一种基于深度学习的网络入侵检测方法

本发明属于计算机网络安全技术领域，本发明公开了一种基于深度学习的网络入侵检测方法；首先从网络流量中提取多维行为特征，通过分析重传数据包时间戳与协议异常时间窗口的关联关系。利用时序卷积自编码器构建正常流量的基线分布流形，采用正则化马氏距离计算识别候选异常会话。针对候选异常会话构建动态流量关联图，运用图注意力网络提取拓扑邻域特征，通过流熵不对称度识别隐蔽通信路径。根据攻击类型概率分布的时序变化趋势判断当前攻击进展，并调整检测策略。本发明提升了检测精度和智能化水平，能够生成精准的防护策略。