मस्तिष्क की पदानुक्रमित प्रसंस्करण और ऊर्जा दक्षता से प्रेरित होकर, यह शोधपत्र एक आजीवन नेटवर्क घुसपैठ पहचान प्रणाली (NIDS) के लिए एक स्पाइकिंग न्यूरल नेटवर्क (SNN) संरचना प्रस्तुत करता है। प्रस्तावित प्रणाली पहले संभावित घुसपैठों की पहचान करने के लिए एक कुशल स्थिर SNN का उपयोग करती है, फिर विशिष्ट आक्रमण प्रकारों को वर्गीकृत करने के लिए एक अनुकूली गतिशील SNN को सक्रिय करती है। जैविक अनुकूलन का अनुकरण करते हुए, गतिशील वर्गीकारक ग्रो व्हेन रिक्वायर्ड (GWR) और एक नवीन अनुकूली स्पाइक-टाइम-डिपेंडेंट प्लास्टिसिटी (Ad-STDP) लर्निंग नियम से प्रेरित संरचनात्मक प्लास्टिसिटी का लाभ उठाता है। ये जैविक रूप से प्रशंसनीय तंत्र नेटवर्क को पूर्व ज्ञान को बनाए रखते हुए नए खतरों के बारे में क्रमिक रूप से सीखने में सक्षम बनाते हैं। निरंतर शिक्षण वातावरण में UNSW-NB15 बेंचमार्क का उपयोग करके किए गए परीक्षण से मज़बूत अनुकूलनशीलता, कम घातक विस्मरण और 85.3% की समग्र सटीकता प्रदर्शित होती है। इसके अलावा, इंटेल लावा फ्रेमवर्क का उपयोग करने वाले सिमुलेशन उच्च परिचालन विरलता प्रदर्शित करते हैं, जो न्यूरोमॉर्फिक हार्डवेयर पर कम-शक्ति परिनियोजन की क्षमता को उजागर करता है।
