一种基于表征学习的实时入侵检测方法及系统

本发明公开了一种基于表征学习的实时入侵检测方法及系统，通过将网络中的应用层和传输层数据映射为三层结构的图片文件，利用深度学习技术，尤其是卷积神经网络，构建标准化、统一化的数据集，解决了传统数据集单一和不可靠的问题。该方法通过深度学习模型对异构网络流量数据进行实时准确的攻击行为识别，并根据检测结果定期更新数据集，以优化模型性能。实验证明，该方法能有效提高入侵检测的准确性和鲁棒性，降低误报率，适用于多种网络攻击场景。