一种基于深度学习的在线网络入侵检测方法

本发明公开了一种基于深度学习的在线网络入侵检测方法，包括：获取待检测网络流量数据；将所述待检测网络流量数据输入至网络入侵检测模型，获取检测结果，其中，所述网络入侵检测模型通过训练集训练获得，所述训练集由原始网络数据组成，所述网络入侵检测模型包括：元训练模块、FAISS索引模块、TabPFN推断模块、Cache构建模块、融合检测模块和持续维护模块，本发明实现对动态网络环境的快速响应和高效检测，提高了系统在面对分布漂移时的鲁棒性和实时性。