基于深度学习模型的防火墙威胁检测方法、装置及设备

本发明公开了一种基于深度学习模型的防火墙威胁检测方法、装置及设备，涉及人工智能技术领域。所述方法是先基于多个正常及异常的HTTP请求消息，预处理得到多个防火墙威胁正负样本数据，然后针对在多个深度学习模型中的各个模型，应用防火墙威胁正负样本数据，基于优化算法对相应模型的超参数进行优化，得到对应超参数且用于使采用输出误差情况指标值与计算所需时长指标值之积的目标函数最小化的最优化搜索结果，再然后从多个模型中选出具有最小目标函数的某个模型，并导入相应超参数的最优化搜索结果及相应模型参数，得到防火墙威胁检测模型，最后将防火墙威胁检测模型部署到防火墙侧以进行防火墙威胁检测，如此可提升检测模型在防火墙侧的适用性。