。因此，研究人员致力于探索提高入侵检测系统性能和效率的新技术。储备池计算作为一种处理时间序列数据的有效模型，被应用于实时入侵检测和分类任务。基于先进材料和电子器件的物理储备池计算系统因其优异的能效比而受到关注。忆阻器作为神经形态计算中的关键器件，凭借其可调性和动态性能，被视为实现物理储备池计算系统的关键技术。然而，忆阻器大规模集成时存在的“潜行路径电流”问题限制了其在入侵检测系统中的应用。自整流忆阻器能够有效减少潜行路径电流，消除额外组件需求，并降低集成电路面积开销。
创新点
本研究提出了基于掺杂 NiO 的 WO3−x/ZnO 双层自整流忆阻器的储备池计算框架，用于网络安全中的实时入侵检测。研究团队构建了 16×16 交叉阵列，利用自整流忆阻器的独特动态特性，在 CSE-CIC-IDS2018 数据集上实现了 93.07% 的分类准确率，同时展示了极高的信息处理效率。该研究不仅利用了忆阻器的可调性，还解决了潜行路径电流的挑战，为下一代入侵检测系统提供了鲁棒且可扩展的解决方案。此外，研究人员深入阐述了忆阻器的物理化学特性和导电机制，并通过实验验证了自整流忆阻器在长期脉冲刺激下的稳定性和可靠性。这些特性对于储备池计算系统在动态需求下的有效映射和训练至关重要。
本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，还为实时入侵检测系统的硬件实现提供了创新方法。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
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
