一种基于双层决策树的深度学习网络入侵检测方法

本申请公开一种基于双层决策树的深度学习网络入侵检测方法，包括：将待检测数据输入网络入侵检测模型的第一决策树，获得网络入侵检测数据集；网络入侵检测模型包括融合了简化卷积神经网络的第一决策树、改进卷积神经网络以及第二决策树；简化卷积神经网络包括第一卷积层、Inception模块、残差块、第二自定义混合池化层和展平层；Inception模块包括第二卷积层和第三卷积层，残差块包括第四卷积层；对网络入侵检测数据集进行预处理后输入改进卷积神经网络进行训练；改进卷积神经网络进行特征提取后输出特征向量；将特征向量输入第二决策树，第二决策树判定是否有网络入侵。本申请对简化卷积神经网络结构改进，使其充分提取复杂数据的深层特征。