空军工程大学学报

作者：王鹏,郭相科,宋亚飞,王晓丹

单位：空军工程大学防空反导学院,西安,710051\

关键词：无人机网络入侵检测;Kolmogorov-Arnold Networks;可解释性;网络安全

基金：国家自然科学基金(61876189,61703426,61273275)

针对无人机算力有限、存储空间小和实时性高的特点,提出一种基于Kolmogorov-Arnold Networks (KAN)的可解释的无人机网络入侵检测方法KIDS。受Kolmogorov-Arnold表示定理的启发,KAN利用样条参数化的单变量函数取代了传统的线性权重,从而动态地学习激活模式,能够有效提取流量序列数据特征并以更轻量化的网络结构实现优异的无人机网络入侵性能。此外,可视化参数化的样条函数能够进一步 探索和解释模型在流量特征提取阶段的决策过程,从而增强模型应用的可信度。最后,在真实无人机网络流量数据集UAV-IDS-2020进行广泛实验。结果表明,KIDS以更低的模型复杂度实现了优异的检测性能,且在跨机型入侵检测任务中表现出显著的泛化性能。

来源：2026年第1期

《空军工程大学学报》期刊编辑部

查看空军工程大学学报杂志2026年第1期