摘要
本文探讨了将深度学习方法应用于网络流量中计算机攻击检测所面临的若干问题。文章综述了相关研究进展，并对深度学习在入侵检测领域应用的现状进行了系统分析。文中详细讨论并比较了当前最常用的深度学习方法，提出了一个面向入侵检测的深度学习方法分类体系。同时，识别了当前深度学习在计算机攻击检测中应用的主要趋势与挑战。为进一步评估深度学习方法在入侵检测中的适用性，本文设计并构建了一种CNN-BiLSTM神经网络模型。该模型与先前基于随机森林（Random Forest）分类器构建的检测模型进行了对比分析。结果表明，采用深度学习方法可显著简化特征工程阶段的工作量，且随机森林模型与CNN-BiLSTM模型在各项评估指标上表现相近。这一结果验证了深度学习方法在入侵检测任务中具有良好的应用前景。