Inspirado en el procesamiento jerárquico y la eficiencia energética del cerebro, este artículo presenta una arquitectura de red neuronal de picos (SNN) para un sistema de detección de intrusiones en red (NIDS) de por vida. El sistema propuesto utiliza primero una SNN estática eficiente para identificar posibles intrusiones y luego activa una SNN dinámica adaptativa para clasificar tipos específicos de ataque. Imitando la adaptación biológica, el clasificador dinámico aprovecha la plasticidad estructural inspirada en "Grow When Required" (GWR) y una novedosa regla de aprendizaje de plasticidad adaptativa dependiente del tiempo de pico (Ad-STDP). Estos mecanismos biológicamente plausibles permiten que la red aprenda gradualmente sobre nuevas amenazas, conservando al mismo tiempo el conocimiento previo. Las pruebas realizadas con el banco de pruebas UNSW-NB15 en un entorno de aprendizaje continuo demuestran una adaptabilidad robusta, una reducción del olvido fatal y una precisión general del 85,3 %. Además, las simulaciones realizadas con el marco Intel Lava demuestran una alta dispersión operativa, lo que destaca el potencial para la implementación de bajo consumo en hardware neuromórfico.
